【盘点】那些“数据驱动”的职业-新东方前途出国

【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。