Data-analist
In het Engels: Data Analyst
Data-analisten staan in voor het importeren, inspecteren, opschonen, transformeren, valideren, modelleren of interpreteren van gegevensverzamelingen in verband met de zakelijke doelstellingen van het bedrijf. Zij zorgen ervoor dat de gegevensbronnen en opslagplaatsen consistente en betrouwbare gegevens leveren. Data-analisten gebruiken verschillende algoritmen en IT-tools afhankelijk van de situatie en de bestaande gegevens. Zij kunnen rapporten opstellen in de vorm van visualisaties zoals grafieken, diagrammen en dashboards.
Data-analist is ook bekend als datastorage analist, technical data warehouse analist, informatie-analist en data warehouse analyst
Waar moet een data-analist kennis van hebben?
Dit zijn de kennisgebieden die de basis vormen van het werk als data-analist. Wie deze onderwerpen beheerst, staat stevig in de schoenen.
-
Bedrijfsanalyse→
-
Beoordeling van kwaliteit van gegevens→
-
Business intelligence→
-
Data-ethiek→
-
Data engineering→
-
Datamining→
-
Datawetenschap→
-
Documentatietypen→
-
Gegevensextractie→
-
Gegevensmodellen→
-
Informatie-indeling→
-
Informatiestructuur→
-
Ongestructureerde gegevens→
-
Querytaal voor resource description framework→
-
Querytalen→
-
Software voor gegevensvisualisatie→
-
Statistiek→
-
Technieken voor visuele presentatie→
-
Vertrouwelijkheid van informatie→
Wat moet een data-analist kunnen?
Dit zijn de vaardigheden die een data-analist in de praktijk nodig heeft. Ze vormen de kern van het dagelijkse werk.
-
Aan gegevensopschoning doen→
-
Actuele gegevens interpreteren→
-
Analytische wiskundige berekeningen uitvoeren→
-
Criteria voor gegevenskwaliteit definiëren→
-
Databases gebruiken→
-
Datamining uitvoeren→
-
Gegevens beheren→
-
Gegevens normaliseren→
-
Gegevensprocessen vaststellen→
-
Gegevensverwerkingstechnieken gebruiken→
-
Grote hoeveelheden gegevens analyseren→
-
ICT-gegevens integreren→
-
ICT-gegevens verzamelen→
-
Processen voor gegevenskwaliteit implementeren→
-
Steekproefgegevens behandelen→
-
Technieken toepassen voor statistische analyses→
Wat zijn handige, maar optionele vaardigheden voor een data-analist?
Deze vaardigheden zijn niet verplicht, maar geven een data-analist net dat beetje extra en verbreden de inzetbaarheid.
-
Analyseresultaten rapporteren→
-
Beeldherkenning→
-
Cloudgegevens en -opslag beheren→
-
Cloudtechnologieën→
-
Datagestuurde beslissingen nemen→
-
Digitale gegevens en systemen opslaan→
-
Gegevensbank→
-
Gegevensmodellen creëren→
-
Gegevensopslag→
-
Gegevens verzamelen voor forensische doeleinden→
-
Gezondheidszorganalyse→
-
Hadoop→
-
Informatiearchitectuur→
-
Kwantitatieve gegevens beheren→
-
LDAP→
-
LINQ→
-
Marketinganalyse→
-
MDX→
-
Multidisciplinair onderzoek→
-
N1QL→
-
Onderzoeksopzet→
-
Online analytische verwerking→
-
Sociale-netwerkanalyse→
-
Software voor spreadsheets gebruiken→
-
SPARQL→
-
Speltheorie→
-
Statistische modelleringstechnieken→
-
Systemen voor gegevensverzameling beheren→
-
Visuele gegevenspresentatie bieden→
-
Webanalyse→
-
XQuery→
Welke digitale skills moet een data-analist hebben?
Ook een data-analist werkt steeds vaker met digitale middelen. Dit zijn de digitale vaardigheden die daarbij horen.
-
Aan gegevensopschoning doen→
-
Bedrijfsanalyse→
-
Beeldherkenning→
-
Beoordeling van kwaliteit van gegevens→
-
Business intelligence→
-
Cloudgegevens en -opslag beheren→
-
Cloudtechnologieën→
-
Databases gebruiken→
-
Data engineering→
-
Datamining→
-
Datamining uitvoeren→
-
Datawetenschap→
-
Digitale gegevens en systemen opslaan→
-
Gegevensbank→
-
Gegevens beheren→
-
Gegevensextractie→
-
Gegevensmodellen→
-
Gegevensmodellen creëren→
-
Gegevens normaliseren→
-
Gegevensopslag→
-
Gegevensprocessen vaststellen→
-
Gegevensverwerkingstechnieken gebruiken→
-
Grote hoeveelheden gegevens analyseren→
-
Hadoop→
-
ICT-gegevens integreren→
-
ICT-gegevens verzamelen→
-
Informatie-indeling→
-
Informatiearchitectuur→
-
Informatiestructuur→
-
Kwantitatieve gegevens beheren→
-
LDAP→
-
LINQ→
-
Marketinganalyse→
-
MDX→
-
N1QL→
-
Ongestructureerde gegevens→
-
Online analytische verwerking→
-
Processen voor gegevenskwaliteit implementeren→
-
Querytaal voor resource description framework→
-
Querytalen→
-
Software voor gegevensvisualisatie→
-
Software voor spreadsheets gebruiken→
-
SPARQL→
-
Systemen voor gegevensverzameling beheren→
-
Technieken toepassen voor statistische analyses→
-
Technieken voor visuele presentatie→
-
Vertrouwelijkheid van informatie→
-
Visuele gegevenspresentatie bieden→
-
Webanalyse→
-
XQuery→
Deze pagina gebruikt en bewerkt gegevens uit ESCO, de Europese classificatie van vaardigheden, competenties en beroepen van de Europese Commissie. Bron: ESCO / European Commission. Licentie: CC BY 4.0. De gegevens zijn aangevuld, vertaald, gekoppeld aan BRC2014/SBC2014/ISCO-08 of redactioneel aangepast door het team van Vaklui.