数据分析难吗?从内部看挑战
如果你每次碰到“分析”这个词都能赚到一美元，那么你现在已经很富有了。似乎每个组织，从能源公司到在线鞋零售商，都痴迷于追踪数据并将其转化为有意义的见解。原因很明显——哪个组织不想知道他们的营销工作是否有效，或者他们的新业务流程是否提高了盈利能力?
尽管跟踪和分类数据的工具很流行，但大量可用的信息需要专门的专业人员，他们可以处理大量数据集，创造方法，首先提取正确的信息，然后确保数据质量和潜在的洞察力，允许有意义的选择。
您可能会认为数据分析听起来很复杂——您是对的!但数据分析技能也可能是通往稳定职业生涯的入场券。
越来越越来越多的公司开始转向大数据和数据分析为了帮助他们铺平前进的道路，这些公司需要熟练的数据专业人员来实现这一点。1这些有趣的角色需要训练和大量的持续学习，这让许多人想知道:数据分析难吗?
这是一个非常私人的问题，只有个人才能自己回答。但为了帮助你衡量这个领域的困难程度，我们邀请了数据分析专业人士分享一些在数据学习和工作中最具挑战性的方面。继续读下去，看看这些专家认为数据分析职业生涯中最困难的方面是什么，以及他们是如何应对这些挑战的。
学习数据分析很难吗?入门的常见挑战
学习基本技能的挑战是有区别的从数据分析师开始以及日常工作带来的挑战。让我们从这些数据专业人员在刚刚入门时发现的棘手问题开始。
1.信息过载很可能
虽然一开始就觉得你有太多的信息需要处理，而在一个专注于处理大量数据的职业中工作，这是不应该失去的，但这仍然是一种普遍的感觉。
公司的数据科学家肯尼•华纳(Kenny Warner)表示，要想在数据分析方面取得成功，你需要的知识和信息的数量肯定会让人望而生畏meez®。许多数据分析程序教授概念性的知识和原则，同时也要学习工具、实践和硬技能——如果你还没有准备好，这些可能会很多。
“在每一堂课上，我都在接受教育一种不同的编程语言数据社区倡导者史蒂文•约翰逊(Steven Johnson)表示船厂®。“作为一个初来乍到的人，我还在努力建立分析学的概念知识。然而，我被要求将我仍然陌生的概念转换为多种不同的工具或语言。”
好消息是，该领域的大多数人都非常了解知识的压倒性本质。
华纳说:“如果你感到不知所措，要知道你并不孤单。”他解释说，即使在这个行业工作了十年，他仍然惊讶于你能学到很多东西。为了取得进步，他建议一次只选择一件事，然后研究它，直到你真正理解它。弄清楚它是如何发展的，为什么。弄清楚人们是如何使用它的。“一旦你很好地掌握了一个话题，就转向下一个你感兴趣的话题。”
2.理解何时以及为什么使用特定的技术需要时间
“一开始，我发现最困难的地方是理解不同技术、算法和统计数据背后的‘原因’，这些技术、算法和统计数据被用来解决一个特定的问题，”华纳说。他解释说，有很多工具可以让你插入细节，编写少量代码，通常会使这个过程更容易一些。但是，知道什么时候使用特定的工具以及它更适合解决哪些问题需要更多的时间。
“了解什么时候应该使用卡方测试，什么时候应该使用克拉姆塞姆V测试，什么时候应该使用方差分析测试，或者什么时候应该使用逻辑回归测试，什么时候应该使用支持向量机，什么时候应该使用随机森林测试，这需要更全面的知识基础。”华纳表示，从长远来看，这对确保你从分析的数据中得到适当的答案至关重要。
3.学习量化开放式项目的成功
在学校里，许多数据分析专业人员在实践应用他们所学的知识时承担项目。有时，这些项目是具有明确参数和目标的任务。其他时候，他们更加自我驱动，促使学生自己解决问题或查找信息。
沃纳说:“一开始，有明确结果和清晰数据的问题或项目是很好的。”“然而，你越早开始做那些没有‘正确’答案的项目，你必须自己定义问题并确定成功，你就能学得越多、越快。”
你可能会认为数据分析是一个充满问题的领域，这些问题可以用可靠的、可量化的数据直接回答，这些数据提供了明确的方向。虽然这些问题确实存在，但也有很多问题或场景存在灰色地带，难以量化的因素可能会影响分析。思考这一切需要练习——你应该毫不犹豫地向导师或更有经验的数据专业人士询问他们的观点。
做一名数据分析师很难吗?你会在日常工作中遇到挑战
一旦你学习了一些基本概念和技能，并开始从事数据分析工作，你会面临哪些类型的挑战?
1.在商业环境中应用和解释技术技能
数据分析师的存在是为了帮助企业从大多数人认为是胡言乱语的海量数据中获取有用的信息。当你进入这个角色时，你就成为了一名翻译，在数据世界和商业世界之间架起一座桥梁。
“当我进入这个领域时，我的印象是我会花时间开发复杂的机器学习模型进行分析，”华纳说。他解释说，实际上，这些任务通常不需要机器学习模型。“我必须把复杂的技术分解成一定的规模，让房间里的每个人都能理解正在发生的事情，为什么会发生，需要做什么。”
华纳说，学习如何回答普通听众的这三个“W”问题是开始这一职业生涯最具挑战性的部分。
2.适应特定的业务工具和系统
约翰逊说:“我的大学课程很好地教会了我一些概念，以及如何运行模型和处理设备上的数据。”但要在云端实现所有这些功能，那就另当别论了。“了解如何创建商业智能仪表板或编写机器学习模型非常重要;然而，将这些项目托管在云中，并能够使用它们来解决利益相关者的需求，这将使你在职业生涯开始时为公司创造价值。”
虽然您的教育和培训可能会包含许多组织使用的相同工具和系统，但当您将所知道的知识应用于遗留系统或工具时，仍然可能存在学习曲线，这些系统或工具可能与您在课程中学到的知识并不完全匹配。基本原理仍然适用，但在你感到舒服之前可能需要一些额外的弄清楚。
3.清理和简化数据
“在我今天的工作中，最具挑战性的事情是不断确保你有必要的数据，以必要的形式为你的特定任务，”华纳说。“垃圾输入，垃圾输出”这句话概括了这一点——对草率和格式不佳的数据的分析将导致同样混乱的输出。
这不是这份工作最吸引人的地方，但是提取、转换和加载(ETL)流程是关键的一步，有时也是具有挑战性的一步。华纳表示，花时间确保高效的数据管道、规范化的数据和高精度的输入，最终将使你的分析工作更容易、更有意义。
4.保持继续学习的欲望
无论你是在学习新的平台或语言来帮助改进你的流程，还是学习更多关于你所支持的行业的细节，在数据分析职业中总是有更多的东西需要掌握。跟上这一切可能是一个挑战，但那些好奇和享受学习的人当然是有价值的。
约翰逊说:“要谦虚，要明白，不知道一切是可以接受的，也是意料之中的。“根据我的经验，公司更感兴趣的是你在不知道的情况下说实话，而不是装出知道的样子。”
约翰逊说，他的第一次面试涉及到几个他不知道答案的问题。虽然现在这种感觉肯定不是很好，但约翰逊说，他诚实的决定和以良好的态度承认缺点的决定得到了回报，因为他最终还是得到了这份工作。
“我问我的经理，为什么他们在更合格的候选人中选择了我，她告诉我，团队知道我没有那么有经验，但他们能看出我渴望学习。”
你会遇到什么挑战?
数据分析涉及许多挑战和需要学习的新事物。对合适的人来说，这就是乐趣的一部分!如果你觉得这些职业很有趣，你可能会考虑更多地了解这个领域。我们的文章”数据分析师的职业适合我吗?你应该考虑什么强调了在开始工作之前你应该问自己的一些问题。
1Louis Columbus，“53%的公司正在采用大数据分析”，福布斯，2017年12月24日。[2022年5月访问]，https://www.forbes.com/sites/louiscolumbus/2017/12/24/53-of-companies-are-adopting-big-data-analytics/．
Meez是Meez Culinary Solutions, LLC的注册商标。
船厂是船厂建造公司的注册商标
