By Zuli Rane, serbest yazar ve kodlama meraklısı.
Veri analitiği gerçekten harika, gelecek vaat eden bir endüstridir. Uzun zamandır yükselişte, bu da neden bu kadar çok insanın veri analitiğine nasıl girileceğini merak ettiğini açıklıyor. İnternet ve akıllı telefonların yaygın olarak benimsenmesinden bu yana, her zaman çılgınca miktarda veri oluşturuluyor. 2020'nin başında dünyadaki veri miktarı şu şekilde tahmin ediliyordu: 44 zettabayt 2020'nin başında veya 44 x 10^21 bayt. Tüm bu veriler, tüketicilerin satın alma kalıpları veya hastalık göstergeleri gibi oldukça faydalı bilgiler içeriyor.
Veri analistleri, veri kümelerini ele alır ve bunları anlamlandırmakla görevlendirilir. Rakamlar ne diyor ve şirket bu konuda ne yapmalı? Basit bir örnek, müşterilerin sıklıkla onunla birlikte satın aldığı ürünleri içeren bir ürünü alışveriş sepetinize koyduktan sonra görünen ürünlerin banner'ıdır. Bir veri analisti, dönüşüm oranlarını artırmak için hangi ürünlerin birbiriyle ilişkilendirilmesi gerektiğini belirlemekten sorumlu olabilir.
Veri analitiği süreç eğilimleri bulmak ve soruları yanıtlamak için ham verileri analiz etmek. Ekranın önünde çok fazla solo çalışmayı içeriyor, ancak matematik ve programlamayı seviyorsanız, bu sizin için harika bir fırsat. Verileri tedarik edip toplamanın yanı sıra temizleme, düzenleme, görselleştirme ve analiz etme işlemlerini de gerçekleştirebilirsiniz.
hızlı bir not ayrım: bir veri bilimcisi, veriler için yeni modeller tasarlamaktan ve oluşturmaktan sorumludur. Prototipler, algoritmalar, tahmine dayalı modeller oluştururlar. Bir veri analisti, adından da anlaşılacağı gibi, verilere bakar, eğilimleri tahmin etmeye çalışır, görselleştirmeler yapar ve sonuçları iletir. Başka bir deyişle, veri analistleri verileri analiz eder. Veri bilimcileri, ABD'deki veri analistlerinden yılda 30 bin - 40 bin dolar daha fazla kazanıyor, bu nedenle bu önemli bir ayrım.
Bu makale, ilk veri analizi işinize başlamak için bilmeniz gereken her şeyi size bu şekilde anlatacaktır.
Veri Analizi Nedir?
Veri analitiğine nasıl gireceğinizi düşünmeye başlamadan önce, alanı anladığınızdan emin olmalısınız. Veri analitiği, çok büyük miktardaki verilerden anlam çıkarma sanatıdır. Buna göre Domo, 2020'den beri dünyadaki her insan için her saniye 1.7 MB veri oluşturuldu. İş uygulamalarıyla ilgili verileri bulmak, bunları anlamlandırmak ve işi geliştirmek için bu bilgiyi uygulamanın yollarını bulmak bir veri analistinin görevidir.
Veri analitiği içinde birçok alt alan vardır. Bunlar tanımlayıcı, tanılayıcı, tahmine dayalı ve kuralcı analitiği içerir. Bu farklı analiz türlerini aşağıdaki şekillerde düşünebilirsiniz.
- Tanımlayıcı analitik, ne olduğunu bulmaktır.
- Teşhis analizi şu soruya cevap verir: neden oldu?
- Tahmine dayalı analitik, gelecekte ne olacağını tahmin etmek için mevcut verileri almaya çalışır.
- Kuralcı analitik, tüm bunlar hakkında ne yapılması gerektiğini çözmeyi amaçlar.
Bir veri analisti, günlük çalışmalarında tüm bu alt alanları çok iyi kapsayabilir. Çoğu zaman, veri analistleri bir veri kümesinden en iyi şekilde yararlanmak ve iş etkilerini optimize etmek için tüm bu analiz biçimlerini gözden geçirir. Veri analitiğine girmek istiyorsanız, bu farklı analiz biçimlerini ve bunları nasıl uygulayacağınızı anlamanız önemlidir.
Veri analistleri, işletmelerin veriye dayalı kararlar almasına yardımcı olmakla görevlidir. Veri toplamak kolay olduğu için, veri analistleri hipotezlerini test edebilir ve performanslarını iyileştirmek için yaptıkları kuralcı modelleri düzeltebilir ve veri içgörülerinden oluşturulan eylem öğelerinde ince ayar yapabilir. Verilere dayalı hipotezler oluşturmak, tahminlerinizi uygulamak ve sonuçları analiz etmek, veri analitiğine nasıl girileceğidir.
Veri Analitiği için Hangi Teknik Becerilere İhtiyacınız Var?
Veri analitiğinin matematik ve programlama arasındaki geçiş olduğu düşünüldüğünde, son derece teknik bir alandır. Birçok farklı araç kullanmanız gerekiyor ve teknik beceriler işi halletmek için birlikte. Bir yazılım mühendisi olan Margarita Hamacher, kapsamlı bir yazılım listesi hazırladı. 7 teknik beceri veri analistleri için. Veri analitiği, zor becerilerden daha fazlasıdır. Ancak veri analitiğine nasıl girileceğini merak eden herkes için bu teknik beceriler başlamak için iyi bir yer olacaktır.
Bu beceriler matematik, veri görselleştirme, makine öğrenimi, kodlama ve daha fazlasını içerir. Matematik gereksinimi, veri analistleri için gerçekten önemli teorik yapı taşları olan lineer cebir, istatistik ve olasılık olarak daha da bölünebilir. Eğitim ve test için verilerin nasıl ayrılacağının önemini vurgulamaya ve uygulamadığınız takdirde rahatça kullanmanız gereken temel makine öğrenimi algoritmalarını numaralandırmaya değer.
Veri analitiğine nasıl gireceğinizi bilmek istiyorsanız, verileri doğru bir şekilde anlamak ve doğru bir şekilde analiz etmek için her birine ihtiyacınız olacağından, tüm bu becerilerde ustalaşmanız önemlidir. Ek olarak, bu becerilerin çoğu, mülakat soruları için kesinlikle adil bir oyundur.
Kesinlikle bu becerileri kullanan ve özgeçmişinizde bunlara bağlantı veren bazı kişisel projeler yaratırdım. Aşağıdaki gibi bir soruyla karşılaşırsanız:
Bir projedeki gerçek verilerle aynı problemin üstesinden geldiyseniz, cevabınız çok daha inandırıcı ve bilgili olacaktır. Bu ilişkili özelliklerin projenizde kullanılan veri kümesi analiziniz üzerindeki etkisini tartışabilirsiniz.
Veri Analitiğine Nasıl Girilir: Veri Analitiği Neden Girilmeye Değer?
Veri analitiği gerçekten büyüleyici bir alandır. Örneğin, klasik ekonomi teorilerinin çoğu, insan bireylerinin rasyonel kararlar aldığı varsayımına dayanmaktadır. Bu varsayım yanlıştır ve bu nedenle birçok klasik ekonomik teoriyi tamamen geçersiz kılmaktadır. Örneğin, eski bir ekonomik teori, tüketicilerin seçim yapmaktan hoşlandığı ve bazı senaryolarda bu doğru olsa da, karar vermenin fiziksel olarak yorucu olabileceğidir ve Mark Lepper ve Sheen Iyengar, seçim paradoksunu keşfetti. Müşterilere 6 yerine 24 seçenek sunulduğunda reçel satın alma olasılıklarının daha yüksek olduğunu buldular. Bununla birlikte, verilere dayalı ekonomik teoriler çok daha doğrudur. Veri analitiği yine de ara sıra birkaç küçük varsayım gerektirecektir, ancak tamamen toplanan verilere dayandığından, verileriniz kapsamlı ve temsiliyse, veri analitiği dünyayı ve kararları anlamak için zarif ve doğru bir yol sunar. ya da içinde yapılan alışkanlıklar.
Veri analitiği bir atlama alanıdır. ABD Çalışma İstatistikleri Bürosu, bir 28% artış 2026'ya kadar veri bilimi alanında. Para arıyorsanız, ABD'deki bir veri analistinin ortalama maaşı $ 70Kve bunun yalnızca veri analistlerine olan talep arttıkça artması muhtemeldir. Veri analitiğine girmek için harika bir zaman ve bunu yapmak için atabileceğiniz kolay adımlar var.
Kim İyi Bir Veri Analisti Olur?
Veri analitiği çok teknik bir alandır, bu nedenle veri analitiğine nasıl girileceğini bilmek isteyen herkesin çok sayıda ileri matematiksel kavram hakkında güçlü bir anlayışa ihtiyacı olacaktır ve sizin de yetkin bir programcı olmanız gerekir. Rakamlara ve bunların size gösterebileceklerine karşı bir tutkunuz varsa, veri analitiği, sayılarda ustalaşabildiğinizden emin olduğunuz andan itibaren tam size göre bir iştir. teknik beceriler iş gereksinimlerine uyacak şekilde yukarıda özetlenmiştir.
Çoğu kişinin dikkate almadığı bir veri analistinin çalışmasında önemli bir faktör, ihtiyaç duyacağınız bağlamsal iş bilgisidir. Ağaç büyüme verileriyle çalışan bir veri analistiyseniz ve veri kümenizde belirli değerler eksikse, bu verilerin atılıp atılamayacağını veya onu tamamlamanın en iyi yolunun ne olacağını belirlemek için ağaçlar ve bunların büyüme yolları hakkında yeterince bilgi sahibi olmanız gerekir. olmak. Ayrıca bir veri kümesinin özelliklerinin ne anlama geldiğini anlayabilmeniz gerekir. Ne anlama geldikleri açısından birbirine çok benzeyen iki özelliğiniz varsa bir tanesini çöpe atmak isteyebilirsiniz. Özellikler arasındaki bağımlılığı ve hangilerinin eldeki sorunla en alakalı olduğunu değerlendirmek için bağlam bilginizi kullanarak, özellik bağımlılığının derinlemesine bir analizini yapma zahmetinden kendinizi kurtarabilirsiniz.
Tutkularınızın veya mevcut bilgi alanlarınızın neler olduğunu ve bu alanlara veri analitiğini nasıl uygulayabileceğinizi düşünün. Veri analitiğine giren birçok kişi, veri analitiğinde resmi bir geçmişe veya dereceye sahip değildir, bu nedenle, çalıştığınız bir alanın verileriyle ilgilenen bir veri analisti olmayı düşünebilirsiniz.
Veri Analitiğinde Mülakata Nasıl Hazırlanılır
Veri analitiğine nasıl girileceğinin büyük bir kısmı, veri analisti pozisyonları için görüşmelerinizi eziyor. Python'da yetkin olmanıza ve Merkezi Limit Teoremini açıklayabilmenize ek olarak, otomatikleştirilmiş öneriler oluşturmak için farklı arka uç motorlarının performansını nasıl karşılaştıracağınızı da adım adım atmanız beklenebilir. Aşağıdaki örnek görüşme sorusuna göz atın:
The teknik mülakatlara hazırlanmanın en iyi yolu pratik yapmaktır. Teknik soruları yanıtlamak, diğerleri gibi bir beceridir. Hem kodlayan hem de kodlamayan soruları uygulamaya devam edin. Veri analistleri için size hem kodlayan hem de kodlamayan çok sayıda mülakat sorusu sağlayan StrataScratch gibi web sitelerini kullanabilirsiniz.
bulmak gibi kodlama sorularını yanıtlamaya ek olarak, popülerlik yüzdesi Facebook'taki her kullanıcı için ve farklı olanı açıklamak gibi teknik, teorik, kodlama olmayan sorular zaman serisi teknikleri tahmin, davranışsal görüşme soruları için veri analisti ile ilgili içeriğe sahip olmanız gerekir. Görüşmelerinizin çoğu, kodlama veya kodlama dışı sorular içeren teknik görüşmeler olacak olsa da, başarısızlıkla karşılaştığınız veya veri analitiği ile ilgili özellikle gurur duyduğunuz bir başarı ile karşılaştığınız bir zamana ilişkin örneklere sahip olmanız önemlidir.
Bu nedenle, veri analitiği ile ilgili kişisel projelere sahip olmak çok önemlidir. Belki de hayvanları kurtarmak için bir tutkunuz var. Hayvanları benimsemek için hangi stratejilerin en etkili olduğunu tahmin eden bir model oluşturabilirsiniz. Modelinizi uygulama şansınız varsa, örneğin önerilen stratejilerinizi takip etmek ve bunun evlat edinme oranlarında bir fark yaratıp yaratmadığını görmek için bir hayvan barınağınız varsa, daha da iyidir. Veri analitiği, verilerin olduğu herhangi bir alana uygulanabilir. Tutkulu olduğunuz bir konuyla ilgili bir veri kümesi mutlaka vardır. Bir veri analisti olarak becerilerinizi geliştirin, böylece görüşmecileriniz için bunları vurgulayabilirsiniz.
Veri Analitiğinde Kariyer Seçenekleri
Veri analitiğine nasıl girileceği konusunda endişe duyabilecek birçok programcı ve programcı olmayan kişi, özellikle veri analitiğinde örgün eğitimin gerekli olmadığını bilmelidir. Pek çok üniversitenin veri bilimi veya veri analitiği için tam lisans programları yoktur. Daha fazla üniversite veri analitiği programları eklese de, veri analistlerine olan talep, işverenlerin resmi bir veri analitiği veya veri bilimi geçmişine ihtiyaç duyması için hala çok yüksek. Matematik veya bilgisayar bilimi geçmişiniz varsa oldukça yardımcı olabilir, ancak gerekli değildir.
Giriş düzeyinde bir veri analisti işi almak için en iyi seçeneğiniz Python'da yetkin olmak ve SQL'in yanı sıra SAS, R, Tableau veya diğer veritabanı arabirim araçları ve dillerine çok güvenmek. Bilgisayar bilimleri veya matematik geçmişiniz yoksa, bu becerileri yan tarafta geliştirin ve yeteneklerinizi sergileyen kişisel projelere uygulayın.
Bağlamsal bilgi çok önemli olduğundan, veri analitiği başka bir sektörden girmek için harika bir alandır. Verilerini analiz ettiğiniz sektöre bağlı olarak, ister tıbbi görüntüler isterse çevrimiçi perakende sektöründeki küçük ve orta ölçekli işletmelerin satın alma kalıpları olsun, verilerini analiz ettiğiniz sektör hakkında önemli bilgilere sahip olmak yararlı ve bazen gerekli olabilir.
ABD'deki bir veri analistinin ortalama maaşı 70 bin dolardır, ancak kariyerinin ilerleyen dönemlerinde bu maaş 106 bin dolara kadar çıkabilir. yazımız Veri Bilimcileri Ne Kadar Kazanıyor? Data Analytics'teki maaşlar ve çeşitli faktörlerden nasıl etkilendikleri hakkında bilgi edinmenize yardımcı olabilir.
Bir veri analistinin ortak iş sorumlulukları arasında verilerin toplanması ve düzenlenmesi, veri politikalarına uygunluğun sağlanması, verilerin bütünlüğünü sağlamak için kalite kontrol işlevlerinin yerine getirilmesi, kâr optimizasyonu önerileri veya fiyat ve portföy indirim planlamasının oluşturulması yer alır. Kesin sorumluluklar bir şirketten diğerine çok değişebilir, bu nedenle en çok sevdiğiniz görevlerle eşleşenleri bulmak için tam iş tanımlarını kontrol edin.
Veri Analitiğine Nasıl Gireceğinize İlişkin Son Düşünceler
Veri analitiği, genişleyen ufuklara sahip harika bir alandır. Veri analistleri için hızla artan bir talep var, bu da nispeten yüksek düzeyde bir iş güvenliğinin keyfini çıkaracağınız anlamına geliyor. Sektör genç olduğu için, önemli kariyer büyümesi için çok fazla potansiyel var. Gereken beceriler çok sayıda ve çeşitlidir, bu nedenle kesinlikle öğrenmeyi bitirenler için değildir. Endüstri çok hızlı büyüdüğü için, kullanılan araçlar ve yeni uygulamalar açısından önümüzdeki yıllarda pek çok değişiklik olacağı kesin.
Teknoloji ve programlama dünyasına girmek istiyor ancak okula geri dönmek veya yazılım mühendisi olmak istemiyorsanız, veri analitiği sizin için harika bir seçenektir. Veri analistleri yine de kod yazabilir, ancak siz görev başında olmanın veya geliştiricilerle ilgilenmenin baş ağrılarıyla daha az uğraşırsınız. Veri analitiği uygulamaları genellikle büyüleyicidir ve bir işletmenin başarısı üzerinde, onları veriye dayalı kararlar almaya yönlendirerek çok fazla etkiniz olabilir.
orijinal. İzinle yeniden yayınlandı.
Bio: Zuli Rane bir blogcu, hayalet yazar, YouTuber ve kedi annedir. Veri bilimi, pop kültürü ve kediler hakkında içerik oluşturmayı seviyor.
Kaynak: https://www.kdnuggets.com/2021/12/how-to-get-into-data-analytics.html
