数据分析师、数据科学家、大数据专家三个职位的区别
- 2018.6.11
- 版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。
随着数据科学和大数据作为主流职业选择的出现，不少人对相关职位名称的内涵存在一定的混乱，有些人认为大数据等同于数据科学，另外有些人则认为大数据是数据科学的子集。数据科学已经存在了很长一段时间，而大数据则是相当新的，它源于数据科学。
下面是数据分析师，数据科学家和大数据专家之间的一点比较。
数据分析师
1. 定义
使用自动化工具，他们可以获取分离的数据和见解。他们定义数据集并进行广泛的人口统计分析以确定与业务和产品相关的策略。
2. 所需技能
编程，统计学和数学，机器学习，数据可视化和通信技术，数据处理和数据集定义
3. 适用领域
医疗保健，保险，旅游，行政，游戏，分布式系统
数据科学家
1. 定义
获取数据，构建和维护数据库，根据各种需求清理和分离数据，并从事数据可视化和分析工作。
2. 所需技能
SAS/R/类似工具，Python，Hadoop，SQL，重构数据，数据库构建和管理
3. 适用领域
搜索引擎，广告，自适应算法，AI系统
大数据专家
1. 定义
处理连续大量的数据，定义用于分析的参数和数据集，并编制分析系统，为企业提供战略见解。
2. 所需技能
数学和统计学，程序设计和计算机科学，分析技能，商业战略
3. 适用领域
零售，电子商务，金融服务，通信
正如所看到的，数据分析是这些选项中最基本的。数据分析师的工作有更广泛的应用，因此在不同的行业应用更加多样化。即使数据分析师的教育和学术要求也较低。
接下来是大数据工作，这些工作相当复杂，需要高级技能。有时候，大数据认证是获得大数据分析师工作的强制性要求。由于数字技术在各行业的普及，大数据工作的范围日益扩大。
最重要的是数据科学工作。数据科学认证是获得工作的必备条件。数据科学家的范围比大数据要低，这是由于数据科学不同的概况所致。
有了以上信息，数据分析师、数据科学家和大数据专家之间的差异应该清楚。这个信息可以用于在数据分析和商业战略领域制定更好的职业规划。
