![“小瑞,大姨听说你找到新工作啦?数据构架师?你在哪个工地哦,大姨去看你!” “小瑞,大姨听说你找到新工作啦?数据构架师?你在哪个工地哦,大姨去看你!”](https://www.dataapplab.com/wp-content/uploads/2018/12/timg-8.jpg)
“小瑞,大姨听说你找到新工作啦?数据构架师?你在哪个工地哦,大姨去看你!”
各位数据行业的工作者们,
快过年了。
今天这篇文章,
主要为大家解决逢年过节,回家相亲
带来的两个致命问题:
一个是“你是干什么的?”
一个是“我是干什么的?”
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信截图_20181226153139.jpg)
随着数据行业近几年的大热,各种相关职位五花八门的出现。作为一名数据科学家 (Data Scientist),经常被误认为是 Data Analyst。作为一名 BI Analyst, 要苦心解释我为什么不是商业分析师 (Business Analyst)? 如果你还在这些问题里徘徊,小编就来带你一起梳理不同职位的职责和区别。
数据人员根据自身背景分为两部分:Business 和 Engineering。Business 指将技术和商业背景结合,比如与客户的沟通和产品展现,Engineering 主要从事建模和软件工程。数据行业的现状是传统职位依然存在,同时新的职位不断出现并逐渐合并,所以数据职位从发展时间来说分为两类:Traditional和Emerging。总的来说数据行业可以分为四个部分。?
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信图片_20181226153253.jpg)
Data Scientist(DS)/Data Analyst(DA)
这两个职位行使类似的职能,不同的是,DA 是从数据中找到行业发展的信息,而 DS 是运用更深层的技术方法来帮助产品进行研发。
DA 的日常工作中可能会回答以下问题:“网站的浏览量激增是为什么?” “客户流失的主要原因是什么?” DS 通常会通过 A/B testing 来提升产品,他们需要回答“A类还是B类用户会更可能取消他们的订阅?” 以及 “一个大 button 不会不会增加点击量?”
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信图片_20181226153340.gif)
我们可以看出 DA 偏向于解释过去,并提取出对未来发展有用的信息,而 DS 偏向于预测未来。 DS 通常要比DA 经验更丰富,因为他们研究的问题需要更深层次的技术,这也是为什么公司更倾向于应聘 PhD 来做DS。需要说明的是,这里提到的DS 是做数据建模和A/B testing, 机器学习和数据可视化的综合型 DS,只做机器学习的 DS 我们通常称为 ML Researcher/ Scientist,我们后面会解释这一职位。
Data Engineer (DE)
基本所有 DS 都需要 DE 的辅助。而 DE 的主要职能就是建立 Data Pipeline,将原始的复杂数据处理到一定的等级来递送给 DS 进行建模分析。我们的数据来源非常的多,内部数据库的客户信息,外部广告信息平台的后台数据,第三方提供的业务数据。DE 将这些数据建立一个 dashboard 交给 DS 分析,同时要创建一个 Data Warehouse 使数据的查询不影响服务器的运行。DE 需要的是做到这些的软件工程技术。
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信截图_20181226153426.png)
ML/ DL/ AI Researcher/Scientist
ML /DL / AI Engineer
这些职位都是指专注于是研发新的Machine Learning(ML)的方法建模分析解决公司实际问题。而Researcher 与 Engineer 的区别在于,researcher 主要负责研发出机器学习的模型,而 engineer 要将模型应用于产品开发当中。也就是说, researcher 将机器学习的模型研发出来,并在实验范围内提高它的准确性,而 engineer 需要将这些模型运动到生产系统、软件、客户数据系统和不同的 libraries 中,保证模型在现实的系统中也能运用得很好。
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信图片_20181226153502.gif)
Business Analyst (Various Functions)
这类职位已经不是传统的 BA 角色,即作为技术与商业部门的联络人。现在的 BA 要用数据技能,来分析特定领域商业情况。并且每个领域都有了自己的 BA,在找工作时,我们回看到该类职位通常会在名称前加一些关键字,比如 Healthcare Data Analyst, Performance Analyst, Demand Planning Analyst等。
BI Analyst, BI Engineer/ Developer
BI Analyst 是一个相对传统的职业,与 DA 的职能很相似。BI Analyst 通常只在有钱有资源的大公司做的BI系统下工作,常见的 BI 系统包括 ERP,CRM。BI Analyst 和 Business Analyst 很相似,都是分析和汇报数据但不做预测模型。这里,我又不得不说,BI 只在有 BI 系统的大企业里才有,但是 BA就是anywhere。BI Engineers/ Developers之于BI Analyst, 就像Data engineer 之于 Data scientists,Engineers就是数据的漏斗和搬运工。
Data/ ML Product Manager
得益于数据的大量存在,以及上述职位的堆砌分析的共同结果,现在越来越多的商业产品都是依赖于数据而产生的。对于此类产品的管理就需要有数据背景的人来管理,于是就有了 Data/ ML Product Manager这个职位。
看到这里四大类主要数据职位和所需要的相关技能,我相信大家已经有了一定的了解。想要深入解锁这些技能,且听下回分解。
![](https://www.dataapplab.com/wp-content/uploads/2018/12/微信截图_20181226153600.png)
原文作者:George Liu
翻译作者:创作小废物
美工编辑:喝豆奶的Narcia
校对审稿:卡里
原文链接:https://hackernoon.com/navigating-the-data-science-career-landscape-db746a61ac62