【盘点】那些“数据驱动”的职业
【盘点】那些“数据驱动”的职业
数据与生活在我们日常生活工作中,任何的行为都会产生数据,而这些数据。往往可以在经过重组整合后,变得更有价值。随着越来越多的商业与政府机构开始关注数据的挖掘、整理和分析,也有越多越多的行业与公司开始以数据作为最核心的业务来驱动。
在数据相关的职业发展道路上,我们列举了四个比较常见的职位方向,分别是商业分析师、数据分析师、数据工程师以及数据学家,这些职位的区别如下:
商业分析师Business Analyst
商业分析师们会利用收集到的数据,分析行业趋势,对企业整体的商业发展做出建议与规划。
专业性要求:
· 掌握统计学工具使用方法(SAS、STATA、SPSS、R)
· 熟悉数据分析方法(Regression, Trend Analysis, forecasting, A/B testing)
· 深度Excel使用方法及大量专业知识
·
数据分析师Data Analyst
数据分析师的工作内容更偏向于实际的数据相关技术工作,例如通过编写代码实现数据清理、数据管理等,常常需要通过运用不同的数据分析工具,来从已有的数据样本中找出更多可分析内容。
专业性要求:
· 编程(Python,R)
· 应用统计分析
· 应用机器学习
· 数据可视化—Tableau,Power BI,QlikView
· 数据整理
· 数据收集及处理
数据工程师Data Engineer
作为更加专精于工具开发的数据工程师,他们会利用自己专业的编程技能来创造并完善数据分析工具,以供团队成员进行解读与分析。
专业性要求:
· 掌握数据处理工具用法—MapReduce,Hive,Pig,Spark,Kafka
· SQL技术—MySQL,PostgreSQL
· NoSQL技术—MongoDB,Cassandra数据库系统
· 数据仓库系统方案
数据学家Data Scientist
与数据工程师们形影不离、相辅相成的数据学家们,将会负责数据工具的设计与要求框架。他们的工作将更加专注于对这些工具产出的结果进行评估和解读。
在数据分析师专业要求的基础上,数据学家另需掌握:
· 多元统计—Regression,主成分分析PCA,聚类分析
· 自然语言处理
· 计算机视觉
· 预定与预测模式
· 云服务技术—AWS,Google、微软
· 机器学习逻辑—Docker,Kubernetes,TIDAL
随着科技在我们生活中扮演越来越重要的角色,数据科学也同样变得越来越重要,相对的也会提升相关专业在就业市场上的热度。