本文作者仅代表个人观点。雷竞技手机版
每当公司或项目发展时，分析师就会出现。也许不是从一开始，但在某个时刻是肯定的。随着规模的扩大，总有一天你会需要一个完全专注于收集需求和统计数据、分析它们并解释它们的人。它可以很自然地发生，一个人接受这项任务，或者你可以专门雇佣一个人来做这项工作。我发现第二种选择更可取:这个人会更有资格和经验，不会犯明显和可避免的错误。
以下是一些迹象，表明你的公司目前缺乏分析师，而需要一位:
- 团队对产品、行业或项目没有完全的了解
- 在这个过程中漏掉了许多需求
- 你不清楚自己在做什么，为什么要做
- “我喜欢它”的心态占主导地位
总而言之，现代商业的所有领域都需要分析——从市场营销、财务和销售到软件开发和实施。市场上有很多种类型的分析师，根据他们的技能、兴趣或背景，可以选择一个完全适合你的人。
以下是你应该了解的五种不同类型的分析师，尤其是在IT领域。
类型1:需求分析师
有一本基本手册、一本百科全书和一套业务分析规则。它被称为BABOK(业务分析知识体系)。这本书是由国际商业分析研究所．所有业务分析师都依赖它。
总之，业务分析师是执行BABOK手册中描述的任务的人，无论他们的职位或组织角色如何。这个人负责发现、总结和分析来自公司内部各种来源的信息。
简单地说，业务分析师是业务世界和开发团队之间的桥梁。他们的主要目标是收集和识别产品需求，记录它们，并将它们翻译成开发团队清楚理解的语言。
需求分析师应该知道:
项目开发方法
撰写技术文件的方法
需求分类
需求管理方法
我强烈推荐阅读卡尔·维格斯的作品软件需求。对于这类分析师来说，这几乎是强制性的。
相关:5大商业分析认证课程
类型2:系统分析师
系统分析人员专注于分析用户的需求。他们的职责通常包括组织和监督现有信息系统附加功能的实施或系统本身的开发。后者包括一组不同的组件和服务，专注于自动化内部流程，从而提高业务效率。
在我看来，系统分析师可以被描述为“任务管理器”。虽然很难谈论具体的事情:这些专家的活动非常不同，但界限非常模糊，并且根据组织和项目的不同而不同。
系统分析师应该:
接受过技术教育，了解技术
了解编程(包括面向对象)、设计、开发和软件文档的基础知识
有系统思维和分析思维
了解IDEF0, IDEF1X和EPC表示法
能够编写SQL查询并使用数据库
快速理解需求并确定其优先级，并以客户能够理解的语言讨论技术解决方案及其对业务的影响
类型3:用户体验分析师
UX分析师，或者用户界面/用户体验分析师，是一个相对较新的职业。他们的主要目标是改进界面，使其直观和用户友好。
用户体验分析师站在用户的角度，找出界面应该如何工作。这样的专家必须了解人类行为心理学领域，并了解允许他们分析它的工具(例如谷歌Analytics, Woopra, Clicky, Keen和Mouseflow)。他们应该是一个非常有逻辑的人，有能力解释相当模糊和不清楚的数据。
UX分析师应该能够:
收集数据并进行分析
根据收到的数据对产品开发提出建议
定性和合理地提出他们的决定
能够设计界面并了解如何对其进行调整
最好有市场营销经验
类型4:集成分析师
集成分析师是大型项目的角色，在这些项目中，开发具有与其他信息系统交换数据能力的软件是必要的。有时，当需要将附加服务连接到现有信息系统时，也会使用它们。他们解决了许多与集成和分析相关的不同问题。
集成分析人员负责将不同的子系统/服务连接到一个完整的系统中。他们通常从业务分析师或系统分析师那里接收需求。他们了解系统之间交换信息的过程，并与架构师或开发人员一起致力于平滑和适当的连接。这通常会导致创建一个信息对象的映射表，并将格式转换为另一个。
集成分析师应该:
能够分析业务流程
了解XML标记语言
能够开发XSD
能够阅读和开发API描述
能够使用web服务的测试/调试工具(Postman, SoapUI，等等)
理解REST和SOAP的原则
了解SQL的基础知识，能够编写查询
有技术文件编制经验
对Jira / Confluence有经验吗
了解BPMN和UML符号，并有使用它们创建图表的经验
类型5:数据分析师
数据分析师必须能够收集、组织、存储和转换大量数据。然后，数据分析师将这些数据以一种方便且便于客户理解的形式呈现出来。这样的分析师也被称为数学家、程序员、信息分析师，有时也被称为业务分析师，但他们拥有与大数据打交道的技能。这些专家的高质量工作是基于他们在数理统计、数据分析算法和数学建模领域的知识。
需要管理客户需求的公司需要这样的专家。我通常把数据分析师租给大型电子商务项目或银行。
数据分析师应该知道:
用于访问和处理数据的工具，如电子表格(SQL, DBMS，数据仓库，ETL)
编程语言:R、SAS、c++、Python
BI分析、数据分析和数据科学
统计与数学(数理逻辑、线性代数、概率论)
机器和深度学习——他们应该能够从头开始建立或训练一个神经网络
数据工程-如何正确组织接收、存储和允许访问重要信息。
