Meseria de Data Analyst este una nouă în România, dar și la nivel global. Este una din acele meserii ce au apărut ca urmare a creșterii gradului de utilizare a tehnologiei de calcul (software, internet etc).

Pentru a mai clarifica puțin lucrurile și pentru că am realizat că foarte mulți percep Data Analyst-ul destul de greșit, am să pun mai jos rolul, aptitudinile și cerințele pe care un Data Analyst trebuie să le îndeplinească.

Dar înainte de asta, vrea să subliniez cum se împarte domeniul analizei datelor ca proces.

Data -> Analytics -> Insights

Data = volumul de date propriu-zis, incluse fiind aici colectarea, raportarea și păstrarea datelor.
exemplu: site-ull x a avut 2000 vizitatori luna trecută, care au generat 8000 pagini vizualizate;
Analytics = înțelegerea datelor, descoperirea șabloanelor și a tendințelor.
exemplu: din cei 2000 vizitatori, 1200 au folosit Android smartphone, restul Iphone;
Insights = valoarea reală obținută din datele analizate.
exemplu: utilizatorii cu Iphone tind să comande cu 25% mai multe repere în primele zile ale săptămânii.

O împărțire poate fi făcută și prin prisma tipurilor de Data Analytics și anume:

Data Analytics

Descriptive Analytics (ce s-a întâmplat?)
Diagnostic Analytics (de ce s-a întâmplat?)
Predictive Analytics (ce este probabil să se întâmple?)
Prescriptive Analytics (ce acțiuni să implementăm?)

Ca specializare de lucru, lucrurile devin mai granulare, specializate și anume:

Data Analytics

Data Mining
Descoperire și Colectare, Categorisire, Asociere, Statistică
Data Infrastructure
Modelare, Stocare, Big Data
Data Vizualisation
Business Intelligence, Interpretare, Presentare și Raportare
Decision Analysis
Metode Optimizare, Cercetare operațiuni, Administrare, Analiză per Tabel

Aptitudinile unui Data Analyst trebuie să cuprindă următoarele: limbaj de programare (cel puțin SQL), limbaj statistic (cel puțin unul dintre R, SAS, Python, Matlab), acestea două fiind must-have pentru cine lucrează în Data Mining și Infrastructură.
Apoi, pentru restul tipurilor, cunoștințe avansate Excel sau similar, atenție la detalii, capacitate analitică, cunoștințe economice și de business, bune cunoștințe de comunicare.

Altfel zis, Data Analyst-ul trebuie să vină, ca bază de cunoștine, fie dinspre IT și să completeze cu Economie. Fie să vină dinspre Economie și să învețe SQL, R etc. Cel mai probabil, lucrurile vor sta altfel în câțiva ani când școlile superioare vor trata ca specializare.
Acesta este și motivul pentru care companiile mari de regulă pun Data Analytics în subordinea Marketingului.

Rolul unui Data Analyst este acum mai ușor de înțeles, știind cele de mai sus. Vezi specializările de mai sus.

În Data Mining, trebuie să colecteze și să asocieze datele, să dea formă statistică datelor. În Data Infrastructure trebuie să modeleze datele, să le dea un sens, să creeze șabloanele. În Data Vizualisation trebuie să schițeze rapoartele, să interpreteze datele, să le prezinte. În Analiză Decizională trebuie să vină cu soluții clare, predictibile ca rezultat.

Fluxul de lucru este relativ simplu: descriptiv, diagnostic, predictiv, prescriptiv.

Foarte important de reținut este să nu confundăm un Data Analyst cu un Analyst. Pentru că Analistul/Analyst poate exista în orice departament al unei companii medii spre mare, indiferent de domeniu. Fie că este pe departament Operațional, Comercial etc.
Diferența majoră este că Analistul trebuie să cunoască bine aria, specializarea departamentului (de exemplu Pricing, Product Management) ca să poată analiza performanțele (prețurilor, produselor etc).