细化数据分析与数据科学

“每个人都在谈论它，没有人真正知道怎么做，每个人都认为其他人在做，所以每个人都声称自己在做”杜克大学经济学教授丹·阿里利（Dan Ariely）曾经对大数据说

这个概念适用于大量的数据术语。当许多人在讨论数据科学、数据分析、大数据和数据挖掘等术语时，即使是专家也很难给它们下定义。数据分析师和数据科学家之间经常混淆的区别。

数据分析师的职责可能因行业和公司而异，但从根本上说，数据分析师利用数据来获得有意义的见解并解决问题。他们使用一系列不同的工具来分析定义良好的数据集，以回答具体的业务需求：例如，为什么某个季度的销售额下降了，为什么营销活动在某些地区表现得更好，内部人员流失如何影响收入。

数据分析师有一系列的领域和头衔，包括(但不限于)数据库分析师、市场研究分析师、销售分析师、财务分析师、营销分析师、广告分析师、客户成功分析师、运营分析师、定价分析师和国际战略分析师。

优秀的数据分析师既具有技术专长，又有能力向非技术同事或客户传达定量结果。

一些行业领袖，比如潘多拉的研究总监迈克尔·霍斯特，会把这类专业人士描述为a型数据科学家。

“A代表分析。这种类型主要关注数据的意义，或者以一种相当静态的方式处理数据。类型数据科学家非常类似于统计(可能是),但知道所有的实际细节处理数据统计课程没有教：数据清洗的方法处理大量数据,可视化,特定领域的深入了解,写好关于数据等等”Twitter前数据科学家Robert Chang

典型背景：数据分析师可以有数学和统计学背景，也可以通过学习用数字做出决策所需的工具来补充非定量背景。

技能和工具：数据挖掘/数据仓库、数据建模、R或SAS,、SQL、统计分析，数据库管理和报告，数据分析。

另一方面，数据科学家通过提问、编写算法和建立统计模型来估计未知。数据分析师和数据科学家之间的主要区别是代码编写量大。数据科学家可以同时使用多个工具安排未定义的数据集，并构建自己的自动化工具和框架。

B代表建筑。B型数据科学家与A型数据科学家共享一些统计背景，但他们也是非常强大的程序员，或者是受过训练的软件工程师。B型数据科学家主要对在生产中使用数据感兴趣。他们建立了与用户互动的模型，经常提供推荐(产品、你可能认识的人、广告、电影、搜索结果)。

技能和工具：机器学习、软件开发、Hadoop、Java、数据挖掘/数据仓库、数据分析、python和面向对象编程。

不管怎么说，人们都在谈论数据。数据分析是处理任何身份的数据的基础，无论是数据分析师、数据科学家、商业智能分析师、市场经理、项目经理还是战略顾问。