是什麼讓資料分析師變得優秀？- Cassie Kozyrkov

• 獲取有希望且相關的資料的速度。（領域知識。）
• 準備好資料以進行操作的速度。（軟體技能。）
• 彙總資料的速度。（數學技能。）
• 將資料摘要輸入他們自己的大腦的速度。（資料視覺化技能。）
• 將資料摘要輸入利益相關者大腦的速度。（溝通技巧。）
• 讓決策者受到啟發的速度。（商業頭腦。）

分析遊戲就是關於最佳化每分鐘靈感。

不要被對速度的簡單解釋所迷惑。一個邋遢的分析師不斷地沉迷於閃亮的胡說八道“洞察力”，從長遠來看只會讓每個人都慢下來。
 

評估分析師績效
對於那些喜歡績效評估的人，請注意，您不能使用每分鐘靈感來衡量您的分析師。
這是因為可以提取的最大靈感量（由決策者主觀定義）因資料集而異。但是你可以透過讓他們在你已經非常熟悉的基準資料集上放鬆來評估他們的技能（而不是工作表現）。
打個比方，如果你讓兩個分析師從一本外語教科書中提取靈感，那麼更好（更快）的分析師可能是該語言的母語人士。你可以透過衡量他們理解你用該語言寫的段落的速度來評估他們的相對技能。
 

Byteboard是一家革新技術面試的創業公司，他們最近推出了一項資料分析技能評估。它使用真實場景和漂亮的介面來衡量資料探索、資料提取、定量交流和業務分析等任務的能力。當然，他們打算將其作為幫助您面試新候選人的一種方式，但是您沒有理由不能也使用它來快速測試您的現任分析師。
 

技能並不能保證影響力。這取決於你的資料。

如果你將兩位分析師都指向一本你從未開啟過的神秘教科書，你就不能讓他們對他們發現的每分鐘靈感負責，因為這本書可能充滿了垃圾。如果是這樣的話——不管他們的流利程度如何！——沒有人會找到任何靈感來帶給你……這不是他們的錯。有一本教科書並不意味著你會學到一些有用的東西。資料集也是如此；它們的質量和相關性同樣重要。
教科書是資料集的一個很好的類比，因此關於資料集和教科書還有幾點需要牢記：

• 一個決策者的垃圾可能是另一個決策者的寶藏。與教科書一樣，資料集僅在涵蓋您想了解的主題時才對您有用。
• 如果它有一個人類作者，它是主觀的。與教科書一樣，資料集也有人類作者，其偏見會影響內容。

資料分析與統計
資料分析是關於計算統計資料的學科，但統計資料是超越這些統計資料的學科。
“統計”是在不確定性下改變主意的科學。
因此，如果您正在處理不確定性（例如“這個機器學習系統是否可以處理明天的資料？”）並且選項在尊嚴上並不相同（例如“我們可能不應該啟動它，除非它有效。”）。來對地方了：統計資料適合您。
資料分析師應該知道的統計術語，包括樣本、總體、觀察、統計、引數、估計和假設。