来源:数据分析师 CPDA | 时间:2019-05-09 | 作者:admin
21世纪,大数据取得了(或者是获得了)巨大的发展,我们几乎在任何领域都在使用大数据。包括医疗保健、网络安全、银行、在线零售、金融、搜索引擎优化、数字营销和等等许多其他领域在其业务中使用数据科学,已经是司空见惯的事儿了。
现在银行可以非常精准的找到贷款(借款)人各项信息及偿还能力概率。在企业中从事大数据的职位分很多,比如数据科学家、数据分析师、业务分析师……其中数据科学家和数据分析师这两个职位还是有一定的区别。
数据分析师和数据科学家有什么不同?
要成为一名数据科学家,需要具备强大的商业头脑和可视化技能来处理商业故事的见解,而数据分析师则需要具备专业的业务技能和基本的可视化技能就足够了。
数据科学家需要非常精通机器学习和建立统计模型。这些模型在空间模型、推荐系统、预测建模、监督分类、聚类等领域有着广泛的应用。然而,对于数据分析师来说,他需要精通这些流程和操作方式方法就可以。
预测分析是数据科学家需要擅长的过程。从过去的数据集中获得高度准确的未来预测是他的主要职责之一。另一方面,数据分析师从大量数据中获得了宝贵的见解。
数据科学家的工作要求他理解业务的未知方面,而数据分析师则从新的角度研究已知的业务方面。这就是为什么做一名数据科学家比做一名数据分析师要辛苦两倍的原因之一。这也为什么数据科学家的工资要比数据分析师的高甚多的原因。
数据科学家解决业务问题,并且在数据分析师刚刚解决业务问题的同时,解决那些具有更大业务价值的问题。
数据科学家需要在统计学、数学、数据挖掘、相关性方面有很好的基础。数据分析师需要在数据架构的工具和组件方面表现出色。
在数据集上应用秩、中值之类的分析函数是数据科学家的众多工作之一。数据分析师需要精通数据存储和检索工具。
数据科学家需要专门针对数据库系统的专业知识,尤其是NoSQL系统。数据分析师需要了解商业智能和数据仓库概念。
好吧,不要以为你已经知道了数据科学行业的所有角色。数据架构师、数据工程师、统计学家、数据库管理员、业务分析师、数据和分析经理等其他各种工作角色,它们在启动大数据和运行数据科学应用程序方面也非常重要。