데이터 분석가

데이터 분석가 

흔한 분류

• 지원이 많음  N배수의 이력서가 들어옴 
• 대부분 타 전공을 수료하고, 교육과정을 이수 
• 사용할수 있는 언어가 SQL only 경우가 많음 (독립적으로 일할수 없다는 뜻) 

귀한 분류 

• python, pandas, jupiter notebook 기준으로 일할수 있는사람이 생각보다 적다. 
• 원천데이터가 RDMS나 클라우드에 있을때 백엔드와 코드를 작성해서 직접가져올수 있는 사람이 적다. 
• 자신의 앞뒤 연결되는 영역까지 아는게 필요하다 

• 데이터 스토리지 : Big Query, Oracle 
• 데이터 수집 : Selenium(Python), request(Python), Beautifulsoup(Python), Scrapy(Python) 
• 데이터 전처리 : Pandas (Python), SQL, Dask 
• 데이터 거버넌스 : DBT, Google Analytics 4 
• 통계 : R, statmodel (Python), SAS 
• ABtest : VWO, google optimizer 
• 데이터 시각화 : 태블로, Power Bi, Quick sight, Excel, Redash, Seaborn (Python), Matplotlib (Python)
  - 데이터 시각화에 대한 경험을 보유하신분  
  : 시각화 해서 만든것 보다, 데이터를 얹기 위해서 어디 데이터 베이스에 가져오거나, 추출 방법, 데이터 적합성 검사, 데이터 파이프 라인 구축 
• 웹 : Flask (Python), Django (Python)
• 생성형 AI : LangChain (Python), Tensorflow (Python)