Yrke dataanalytiker

Dataanalytikere importerer, inspiserer, rydder opp i, transformerer, validerer, modellerer eller tolker datasamlinger med hensyn til forretningsmålene til selskapet. De sikrer at datakildene og repositoriene gir konsistente og pålitelige data. Dataanalytikere bruker ulike algoritmer og IT-verktøy, avhengig av hva situasjonen krever, og gjeldende data. De kan utarbeide rapporter i form av visualiseringer, for eksempel grafer, diagrammer og instrumentbord.

Ønsker du å vite hva slags karriere og yrker som passer deg best? Ta vår gratis karrieretest for Holland-kode og finn ut.

Personlighetstype

• Undersøkende / Foretaksom

Kunnskap

• Datautvinning

  Metoder for kunstig intelligens, maskinlæring, statistikk og databaser som brukes til å trekke ut innholdet i et datasett.

• Informasjonskategorisering

  Klassifisere informasjonen i kategorier og vise relasjonene mellom dataene for klart definerte formål.

• Analyse av forretningsdata

  Verktøy som brukes til å omdanne store mengder rådata til relevante og nyttige forretningsdata.

• Informasjonskonfidensialitet

  Mekanismene og regelverket som gjør det mulig med selektiv tilgangskontroll og garanti for at bare autoriserte parter (personer, prosesser, systemer og enheter) har tilgang til data, måten konfidensiell informasjon overholdes på og risikoen ved manglende overholdelse.

• Dokumentasjonstyper

  Egenskaper ved interne og eksterne dokumentasjonstyper som er tilpasset produktets livssyklus og bestemte typer innhold.

• Datakvalitetsvurdering

  Gi opplysninger om dataproblemer ved hjelp av kvalitetsindikatorer, tiltak og måling i forbindelse med å planlegge rensing av data og data om berikelse av dataene i henhold til datakvalitetskriterier.

• Datamodeller

  Teknikkene og de eksisterende systemene som brukes til å strukturere dataelementer, og som viser forbindelser mellom dem samt metoder for tolkning av datastrukturer og forhold.

• Visuelle presentasjonsteknikker

  De visuelle representasjons- og interaksjonsteknikkene, som histogrammer, spredningsdiagrammer, overflatediagrammer, trekart og parallelle koordinatdiagrammer, som kan brukes til å presentere abstrakte numeriske og ikke-numeriske data for å styrke den menneskelige forståelsen av disse opplysningene.

• Spørringsspråk

  Området for standardiserte dataspråk for gjenfinning av informasjon fra en database, og på dokumenter som inneholder nødvendig informasjon.

• Resource Description Framework-spørringsspråk

  Spørringsspråkene, f.eks. SPARQL, som brukes til å hente og manipulere data, lagret i Resource Description Framework-format (RDF).

• Statistikk

  Studiet av statistisk teori, metoder og praksis, f.eks. innsamling, organisering, analyse, tolkning og presentasjon av data. Det omhandler alle aspekter ved data, inkludert planlegging av datainnsamling med hensyn til design av undersøkelser og eksperimenter for å anslå og planlegge arbeidsrelaterte aktiviteter.

• Ustrukturerte data

  Opplysninger som ikke er arrangert på en forhåndsdefinert måte, eller som ikke har en forhåndsdefinert datamodell, og som er vanskelige å forstå og finne mønstre i uten å bruke teknikker som databehandling.

• Fremhenting av informasjon

  Teknikker og metoder som brukes for å framkalle og hente fram informasjon fra ustrukturerte eller halvstrukturerte digitale dokumenter og kilder.

• Informasjonsstruktur

  Typen infrastruktur som definerer dataformatet: halvstrukturert, ustrukturert eller strukturert.

Ferdigheter

• Normalisere data

  Redusere data til deres nøyaktige kjerneform (normalform) for å oppnå resultater som minimering av avhengighet, eliminering av redundans og økning av konsistens.

• Utføre datautvinning

  Undersøke store datasett for å avdekke mønstre ved hjelp av statistikk, databasesystemer eller kunstig intelligens og presentere informasjonen på en forståelig måte.

• Integrere IKT-data

  Kombinere data fra ulike kilder for å gi en enhetlig visning av dette datasettet.

• Implementere datakvalitetsprosesser

  Bruke kvalitetsanalyse, teknikker for validering og verifisering av data for å kontrollere integriteten til datakvaliteten.

• Tolke gjeldende data

  Analysere data som samles inn fra kilder, slik som markedsdata, vitenskapelige artikler, kundekrav og spørreskjemaer som er gjeldende og ajourførte, med sikte på å vurdere utvikling og innovasjon på ekspertiseområder.

• Samle inn IKT-data

  Samle inn data ved å utforme og bruke søke- og prøvetakingsmetoder.

• Anvende statistiske analyseteknikker

  Bruke modeller (beskrivende eller inferensiell statistikk) og teknikker (datautvinning eller maskinlæring) for statistisk analyse og IKT-verktøy til å analysere data, avdekke korrelasjoner og forutse trender.

• Etablere dataprosesser

  Bruke IKT-verktøy til å gjennomføre matematiske, algoritmiske eller andre typer datamanipulasjonsprosesser for å skape informasjon.

• Administrere data

  Forvalte alle typer dataressurser gjennom hele livssyklusen ved å utføre dataprofilering, analyse, standardisering, identitetsløsning, rensing, forbedring og revisjon. Sikre at dataene er egnet for formålet ved hjelp av egne IKT-verktøy for å oppfylle kriteriene for datakvalitet.

• Utføre datarensing

  Oppdage og reparere skadde poster fra datasett, sikre at dataene struktureres og forblir strukturert i samsvar med retningslinjer.

• Håndtere dataprøver

  Innhente og velge et sett med data fra en populasjon via en statistisk eller annen definert prosedyre.

• Utføre analytiske matematiske beregninger

  Bruke matematiske metoder og beregningsteknologier for å foreta analyser og finne løsninger på bestemte problemer.

• Definere datakvalitetskriterier

  Definere kriteriene for hvordan datakvaliteten måles for forretningsformål, for eksempel uoverensstemmelser, ufullstendighet og egnethet for formål og nøyaktighet.

• Analysere store data

  Innhente og vurdere store mengder numeriske data, særlig for å identifisere mønstre i dataene.

Source: Sisyphus ODB