var _hmt = _hmt || []; (function() {   var hm = document.createElement("script");   hm.src = "https://hm.baidu.com/hm.js?8c9c5a8618dc4aea3be27b32962e5871";   var s = document.getElementsByTagName("script")[0];    s.parentNode.insertBefore(hm, s); })();
400 050 6600
数据分析师

手机号

验证码

30天自动登录

给职业数据分析师的两个提示

来源:CPDA数据分析师网 / 作者:数据君 / 时间:2020-12-15

公民数据科学家是好事还是坏事?
除了术语(我不是“公民数据科学家”一词的忠实拥护者),我不得不承认我有矛盾,我中的数据科学家担心,这些人会犯潜在的代价高昂的错误,因为他们没有经过技术,解释输出以及对数据进行批判性思维方面的培训,数据科学家与业务用户或超级电子表格用户之间存在鸿沟,这些鸿沟不能仅仅因为一款软件而神奇地消失了。

炒作总是领先于市场
有人认为自助式BI正在为公民数据科学家铺平道路,这种发展是不可避免的,但是我们的研究表明,自助式BI尚未广泛渗透到企业中,平均而言在存在自助数据发现的地方,它已经渗透到不超过组织的20%的组织中-至少在我们的受众群体中如此。

我们的调查告诉我们,超过一半的自助服务用户需要IT的帮助
我们尚未实现BI民主化的愿景,更不用说转向更复杂的自助服务分析的愿景了,研究表明大多数接受我们调查的分析程序的组织现在才开始从电子表格和仪表板转移到诸如预测分析之类的分析领域,这是什么意思?商业用户和分析师应该使用这些工具吗?首先,我已经从事高级分析了很长时间了,我认为这很重要,我认为它提供了价值,我的研究表明了高级分析的价值,是否应该有更多的组织执行分析和高级分析并将其做好?

对于公民数据科学家,我可以提供以下两条建议:

提示1:使用工具,但要接受有关工具的培训
几年前,当我在贝尔实验室的卓越中心工作时,分析数据很幸运能够使用贝尔实验室研究中的一些的机器学习和神经网络算法,但是在需要统计专业知识的定量领域中,认为使用这些工具而不理解它们并不是数据分析师的责任,确保阅读了有关方法的论文,并参加了解释这些技术的培训班(大多数时间约为3-4天),这样是一个明智的消费者,那是当工具不容易使用的时候,但是同样的原则在这里适用,如果业务分析师希望使用这些工具,即使它们易于使用,也应该至少在一定程度上理解它们,得到一些训练,有可用的数据科学训练营。

业务用户可能不愿分析也需要接受培训
接受有关数据以及更复杂工具和技术的思考方面的培训,在考虑比这更复杂的分析之前,请先开始使用自助服务BI,也成为此类数据和分析的消费者!

提示2:如果这些模型投入生产,请确保有适当的控件

对于公民数据科学家来说,使用由软件为其构建的预测性和高级模型来探究数据是一回事,将这些模型投入生产或使用它们做出重要决策完全是另一回事,需要对模型进行审查,我已经与许多组织进行过交谈,这些组织将允许业务分析师构建模型,但是如果不经过某种控制过程,他们将不允许他们将其投入生产,控制可能是数据科学家将其检出并说还可以。这是一个好的开始,只是因为有些东西是很容易做到,并不意味着它是很容易做到很好,我认为做好数据科学非常重要,因为回报值得付出努力。


Prev article

小型企业报告实时数据的优势

Next article

专家和用户对分析的看法不同

数据分析师

报名咨询

数据分析师

报名缴费

数据分析师

客服中心

数据分析师

课程服务

数据分析师

认证服务