數據人的通用技能要求

數據團隊思考：數據人的通用技能要求

0x00 前言

最近常常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具有哪些通用的技能。

• 「數據開發到底用不用學算法？」
• 「Excel 有必要學嗎？」
• 「數據產品經理須要瞭解技術嗎？」

技能分爲兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。

0x01 Excel

掌握指數：5顆星

掌握人羣：全部數據人

Excel 是每一個數據人都應該掌握的一項技能，不論是研發仍是產品，Excel 應該是必備的一項基本技能。不要覺得只有搞大數據、深度學習這種纔是有技術含量的工做，不少時候 Excel 能提供的功能，如今大部分大數據系統差的還遠。特別是Excel的透視表和各類圖，基本是數據分析必備。

只是從處理的數據量上來說，通常配置的辦公機，Excel 只能處理幾十萬行的數據。相對來說是小數據量。

0x02 Sql

掌握指數：4.5顆星

掌握人羣：全部數據人

從研發崗來說，數據開發、數據倉庫、數據分析都應該具有 Sql 能力，這點不用多作解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是確定的！

從使用數據的角度來說，Sql 能力意味着產品和運營可以快速本身提取本身想要的數據，而不是所有都要等研發的排期。你的核心競爭力並非 Sql ，可是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增長。

從設計數據系統的角度來說，數據產品也應該掌握 Sql，若是一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？

0x03 Python

掌握指數：4顆星

掌握人羣：數據開發、數據倉庫、數據分析、數據挖掘

Python，基本上是偏研發向崗位必備技能了，重要性毋庸置疑。這裏只簡單聊一下 Python 和 R 的選擇。首先，居士支持 Python，這裏無心評價哪一個語言是好的，只想說明：

1. 互聯網公司用 Python 的更多，用 Python 工做更容易找到
2. Python 可作的事情更多，除了數據分析，爬蟲、腳本之類的任務均可以用 Python 完成，整個生態也很成熟
3. 目前最流行的機器學習和深度學習相關的開源庫都以 Python 爲核心載體：sklearn、tensoflow！

至於說數據產品和運營是否須要，居士認爲，簡單瞭解就行，不是核心技能要求。

0x04 大數據

掌握指數：4.5顆星

掌握人羣：全部數據人

大數據時代，全部數據人都應該具有必定的大數據知識！由於大數據相關技術已經侵入了互聯網行業的方方面面，傳統行業也都逐漸往大數據靠攏。

不管是研發、產品亦或者運營，都應該對大數據有一些的基本的認知，好比統計學，之前多是幾萬行的小數據作統計，那麼當數據上億甚至是百億千億以後，統計學的思路可能依舊不變，可是想要處理這些數據，就必須對大數據有所瞭解，要了解該怎麼使用大數據的工具！

數據產品和運營亦是相似，只有瞭解大數據相關的一些知識，才能更好地和數據團隊的各個工種站在一樣的知識理解層面上對話。

注意：讓產品來了解技術，並非讓產品本身作技術，而是瞭解必定的技術後，可以更順暢地和研發作溝通。良好的溝通有時候能決定你是否可以順利地開展項目。

0x05 統計學

掌握指數：4顆星

掌握人羣：全部數據人

統計學，玩數據的同窗都應該瞭解必定的統計學知識！通常來說，大部分數據分析都應該具有統計學的知識。那麼問題來了？數據倉庫是否也須要了解統計學？

居士是這樣思考這個問題的，假設你是一名數據倉庫同窗，你的一個主要服務對象可能就是數據分析，那麼，你是否瞭解你的使用方是如何使用你的數據的？若是你都不知道使用方是如何使用你的勞動成果的，那麼，你提供的數據會很好用嗎？

自省一下，工做前兩年，居士作的不少數據表的設計，在如今看來基本無法用！由於當時根本不知道使用方是如何用本身的表，基本處於自嗨狀態。

0x06 機器學習

掌握指數：4顆星

掌握人羣：全部數據人

這裏引用一部分 Japson 在《ML/DL科普向：從Sklearn到TensorFlow》中提到的一句話：

再結合居士的觀點：統計學相關知識、人工智能相關知識已經逐漸地成爲了咱們必備的基礎技能。不少時候咱們要跳出本身的眼界，從更高的角度來講，這些知識有助於咱們更好的瞭解本身的數據，更加了解業務，從而提升本身的競爭力，打破本身的能力邊界，來進行「錯位競爭」。

總體的思路就是，數據開發、數據倉庫亦或者是數據產品，該不應去學習機器學習？居士想表達是，該學！爲何？

1. 你學習了新的知識，那麼你的眼界將再也不侷限於本身技術的一個點上
2. 你學了機器學習，那麼你和機器學習出身的人一塊兒比，你不具有優點，可是和同職業的人比起來，你就很容易脫穎而出！
3. 學了機器學習，能更好地爲機器學習的同時提供更好的服務，本身的職業生涯也有更多的選擇
   更多精彩內容請關注公衆號：木東居士