Аналитик данных (Data analyst)
Аналитик данных, являющийся универсальным специалистом с глубокими познаниями в сфере статистики и информатики, математики и бизнеса, компьютерных наук и экономики. В своей работе аналитик структурирует данные, формулирует и проверяет гипотезы, находит закономерности и делает выводы, готовит презентационные материалы по полученным результатам. Его работа помогает принимать решения в бизнесе, управлении и науке.
Аналитик больших данных (BigDataanalyst)
Занимается обработкой больших объемов информации и данных, анализируя огромные массивы с неопределенной и сложной структурой. Работа специалиста позволяет выявить новые области в понимании предмета исследований, процессов, событий, что может привести к открытиям и разработке новых методик, стратегий и тактик бизнеса, технологий и пр.
Главной задачей аналитиков, работающих с большими объемами информации, выступает умение выявлять закономерности в массивах собранных данных и на базе логических цепочек предлагать новые подходы к решению поставленных задач.
Веб-аналитик (Webanalytics)
Веб-аналитиком называют специалиста, который собирает, анализирует данные о посещениях и клиентах сайтов, профилей в социальных сетях и мобильных приложениях, а также их поведении при взаимодействии с ресурсом. Изучение этой информации позволяет выявить существующие препятствия и неудобства, риски и возможности для бизнеса в области digital продвижения своих товаров и услуг.
Работа веб-аналитика повышает эффективность веб-ресурсов и мобильных приложений, увеличивает число посетителей, продлевает время их присутствия, повышает конверсию и, как следствие, выручку бизнеса.
Специалист по интеллектуальной обработке информации (DataScientist)
Специалист, который профессионально:
- занимается сбором огромных объемов разнородной информации;
- умеет определять в ней закономерности;
- преобразовывает добытые сведения в более удобные для восприятия и оценки форматы;
- решает бизнес-задачи с применением широкой линейки разновидностей анализа, применяемого в математическом моделировании.
Чтобы справляться со своими задачами, DataScientist должен знать несколько языков программирования (Python, R, SAS, SQL и тд), оперировать статистикой (тесты, схемы распределения), применять такие аналитические методы, как текстовая аналитика и машинное обучение. Он обязан понимать способы интеллектуального анализа информации, применять приложения с внедренным в их работу искусственным интеллектом для анализа полученных сведений, уметь моделировать базы данных и визуализировать информацию.