Extract from Leada's Data Analytics Handbook Part 1
本页目录· 22 条
- 文档定位与目标
- 作者与角色
- 访谈 1：Abraham Cabangbang（LinkedIn，Data Scientist）
- 背景与转型路径
- 能力与工具栈
- 角色理解：分析师 vs. 科学家
- 跨团队协作与典型项目
- 时间分配与建议
- 统计背景的重要性
- 访谈 2：Ben Bregman（Facebook，Product Analyst）
- 角色与产品团队分工
- 工具与内部平台
- 与“数据科学家”的边界
- 工作流与面试
- 访谈 3：Leon Rudyak（Yelp，Business Insight Analyst）
- 背景与团队特点
- 代表性项目与影响
- 工具与数据来源
- 统计的作用与工作流程
- 软技能、建议与招聘流程
- 贯穿主题与行业共识（从三位受访者中抽取）
- 可直接借鉴的要点（结合入行与学习）
这一页有部分内容暂时无法显示，其余内容完整。
此处有一段内容暂不支持显示。
文档定位与目标
- 本手册旨在回答进入“大数据/数据分析”行业的核心疑问：数据科学家/数据分析师到底做什么、行业里有哪些岗位、常用的工具是什么、没有统计学博士如何入行等。编者指出：行业仍处早期阶段，对“数据科学家/数据分析师”并无单一定义，两个称谓在现实中常被交替使用；本册是三部曲中的第一部分，聚焦在一线从业者的亲身经历与访谈。
作者与角色
- Brian Liou（内容）：加州大学伯克利分校商学院（Haas）工商管理与统计学双学位，转型进入数据分析；曾在 MightyHive（a16z 投资的广告技术公司）工作。
- Tristan Tao（内容）：伯克利计算机科学与统计学双学位，经历涵盖 Starmine（汤森路透）、Splunk；熟悉多类机器学习、NLP、Hadoop/Hive、Storm、R、Python、Java。
- Elizabeth Lin（设计）：伯克利计算机科学学生，创新设计社团负责人兼 BARE Magazine 版式总监；曾在 LinkedIn、TechValidate、伯克利 EECS 实习；将赴 Khan Academy 做产品设计实习生。
访谈 1：Abraham Cabangbang（LinkedIn，Data Scientist）
背景与转型路径
- 斯坦福化学工程学士+硕士；先在数字广告平台做数据分析师，后入职 LinkedIn 的决策科学/洞察团队，重点做数据质量与跨产品分析。
能力与工具栈
- 在前一份工作中快速掌握 SQL 并使用 R；入职后学习 Pig、Hadoop。常用 SQL、Pig、Hive、R，也使用过 MicroStrategy、Tableau。