Wat doet een Data Analist?

De verantwoordelijkheden van een data analist verschillen erg per bedrijf. In tegenstelling tot een carrière in de geneeskunde of accountancy heb je als data analist geen nationale licentie of registratie nodig om je kwalificaties te bewijzen.

Maar wat doet een data analist nou dagelijks? In dit artikel proberen we een antwoord op deze vraag te geven. Daarnaast proberen we uit te leggen welke tools en frameworks ze gebruiken en hoe je een uitdagende carrière als data analist kan starten.

De vraag naar data analisten vanuit de bedrijfswereld groeit enorm, omdat bedrijven hun interne datasets willen gebruiken om een betere concurrentiepositie te krijgen. Daarom is er geen beter moment om meer te leren over Data Analytics !

Wat zijn dagelijkse verantwoordelijkheden van een Data Analist ?

In de kern zetten data analisten uiteenlopende data om in bruikbare inzichten voor een bedrijf of organisatie. Dat betekent dat zij met onbewerkte data een verhaal maken dat gepresenteerd kan worden aan managers of bedrijfsleiders.

Hoewel de taken van een data analist per bedrijf verschillend zijn, is er aantal overeenkomsten. Voorbeelden van de meest voorkomende taken zijn:

Ophalen en opschonen van data

Dagelijks besteedt een data analist ongeveer 80% van zijn tijd aan het ophalen, opschonen en voorbereiden van data. In het Engels worden daarvoor ook wel de termen data retrieving, cleaning en preparing gebruikt. Bedrijven verzamelen allerlei gegevens over bijvoorbeeld hun marketingkanalen, klanten, product(en) en alles daartussen. Normaal gesproken worden deze data opgeslagen in een database. Bij een database moet je denken aan een spreadsheet met miljoenen rijen.

Om toegang te krijgen tot data in een database moet je de programmeertaal SQL gebruiken. Als je bijvoorbeeld wilt gaan vissen op de Noordzee, heb je een boot nodig om daar te komen. Op dezelfde manier heb je SQL nodig om gegevens uit een database te verkrijgen.

Tegenwoordig hebben zelfs kleine bedrijven databases met miljoenen rijen. De taak van de data analist is te ontdekken welke data hij precies nodig heeft om zijn data-vraag te kunnen beantwoorden. Daarna moet hij de SQL-code schrijven om deze data op te halen. Vervolgens verwerkt een data analist de gegevens op zo’n manier dat er een antwoord op zijn vraag kan worden gegeven.

Bouwen en automatiseren van rapporten en dashboards

Naast het ophalen en opschonen van data is rapporteren een andere hoofdtaak van een data analist. Om de verschillende afdelingsdoelen of KPIs te begrijpen, wordt er veel samengewerkt met afdelingen als Product en Marketing.

Om een rapport of dashboard te bouwen, om te kijken of bijvoorbeeld een nieuwe marketingcampagne succesvol is geweest, moet een data analist de volgende zaken weten:

Wanneer een dashboard of rapport is gemaakt met een business intelligence tool als Tableau, is het de taak van een data analist om deze up-to-date te houden. Één ding is zeker: dashboards vertonen nog wel eens fouten door onderliggende gebruikte data. Een data analist moet deze problemen opsporen en oplossen, zodat het rapport weer de juiste resultaten laat zien.

Beantwoorden van zakelijke vragen

Zowel bij reporting als bij het beantwoorden van interne bedrijfsvragen met data is samenwerking met andere bedrijfsafdelingen van belang. Zo komt een data analist erachter wat het probleem is. Data in een silo is immers nutteloos. De opdracht hier is om met de data een verhaal te vertellen, ofwel data storytelling.

“When we’re hiring data analysts we try to understand if they’ll be comfortable making decisions in ambiguity. We want analysts who can take data and make actionable recommendations while also articulating the risks associated with their recommendations” , zegt Neal Taparia, CEO van Soliatired .

Stel je voor dat een bedrijf een paar maanden geleden een nieuw product op de markt heeft gebracht. Nu wil jouw manager weten of de productlancering een positieve invloed op de bedrijfsresultaten heeft gehad. Dit is het moment waar de creativiteit van een data analist onmisbaar is. Zo moet je een lijst bedenken met alle mogelijke factoren die invloed hebben kunnen gehad op de productlancering. Daarnaast moeten deze factoren gekwantificeerd worden om tot een overtuigend antwoord te komen.

Heeft het nieuwe product een positieve impact gehad op de conversion ratio van de klant? Heeft het de klantenbinding versterkt? Heeft het invloed gehad op het aantal customer support aanvragen? Een data analist zal deze vragen met zich mee moeten nemen. Vervolgens moeten de antwoorden op deze vragen geanalyseerd worden om te concluderen wat de invloed van de productlancering is. Aan het einde van de dag geven data analisten concrete aanbevelingen, altijd ondersteund door intuïtie en data.

In tegenstelling tot data scientists bouwen data analisten meestal geen voorspellende modellen in een product of website. Zo ontwikkelen zij meestal niet functionaliteiten op een website als “Aanbevolen producten voor jou” of “Anderen kochten ook”. Een data scientist kan hier wel aan bijdragen.

Verzamelen van nieuwe data

Nadat je bent samengekomen met je collega’s om te begrijpen wat voor bedrijfsprobleem of -vragen ze willen oplossen, gaat de data analist zelf aan de slag. Hij verzamelt alle data die nodig zijn om het vraagstuk te beantwoorden.

Maar wat moet je doen wanneer de benodigde data niet beschikbaar zijn?

Stel je voor dat je wilt weten hoelang een gebruiker is ingelogd op zijn of haar account. Maar helaas houdt jouw bedrijf niet bij wanneer iemand zich afmeldt. Als je alleen weet wanneer een gebruiker inlogt, maar niet wanneer hij of zij zich afmeldt, dan weet je ook niet hoelang hij of zij is ingelogd.

Het begrijpen en communiceren van gaten in huidige dataverzameling is een andere verantwoordelijkheid van een data analist. Zodra een fout of bug in de gegevensverzameling is ontdekt, zal een data analist nauw moeten samenwerken met het technische team. Zo wordt er een oplossing gevonden om de datakloof te dichten.

Welke vaardigheden en tools heeft een data analist nodig?

Om data te verzamelen, analyseren en presenteren moeten data analisten overweg kunnen met een aantal tools. De volgende tools zijn het meest gevraagd door werkgevers:

Zoals hierboven al besproken, SQL blijft de meest gebruikte programmeertaal om data op te halen uit een database. Bijna alle bedrijven bewaren hun gegevens in databases, dus het is logisch dat in 90% van alle vacatures voor data analisten om SQL-vaardigheden wordt gevraagd.

Daarnaast heb je een tool nodig om de opgehaalde gegevens te analyseren. Dat kan gedaan worden met Excel, Python, R en SAS. Naast tools zijn Python, R en SAS ook programmeertalen. Met deze vier genoemde hulpmiddelen kun je:

Zodra je alle data hebt verzameld en geanalyseerd, wil je de resultaten duidelijk laten zien in een rapport. Dat rapport moet gegevens automatisch updaten en toegankelijk zijn voor stakeholders binnen het bedrijf. Om deze rapporten of dashboards te bouwen, kun je business intelligence tools, zoals Tableau en Looker, gebruiken.

Voorbeeld van een Data Analist project

Nu je weet wat een data analist doet en welke data analytics tools dagelijks worden gebruikt, is het tijd om te kijken naar een voorbeeldproject. Dit zou een project kunnen zijn waar jij als data analist mee aan de slag gaat in de toekomst.

Projectvraag: Zijn TikTok-advertenties succesvol?

Het Marketing-team van een bedrijf is net begonnen met het lanceren betaalde TikTok-advertenties. Zij willen weten en begrijpen hoe succesvol deze advertenties tot nu toe zijn.

Stap 1: Welke metrics zijn belangrijk?

Wanneer een gebruiker een advertentie ziet, is er nog een aantal stappen te zetten voordat hij of zij daadwerkelijk iets koopt. Voor elke stap moeten de metrics zijn geformuleerd:

Voordat je data kan verzamelen, zul je eerst moeten begrijpen welke metrics gebruikt moeten worden. Alleen dan kan je de projectvraag beantwoorden. Nu dat we weten welke kwesties we moeten oplossen, hebben we een lijst met metrics.

Stap 2: Data verzamelen

Nu dat we een lijst met metrics hebben die we gaan gebruiken voor onze berekeningen, moeten we de data voor deze metrics verzamelen of ophalen.

Al snel heb je in de gaten dat de gegevens voor deze metrics voornamelijk uit drie data sources komen:

Wanneer je weet waar de gegevens vandaan gehaald moeten worden, kun je ze eindelijk verzamelen. Exporteer data vanuit TikTok en Google Analytics naar Excel om de metrics te berekenen. Voor de data uit de database gebruik je de benodigde SQL-queries. Vervolgens exporteer je ook deze informatie naar Excel.

Stap 3: Deel je resultaten

Eindelijk heb je alle data om de projectvraag te beantwoorden of de TikTok-advertenties succesvol zijn geweest. Daarna worden de berekeningen uitgevoerd en de resultaten geanalyseerd. Zo kunnen aanbevelingen worden gedaan. 

Ondanks dat de Click through rate van de advertenties laag is, is het percentage gebruikers dat op de advertentie klikt en convert hoger. Je ziet bij deze groep gebruikers een hogere Revenue per customer dan bij andere groepen.

Hoewel de Return on investment (ROI) van de betaalde advertenties laag is, raad je als data analist aan om meer testen uit te voeren voor een hogere click through rate. Kortom, je denkt dat de TikTok-advertenties veelbelovend en het testen waard zijn. Al jouw analyses en aanbevelingen verstuur je in een e-mail naar de Marketing Manager.

Data Analist worden

Een carrière in Data Analytics is uitdagend en veelbelovend. Een baan als data analist betaalt niet alleen goed, maar geef ook veel carrièremogelijkheden. Om te beginnen in deze sector heb je stevige kennis van statistische analyses, bedrijven en tools nodig. Een Data Analytics Bootcamp is een uitstekende manier om deze vaardigheden te leren.

Wanneer je klaar bent om te solliciteren, moet ook jouw CV in orde zijn. Hieronder zie je een overtuigend voorbeeld in het Engels. Daarnaast willen we je een aantal tips geven hoe je ervoor zorgt dat jouw CV opvalt. Zo wordt de kans op een uitnodiging voor een gesprek ook groter. Bekijk de volgende slimmigheden:

Ben je geïnteresseerd in data? En wil je weten hoe het je kan helpen om een carrièreswitch te maken of je technische vaardigheden kan verbeteren? Bekijk dan vooral onze Data Analytics Bootcamp.