统计、数据科学、商业分析对比(二)
工作岗位:
1. 统计:
金融类:精算、风控
大数据类:数据挖掘专家、商业智能分析师、数据库管理与开发等
数据分析类:数据工程师、业务分析师、数据工程师、数据研究员
2. 数据科学:
机器学习工程师:代表了技术含量较高的方向,工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要ship production code,做出来的是数据产品
数据分析员:工作内容俗称analytics (product analytics or businessanalytics),从数据中提取insight,估计投资回报比,为产品方向提建议,所用工具一般较基础,比如写SQLquery取数据、用R/Python做简单的分析、用Tableau/Excel作图比较常见,能自己开发Dashboard算是analys里面技术强的,工作需要产生各种形式的报告,在统计层次上,懂基本t-test和线性回归即可
数据科学家:此类职位工作内容以高级建模为主,会针对复杂的问题来设计技术方案,比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Fraud Detection,Amazon物流管理,FB/Linkedin的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验
3. 商业分析:
互联网:算法、数据挖掘、数据分析、运营
金融:投资、信用风险
市场营销:市场分析、用户分析、用户行为分析
咨询方向:分析收集到的数据、使用数据提供实际的战略方向
其他行业方向:制造业、快消零售
工作岗位:
1. 统计:
金融类:精算、风控
大数据类:数据挖掘专家、商业智能分析师、数据库管理与开发等
数据分析类:数据工程师、业务分析师、数据工程师、数据研究员
2. 数据科学:
机器学习工程师:代表了技术含量较高的方向,工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要ship production code,做出来的是数据产品
数据分析员:工作内容俗称analytics (product analytics or businessanalytics),从数据中提取insight,估计投资回报比,为产品方向提建议,所用工具一般较基础,比如写SQLquery取数据、用R/Python做简单的分析、用Tableau/Excel作图比较常见,能自己开发Dashboard算是analys里面技术强的,工作需要产生各种形式的报告,在统计层次上,懂基本t-test和线性回归即可
数据科学家:此类职位工作内容以高级建模为主,会针对复杂的问题来设计技术方案,比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Fraud Detection,Amazon物流管理,FB/Linkedin的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验
3. 商业分析:
互联网:算法、数据挖掘、数据分析、运营
金融:投资、信用风险
市场营销:市场分析、用户分析、用户行为分析
咨询方向:分析收集到的数据、使用数据提供实际的战略方向
其他行业方向:制造业、快消零售
微信扫一扫









