수학 지식
초급 데이터 분석가의 경우 통계의 기본 내용, 공식 계산, 통계 모델 등을 이해해야 합니다. 데이터 세트를 얻을 때, 먼저 데이터 세트의 품질을 알고 설명 통계를 진행해야 한다. (존 F. 케네디, 공부명언)
고급 데이터 분석가에게는 통계 모델의 능력과 선형 대수학에 대한 이해가 있어야 합니다.
진단키트
분석 도구의 경우 SQL 이 필요하며 Excel 피벗 및 공식 사용에 익숙해야 합니다. 또한 통계 분석 도구를 배워야 합니다. SAS 는 좋은 입문이고, VBA 는 기본적인 필수품이며, SPSS/SAS/R 은 최소한 그 중 하나를 능숙하게 사용해야 하며, Matlab 과 같은 기타 분석 도구는 상황에 따라 달라질 수 있습니다.
프로그래밍 언어
데이터 분석에서 가장 인기 있는 두 언어는 R 과 Python 이다. R 은 다양한 통계 함수와 도구와 관련하여 의심할 여지 없이 우세하다. 큰 데이터 처리 능력이 부족하여 학습 곡선이 가파르다. 파이썬 (Python) 은 적용성이 강하여 스크립팅된 분석 과정을 할 수 있다. 그래서 이 방면에서 발전하려면 Python 을 배우는 것이 필요하다.
물론 다른 프로그래밍 언어도 마스터해야 합니다. 독립적으로 데이터를 스스로 사용할 수 있는 능력을 가지려면 SQL 이 가장 기초적이다. SQL 을 사용하여 데이터를 조회하고 프로그램을 작성하여 데이터를 신속하게 분석할 수 있어야 합니다. 물론 프로그래밍 기술은 소프트웨어 엔지니어의 수준에 도달할 필요가 없다. 문제를 더 깊이 분석하려면 탐색 분석 기술, 최적화, 시뮬레이션, 기계 학습, 데이터 마이닝, 모델링 등도 사용할 수 있습니다.
상업이해
비즈니스를 이해하는 것은 데이터 분석가의 업무의 기초입니다. 데이터 수집 방안, 지표 선택, 최종 결론에 대한 통찰은 모두 데이터 분석가의 업무 자체에 대한 이해에 달려 있다.
초급 데이터 분석가의 경우, 주요 업무는 데이터 추출, 간단한 차트 작성, 소량의 통찰력 결론, 업무에 대한 기본적인 이해입니다. 선임 데이터 분석가에게는 비즈니스에 대한 심층적인 이해가 필요하며, 데이터를 기반으로 효과적인 의견을 도출하여 실제 업무에 도움이 될 수 있어야 합니다. 데이터 마이닝 엔지니어에게는 업무에 대한 기본적인 이해가 충분하며, 자신의 기술 능력을 발휘하는 데 중점을 두어야 한다.
논리적 사고
초급 데이터 분석가에게 논리적 사고는 주로 데이터 분석 과정의 모든 단계에서 목적이 있으며, 어떤 수단을 사용해야 하는지, 어떤 목표를 달성해야 하는지 알고 있다. 고위 데이터 분석가에게 논리적 사고는 완벽하고 효과적인 분석 프레임워크를 구축하고, 분석 대상 간의 관계를 이해하고, 각 지표 변경의 원인과 결과를 알고 비즈니스에 미치는 영향을 이해하는 데 주로 반영됩니다. 데이터 마이닝 엔지니어에게 나집의 사유는 업무 관련 분석뿐만 아니라 알고리즘 논리, 프로그램 논리 등도 포함한다. 따라서 논리적 사고에 대한 요구도 가장 높습니다.
데이터 시각화
데이터 시각화는 주로 그래픽 수단을 이용하여 명확하고 효과적으로 정보를 전달하고 교류하는 것이다. 큰 소리로 들리지만, 사실 적용 범위는 매우 넓다. 데이터 차트를 PPT 에 넣으면 데이터 시각화로도 볼 수 있습니다.
초급 데이터 분석가의 경우 Excel 과 PPT 를 기본 차트와 보고서로 사용하여 데이터를 명확하게 보여주고 목표를 달성할 수 있습니다. 조금 더 높은 수준의 데이터 분석가의 경우 보다 효율적인 데이터 분석 도구를 사용하여 필요에 따라 간단하거나 복잡한 데이터 시각화 콘텐츠를 만들 수 있어야 하지만 청중도 볼 수 있어야 합니다.
조화와 소통
데이터 분석가는 데이터를 해독할 수 있는 능력이 필요할 뿐만 아니라 일부 데이터 포인트에 대해 프로젝트 관리자와 부서 책임자에게 조언을 해 줄 것을 요청하는 경우가 많습니다. 그래서, 당신은 강한 의사 소통 기술이 필요합니다.
고위 데이터 분석가의 경우 독립적으로 프로젝트를 수행하거나 제품과의 협력을 시작해야 하기 때문에 의사 소통 능력 외에 프로젝트 조정 능력도 필요합니다.
위의 소개를 통해 질문에 대한 답이 분명하다. 데이터 분석의 입문은 간단하지만 심층적인 학습은 그리 쉽지 않다.