¿Cuáles son algunas de las habilidades y habilidades más buscadas en el análisis de datos?

  • SQL Desafortunadamente, esta es la habilidad más buscada en mi experiencia. Es un requisito crucial, es un proxy decente para la experiencia laboral, y es relativamente fácil de probar. Sin embargo, ser excelente en SQL no te convierte en un buen analista.
  • Análisis causal . No me refiero al modelado causal, que es una habilidad técnica. Simplemente me refiero a la capacidad de pensar a través de los datos y proponer hipótesis que pueden ser respaldadas o refutadas por datos relacionados. Los mejores analistas entienden los procesos de generación de datos y piensan hacer preguntas que nadie más lo hará.
  • Presentación (y escritura). No importa lo que sepas si no puedes explicarlo. Idealmente, estará en la posición de ayudar a tomar decisiones, en lugar de confirmar el sesgo preexistente de alguien. Para convencer a los tomadores de decisiones de alto nivel, debe omitir la charla técnica y contar historias coherentes y convincentes sobre el mundo tal como existe y cómo cambiarlo.
  • Pensamiento estratégico La mayoría de los analistas, científicos de datos e ingenieros de datos tienen una enorme carga de trabajo. La disponibilidad de datos ha explotado en las últimas dos décadas, pero el flujo de trabajo no ha evolucionado lo suficientemente rápido y no hay suficientes trabajadores para mantener el viejo modelo de “preguntar a un analista, obtener una respuesta”. Las personas de datos más efectivas son hábiles para priorizar problemas de negocios, porque una tarea sin sentido puede tomar tanto tiempo como una tarea crítica.

Gracias por el A2A.

~ Programación (va con los 4 mejores: Python, R, Java y C ++)

~ Cuantificación de datos (habilidades numéricas y estadísticas)

~ Uso de múltiples tecnologías (con los conceptos básicos de Excel, R y SQL o los hot cakes empresariales como MATLAB, SAS, SPSS, Hadoop, HIVE, Linus, Cognos y compañía).

~ Minería de datos y algoritmos (que es bastante útil con el análisis de redes sociales y el descubrimiento de patrones analíticos)

~ Aplicaciones empresariales: todos los detalles sobre Data Science no equivalen a nada si los involucrados no pueden aplicar los datos analizados y sus ideas al mundo empresarial. Esto es lo único que hace que los informes de DS sean efectivos.

~ Interpretación de datos: cualquier exploit científico sin interpretación crítica es tan bueno como muerto a la llegada. Otras personas nunca pueden tener una visión holística de los resultados de su DS si no puede combinar sus habilidades científicas con el arte.

Como ejemplo personal, no me hubiera gustado que DS asumiera que las cosas que leí no encienden la curiosidad en mí, algo que me hace apreciar la creatividad asociada con los datos. Por lo tanto, si los expertos / analistas iniciados no pueden hacer que los no iniciados como yo (guiño) valoren los datos y probablemente hagan algunas exploraciones o hagan las preguntas correctas, entonces ¿cuál es la esencia de ser un científico / analista de datos?

Aparte de esos 6 puntos, creo que Gilbert Pham también ha hecho justicia a la pregunta.

Si puede aplicar los sistemas informáticos, el análisis de datos y el software, administrar los conjuntos de datos y el sistema de archivos y trabajar con información en redes, tiene una ventaja en un rol profesional promedio para la ciencia de datos. Puede comprender el empleo moderno y los datos e información aplicados en las empresas en un desarrollo tecnológico más amplio de computadoras, sistemas e inteligencia artificial. Puede modelar esto en un gobierno, mercado y ley. El sistema educativo K-12, las empresas de todas las industrias, el modelo económico y las políticas y leyes públicas han aceptado el impacto de las computadoras en el trabajo y la vida. La mejor manera de ver estas habilidades de datos las contextualiza en un trabajo en una empresa y como un requisito para la ciudadanía. El ciudadano moderno en este país prácticamente debería mantener el dominio de la informática. Esto significa que las habilidades y los sistemas informáticos se desarrollan en la clase educativa principal y profesional, contextualizados en una cultura y dirección nacional más amplia.

Exploración de datos, visualización, comprensión del software (Excel, Python, etc.) y matemáticas.

SPSS, experiencia en bases de datos, facilidad con hojas de cálculo, SAS, SPAD y, sobre todo, experiencia práctica.