知识|要成为数据分析师，你必须知道的8件事( 二 ) 模型|步骤|令人兴奋|数据分析

部署——构建并评估模型后，终于可以在实际环境中部署它了。此步骤通常需要数据分析家与数据工程师或机器学习工程师合作。
６
数据分析家解决的问题
正如我在上一节中讨论的那样，数据分析家的角色与所有领域和部门都相关，因此它的应用也是如此。在本节中，我将讨论数据分析家从事的几个问题陈述。
建立模型以预测哪个交易是欺诈性的。
需要对快速流动的数据做出实时决策。
复杂的问题，因为99％以上的交易不是欺诈。
它直接影响组织的底线。
使用了大量过去的客户行为数据。
使用事故中的车辆图像评估保险公司的损失程度
从图像中提取损坏信息是一项非常复杂的任务。
它需要任务的自动化
自动化将帮助当前的团队更好地评估损失。
需要大量的图像数据。
这些是一些问题陈述，并可能根据组织的数据成熟度而有所不同。
７
您必须知道的基于数据分析的角色
数据分析家——研究复杂而具体的问题，以使公司实现非线性增长。例如，为银行业制定信用风险解决方案或使用车辆图像并自动评估保险公司的损失。
数据工程师——他/她将通过使用行业最佳实践来实现数据分析家在生产中得出的结果。例如，在银行软件上部署为信用风险建模而构建的机器学习模型。
业务分析师——通过协助管理层每天做出以数据为依据的决策，来帮助企业顺利运营。该角色将与IT端和业务端同时进行通信。
同样，数据分析领域还有许多其他角色，例如数据分析师，统计学家，数据分析经理，MIS专业BI专业人员等。请确保您在进入此领域之前进行了尽职调查。
我很兴奋！数据分析入门需要什么？
数据分析和Python入门：成为数据分析家的旅程的开始！了解数据分析家的工作，与数据分析相关的各种术语，并开始熟悉Python编程语言
统计学和数学：数据分析的支柱。您将介绍的一些关键概念是概率，推论统计量，并掌握了如何进行探索性数据分析（EDA）。这还将包括线性代数的基础知识（另一个核心机器学习主题）
机器学习基础知识：欢迎来到机器学习的世界！本节旨在向您介绍基本的机器学习算法和技术，包括线性回归，逻辑回归，决策树，朴素贝叶斯，支持向量机（SVM）等
集成学习：是时候深入研究高级机器学习主题了。了解什么是合奏，不同的合奏技术，并开始研究数据集以获得动手实践经验
正如我之前提到的，您可以在BlackBelt+计划的一部分中全面了解所有这些内容。
您必须掌握的数据分析工具：
MicrosoftExcel——Excel是处理少量数据的最简单，最受欢迎的工具。它支持的最大行数仅为一百万以上，并且一张纸一次最多只能处理16,380列。当数据量很大时，这些数字根本不够用。
SQL——SQL是自1970年代以来最流行的数据管理系统之一。几十年来，它一直是主要的数据库解决方案。SQL仍然很流行，但是有一个缺点–随着数据库的不断增长，很难对其进行扩展。

文章插图
Python——由于它的易用性，灵活性和开放源代码性质，它是当今行业数据分析中最主要的语言之一。它已在ML社区中迅速获得普及和接受。

文章插图
Tableau——它是当今市场上最受欢迎的数据可视化工具之一。它能够处理大量数据，甚至提供类似于Excel的计算功能和参数。Tableau因其整洁的仪表板和故事界面而倍受赞誉。

文章插图
数据分析软技能
解决问题的能力——可以通过学习获得统计学和计算机科学的知识，但是领域知识和解决问题的能力将帮助您长远发展。大多数公司都通过解决问题的测试开始他们的数据分析招聘。您无需精通此技巧，但好奇的头脑会帮助您形成这项技能。

文章插图
结构化思维——构造思想并规划出每个思想的能力无疑是必不可少的技能。在项目的最初步骤中使用结构化思维，其中要制定问题陈述和假设。
讲故事技能——所有数据分析和分析专业人士必须具备的一项关键技能就是以利益相关者可以理解的格式表达数据的能力——一个故事。这是需要创造力和人类技能的步骤。

文章插图
我在学。但是如何获得数据分析招聘人员的认可？