Da Daten ein wesentlicher Aspekt der Enterprise Intelligence sind, sind Datenanalysten sehr gefragt – und dieser Pattern nimmt nur zu! Der Job ist der Schlüssel für viele Arten von Projekten, z. B. die Analyse von Markttrends oder das Sammeln von Daten für politische Umfragen.
Wenn Sie lernen möchten, Datenanalyst zu werden, sind Sie am richtigen Ort. Wir haben 5 Schritte angelegt, damit Sie Ihre Reise beginnen können.
Schritt 1: Wissen Sie, was für Sie richtig ist
Die Datenbranche ist in mehrere Disziplinen unterteilt. Jeder, ob es sich beispielsweise um Datenwissenschafts- oder Datenanalyse handelt, hat beispielsweise seine eigenen Spezifitäten, überlappen sich jedoch manchmal. Darüber hinaus gibt es Fälle, in denen Fachleute im selben Bereich eine andere Programmiersprache verwenden.
Obwohl das verwirrend klingt, sind wir hier, um es für Sie aufzubrechen. Schließlich möchten wir, dass Sie wissen, für welches Feld Sie am besten geeignet sind, damit Sie Ihre Zeit oder Mühe nicht verschwenden.
Sicherstellen, dass die Datenanalyse für Sie ist
Wenn Sie mit der Erforschung von Daten begonnen haben, wissen Sie, dass das Verständnis des Unterschieds zwischen einer Datenanalystenrolle und anderen datenbezogenen Jobs ein wenig verwirrend sein kann. Wir haben ein paar Ressourcen, die definitiv dazu beitragen können, Dinge zu klären:
Letztendlich, wenn Sie mehr an einer Datenwissenschaftlerkarriere interessiert sind, Hier sind ein paar Tipps, die Ihnen helfen, Datenwissenschaftler zu werden. Wenn eine Datenanalystenkarriere für Sie zu sinnvoller zu sein scheint, haben Sie Alternativ weiter gelesen – wir haben Sie versichert.
Auswahl der richtigen Programmiersprache: Python vs. R.
Bevor Sie die Programmiersprache auswählen, die Sie lernen möchten, machen Sie sich mit den wichtigsten Fähigkeiten für Datenanalysten vertraut:
Python und R sind zwei Programmiersprachen, die Datenanalysten verwenden, die das gleiche Endergebnis erzeugen, wenn auch auf unterschiedliche Weise. Wenn R funktioneller ist, ist Python objektorientierter. Letztendlich fordern beide Programme für jede Aufgabe über die gleiche Menge an Arbeit, sodass keine erhebliche Zeit gespeichert wird, indem sie übereinander lernen. Die folgenden Ressourcen können Ihnen helfen, die Unterschiede zwischen Python und R. besser zu verstehen
Schritt 2: Lernen Sie die Grundlagen kennen
Als Datenanalyst sind Sie die Anlaufstelle, um die verborgene Bedeutung hinter den Zahlen zu finden. Sie werden untersuchen, warum Kunden beispielsweise ein Produkt gegenüber einem anderen bevorzugen. Sie können sogar feststellen, welche Arten von Verbrauchern bestimmte Produkte kaufen und scheinbar zufällige Datenpunkte verbinden, um ein klares Muster des Kaufverhaltens zu erstellen.
Wo anfangen
Hier sind einige Orte, an denen Sie lernen können, Datenanalyst zu werden:
- DataQuest – DataQuest wurde erstellt, weil es keine einfache Möglichkeit gab, Python zu lernen. DataQuest bietet nicht nur Wege, die aus allen Kursen anbieten, die Sie benötigen, um ein Datenanalyst zu werden, auch grundlegende Python -Kurse, die die Grundlagen abdecken.
- Bescheidenes Bündel – Wenn Sie mit Humble Bundle nicht vertraut sind, ist es ein On-line -Videospiel, das Bündel von Videospielen, Büchern und Software program verkauft. Die Web site bietet immer mindestens ein Python- oder datenorientiertes Bundle. Jetzt verfügbar, die Wesentliche Wissenscomputer und Tech -Bundle Von MIT Press enthält 24 Bücher über Datenwissenschaft, Deep Studying, KI maschinelles Lernen und vieles mehr.
- YouTube -Es gibt eine überraschende Anzahl datenorientierter YouTuber, die in der Datenbranche arbeiten und für Neulinge aufschlussreiche Kenntnisse vermitteln. Egal, ob Sie mehr über ein Feld erfahren oder sich selbst unterrichten möchten, indem Sie Ihren eigenen Video -Lehrplan erstellen, YouTube hat keinen Mangel an Optionen.
Schritt 3: Projekte erstellen
In meinem Datenkurs für Politikwissenschaft an der Universität battle die theoretische Klasse das typische Szenario, in dem Materials sehr technisch battle, und viel davon ging mir über den Kopf. In der Praxisklasse verwendeten wir jedoch Datenbanken, in denen die Umfrageinformationen über alles von einem Individual bis hin zu ihrer politischen Zugehörigkeit zu ihrem Einkommen enthielt – es battle viel mehr Spaß und viel effektiver.
Die Anwendung der Fähigkeiten, die Sie während eines Kurses mit Übungsübungen und -projekten erlernen, ist der beste Weg, um sie dazu zu bringen. Übung ist eine bewährte Methode, um zu lernen, wie man komplizierte Aufgaben auflöst und sicherstellt, dass Sie sie während der Arbeit erledigen können.
Sie können einen der beiden Datenanalystenpfade auf DataQuest starten, die Sie mit mehr als 20 Projekten herausfordern, z.
Finden Sie Projekte, die Sie interessieren
Während Sie lernen, Datenanalyst zu werden, können Sie in Ihrer Freizeit andere Projekte durchführen interessiere dich. Ich finde, dass es ein großes Motivationswerkzeug ist, an etwas zu arbeiten, um meine Neugier zu ernähren.
Projekte zeigen, dass Sie eine Initiative haben, was ein hoher Wert von Arbeitgebern ist. Darüber hinaus hilft es Ihnen, festzustellen, wie sehr Sie dieses Feld genießen. Wenn Sie an personenbezogenen Datenprojekten für „Spaß“ arbeiten, sind Sie am richtigen Ort.
Wenn es darum geht, an persönlichen Projekten zu arbeiten, können Sie sie über alles machen, was Sie interessiert. Solange Sie die Daten haben, ist Ihre Vorstellungskraft die einzige Grenze.
Suchen Sie anderswo nach Inspiration
Sie können auch Inspiration für Projekte aus Büchern oder anderen Medien finden. Zum Beispiel, Supergrafik, Von Tim Leong ist ein großartiges Beispiel für die Verwendung von Daten für etwas Spaßes. Dieses Buch konzentriert sich auf Superhelden -Comics und besteht aus Infografiken, die zufällige Datenpunkte über Superhelden erklären.
In einer Gantt -Tabelle im Buch wird unterbrochen, wie lange die anderen Superhelden (auf wundersame Weise) zum Leben erweckt wurden. Ein weiterer horizontaler Diagramm zeigt, ob Superman oder der Blitz der schnellste Mann ist – Spoiler: Es ist der Blitz. Supergrafische Star Wars ist dasselbe, außer mit Diagrammen über die Ereignisse in einer weit entfernten Galaxie.
Vor ein paar Jahren schien es, als würde jeder Wurm spielen, ein Spiel, das Ihnen 6 versucht, das 5-Buchstaben-Wort des Tages zu lösen. Wenn Sie es gespielt haben, hatten Sie wahrscheinlich eine proprietäre Methode, um das Wort zu lösen, und alle anderen auch. Aber ein Datenreporter von Die warum Achse Erstellte ein datenbasiertes Diagramm, in dem die fünf am häufigsten verwendeten Buchstaben in Writdle verwendet wurden: E, R, A, O und T. Diese lustige und clevere Tabelle hat einige der Rätsel des Spiels weggenommen, aber es hat vielen geholfen mit ihr tägliches Wurmspiel.
Schritt 4: Erstellen eines starken Portfolios
Anstatt sich vorzustellen, wie Ihr Job aussehen wird und wie Sie als Datenanalyst aussehen werden, kann ein projektbasierter Kurs diesen Einblick geben, bevor Sie überhaupt Ihren zukünftigen Arbeitsplatz betreten. Ihr Portfolio wird zeigen, nicht nur sagen, zukünftige Arbeitgeber, wozu Sie in der Lage sind. Ein Portfolio ist besonders wichtig für einen Datenanalyst für Einsteiger, da Sie wahrscheinlich nicht über die Berufserfahrung verfügen.
Hier sind einige Ressourcen, mit denen Sie Ihr Portfolio aufbauen können:
Im Wettbewerb mit anderen Datenanalysten um denselben Job kann ein starkes Portfolio der Unterschied zwischen einer E -Mail mit einem Angebotsbrief und einem ohne sein. Niemand weiß das besser als Miguel Couto, ein Datenanalyst bei einem großen On-line -Streaming -Unternehmen, der nach dem Einschlagen des Datenanalystenpfads einen Job bekam.
„Die Projekte auf DataQuest ermöglichten es mir, ein Github -Portfolio aufzubauen“, sagte Miguel. „DataQuest lässt Sie tatsächlich nachdenken und Ihre Fähigkeiten anwenden.“ Obwohl nicht jedes Projekt im Kurs in Ihr Portfolio geschafft, haben Sie die Instruments, um Ihre eigenen Projekte außerhalb des Kurses zu erstellen.
Diese persönlichen Projekte eignen sich hervorragend für jedes Portfolio und zeigen, dass Sie Initiative und die Erfahrung haben, um es sich zu unterstützen. Für Miguel battle Github der perfekte Ort, um seine Arbeit zu zeigen, da er seine Projekte und die Dokumentation und den Code hinter jedem Projekt zeigen konnte.
Schritt 5: Gehen Sie da raus
Es ist ein guter Anfang, Ihr Portfolio auf einer Web site zu hosten, aber das kann keine Persönlichkeit haben. Während Arbeitgeber und Kollegen Ihre Arbeit sehen, können sie möglicherweise verpassen, was Sie anders macht. Sie können beispielsweise einen Weblog über Datenanalysen schreiben.
Schreiben ist nicht das einzige Medium, in dem Sie sich professionell ausdrücken können. Während Social -Media -Plattformen der am wenigsten wahrscheinliche Ort für die Diskussion von Datenanalysen zu sein scheinen, wären Sie von dem überrascht, was Sie finden. Ein Tiktok -Benutzer begann, Microsoft Excel -Inhalte auf der Plattform zu erstellen, was sie zu einer Karriere verwandelte, indem sie den Leuten beibrachte, wie man Tabellenkalkulationssoftware verwendet.
Reddit ist ein weiteres großartiges Beispiel. Es gibt Gemeinschaften für Datenwissenschafts- und Datenanalysen sowie andere datenzentrierte Bereiche. Dies ist ein großartiger Ort, um eine Leistung zu veröffentlichen, eine Frage zu stellen oder andere Personen im selben Boot zu treffen. ZwietrachtEine Messaging -Plattform, die Slack ähnelt, ist ein weiterer Ort, an dem Sie Menschen treffen und über alles Datenanalysen sprechen können.
Die Sache mit der Interaktion in einer Nischengemeinschaft ist, dass es eine hohe Probability gibt, dass Sie jemanden treffen könnten, der Ihrer Karriere helfen könnte. Möglicherweise erfahren Sie etwas über einen Job oder treffen Sie jemanden, der Sie dem Arbeitgeber vorstellen könnte. Aber auf persönlicher Ebene ist es nur eine großartige Möglichkeit, Freunde zu finden.
Machen Sie den ersten Schritt, um Datenanalyst zu werden
Wir neigen dazu, uns zu prüfen, indem wir denken, dass etwas zu schwierig, zu teuer oder einfach zu zeitaufwändig ist. Aber Sie haben diesen ersten Schritt bereits gemacht. Jetzt, da Sie den grundlegenden Umriss haben, wie Sie Datenanalyst werden können, stellt sich heraus, dass es weder zu schwer, zu teuer noch zu zeitaufwändig ist. Und Sie brauchen nicht einmal eine Zertifizierung. . .
Ein ehemaliger Datenquest -Lernender, der jetzt für Fractal arbeitete, battle beeindruckt davon, wie der Information Analyst Path komplizierte Probanden wie Math unterrichtete. „Nur die wichtigsten Konzepte wurden unterrichtet, und sie wurden so intestine untergebracht, dass jeder, der grundlegende arithmetische Fähigkeiten besitzt, mit Lerndatenanalysen und -statistiken beginnen konnte.“
Der DataQuest Information Analyst Path ist erschwinglich, herausfordernd und flexibel. Egal, ob Sie einen Vollzeitjob halten oder Ihre nächsten Schritte herausfinden, der Weg ist Ihnen, in Ihrem eigenen Tempo zu gehen. Sie können es in nur fünf Monaten mit einem zeitlichen Engagement von 10 Stunden professional Woche beenden, oder Sie können es über ein Jahr ausbreiten. Am Ende beendet es den Weg (nicht wie lange es dauert!) Das zählt am wichtigsten.