Yrke dataanalytiker

Dataanalytiker importerar, inspekterar, rensar, omvandlar, validerar, värderar och tolkar data med avseende på företagets verksamhetsmål. De ser till att datakällorna och databaserna tillhandahåller enhetliga och tillförlitliga data. Dataanalytiker använder olika algoritmer och it-verktyg utifrån situation och aktuella data. De kan utarbeta rapporter i form av visualiseringar såsom kurvor, diagram och arbetsbord.

Personlighetstyp

• Undersökande / Företagsamma

Kunskap

• Ostrukturerade data

  Den information som inte är ordnad på ett fördefinierat sätt eller inte har en fördefinierad datamodell och är svår att förstå och hitta utan användning av tekniker som t.ex. datautvinning.

• Business intelligence

  De verktyg som används för att omvandla stora mängder rådata till relevant och användbar affärsinformation.

• Datautvinning

  Metoder som används inom artificiell intelligens, maskininlärning, statistik och databaser för att utvinna uppgifter ur en datauppsättning.

• Informationskategorisering

  Klassificering av information i kategorier och åskådliggörande av hur uppgifterna förhåller sig till varandra i fråga om vissa klart definierade aspekter.

• Konfidentiell information

  De mekanismer och bestämmelser som möjliggör selektiv tillträdeskontroll och garanterar att endast godkända parter (personer, processer, system och anordningar) har tillgång till data, sättet att följa konfidentiell information och riskerna för bristande regelefterlevnad.

• Datamodeller

  Metoder och befintliga system som används för att strukturera data och visa förhållandet mellan dem samt metoder för tolkning av datastrukturer och -relationer.

• Frågespråk

  Standardiserade datorspråk för att hämta information från en databas och för dokument som innehåller den information som söks.

• Statistik

  Studiet av statistiska teorier, metoder och praxis såsom insamling, organisering, analys, tolkning och presentation av data. Statistiken behandlar alla aspekter av data, inbegripet planering av datainsamling i fråga om projektering och experiment för att förutse och planera arbetsrelaterad verksamhet.

• Informationsextrahering

  De tekniker och metoder som används för att samla in och utvinna information från ostrukturerade eller halvstrukturerade digitala dokument och källor.

• Frågespråk för RDF-format

  Frågespråk som SPARQL, som används för att hämta och hantera data som lagrats i RDF-format (Resource Description Framework).

• Dokumentationstyper

  Egenskaper hos intern och extern dokumentation som gäller en produkts livscykel och specifikt innehåll i dokumentationen.

• Metoder för visuell presentation

  Visuella representations- och interaktionstekniker, som histogram, sambandsdiagram, ytdiagram, trädkartor och parallella koordinatdiagram, som kan användas för att presentera abstrakta numeriska och icke-numeriska data i syfte att öka den mänskliga förståelsen av informationen.

• Informationsstruktur

  Den typ av infrastruktur som definierar formatet av data: halvstrukturerad, ostrukturerad och strukturerad.

• Bedömning av datakvalitet

  Processen för att identifiera datafrågor med hjälp av kvalitetsindikatorer, mått och mätvärden för att planera strategier för rensning av data och strategier för databerikning enligt datakvalitetskriterier.

Färdigheter

• Normalisera data

  Reducera data till deras exakta kärnform (normalformulär) för att åstadkomma resultat såsom minimering av beroende, undanröjande av redundans och ökad konsekvens.

• Analysera stordata

  Samla in och utvärdera numeriska data i stora mängder, särskilt i syfte att identifiera mönster mellan data.

• Upprätta dataprocesser

  Använda it-verktyg för att tillämpa matematiska, algoritmiska eller andra datamanipulationsprocesser för att skapa information.

• Utföra analytiska matematiska beräkningar

  Tillämpa matematiska metoder och använda beräkningsteknik för att utföra analyser och finna lösningar på specifika problem.

• Definiera kriterier för datakvalitet

  Specificera de kriterier med hjälp av vilka datakvaliteten mäts för affärsändamål, t.ex. inkonsekvenser, ofullständighet, användbarhet och precision.

• Tillämpa tekniker för statistisk analys

  Använda modeller (beskrivande eller statistiska) och tekniker (datautvinning eller maskininlärning) för statistisk analys och IKT-verktyg för att analysera data, upptäcka korrelationer och göra prognoser.

• Utföra datatvätt

  Upptäcka och korrigera defekta register från dataset, se till att uppgifterna blir och förblir strukturerade i enlighet med riktlinjerna.

• Hantera data

  Hantera alla typer av dataresurser under hela deras livscykel genom att utföra dataprofilering, valideringsanalyser, standardisering, identitetsuppdelning, rensning, utökning och granskning. Se till att alla data är ändamålsenliga med hjälp av specialiserade IKT-verktyg i syfte att uppfylla kvalitetskriterierna för data.

• Tolka aktuella data

  Analysera data insamlade från källor som marknadsuppgifter, vetenskapliga rapporter, kundkrav och frågeformulär som är aktuella och relevanta, i syfte att bedöma utvecklingen och innovationen inom olika kompetensområden.

• Genomföra datautvinning

  Utforska stora datamängder för att avslöja mönster med hjälp av statistik, databassystem eller artificiell intelligens och presentera informationen på ett begripligt sätt.

• Hantera dataurval

  Samla in och välja ut en uppsättning data från en population genom ett statistiskt eller annat definierad förfarande.

• Samla in IKT-data

  Samla in data genom att designa och tillämpa söknings- och urvalsmetoder.

• Implementera kvalitetsprocesser

  Tillämpa kvalitetsanalys, validerings- och verifieringstekniker på data för att kontrollera datakvaliteten.

• Integrera data

  Kombinera data från källor för att ge en enhetlig bild av uppsättningen data.

Source: Sisyphus ODB