数据分析和数据科学的五大不同之处 译文
在大数据的世界里,您可能会经常听到两个词语:数据科学(Data Science)和数据分析(Data Analytics)。它们虽然从字面上有些相似,但是在大数据的背景下它们强调的是不同的能力和技能方面。下面,我将从职业决策与规划的角度,和您讨论两者之间的差异。
一、知识储备
无论是数据分析还是数据科学领域,都正在变得更加丰富数据、更加专业化。因此,如果您想进入这两种职业领域中的任何一种,都需要做好充分的准备,以满足各项实际工作的需求。其中:
数据分析
数据分析领域的相关工作,往往需要事先对RDBMS(关系数据库管理系统,Relational Database Management System)和操作数据结构模式(Structure Schema)的SQL、以及查询开发分析等方面有所了解。同时,您也需要具备使用R或Python语言,进行统计编程的相关知识。此外,机器学习(Machine Learning,ML)、人工智能(Artificial Intelligence,AI)、自定义算法的开发、以及围绕着信息收集与存储的数据管理知识,也会让您达到事半功倍的效果。简而言之,您需要拥有IT、计算机科学、数学、以及和数统计学的相关应用知识与技能。
数据科学
数据科学家往往具有计算机科学、信息技术、应用数学或统计学的教育背景。这些核心知识可以为您开展提供、收集、组织、处理和建模业务数据,做好准备。同时,您也可以了解并掌握有关数据可视化、基于API的数据收集与准备等方面的专业知识。这些对于您开展探索性数据分析,遵循和建立模型,以及对模型进行定制化设计与测据科试等工作,都十分有益。此外,您在基于AI的预测性建模时,前面提到的ML和AI领域的相关技能也总归是技不压身的。
2. 工作角色和职责
无论是数据分析师还是数据科学家,根据专业水平和企业性质的差异,他们的日常角色和工作职能也会有所不同。主要体现在:
数据分析
数据分析师往往主要聚焦于分析、可视化、以及挖掘那些特定于业务的数据。其角色职能包括:
清理、处理学的、验证、以及例证(exemplify)数据的完整性对大型数据集进行探索性数据分析实施ETL(抽取extract、转换transform、加载load)管道,并进行数据挖掘使用逻辑回归、KNN(K最邻近,K-NearestNeighbor分类算法)、随机森林、以及决策树,进行统计分析在编写自动化代码的同时,构建和管理机器学习(ML)库使用ML五大工具和算法获得新的数据洞见识别数据模型,进而做出明智的、以数据为支持的预测数据科学
数据科学主要涉及到从业务的上下文数据中,获得洞见并得出推论。其角色职能包括:
收集和解释数据识别数据集中的相关模式执行基于SQL的数据查询和子查询使用SQL、Python、SAS(统计分析软件)等RDBMS工具去查询数据熟练掌握各种预测性、规范性、描述性和诊断不同性的分析工具掌握Tableau和IBM Cognos Analytics等可视化工具的使用3. 基本技能组合
由于这两个角色都属于专业领域,因此它们需要特定的技能集,才能胜任日常的基本工作。具体而言:
数据分析
除了具有问题解决能力的中级统计(intermediate statistics)知识和高级分析技能外,数据分析师的技能还包括:
能够通过M之处icrosoft Excel和SQL数据库,对数据进行切片和切块运用商业智能工具生成相关报告通过运用Python、R和SAS等工具,来管理、操作和使用数据集相对于IT工程经验,数据分析师更需要掌握学习统计、数据库管理、数据建模、以及预测分析等技能。数据科学
作为数据科学家,您除了需要精通数学、高级统计学、预测性建模、以及机器学习之外,还需要 译掌握如下领域的软件知识:
Hadoop和Spark针对大数据工具的专业知识SQL、NoSQL和PostgreSQL数据库方面的专业知识了解数据可视化工具和诸如Scala和Python之类的语言4. 工具谱
常言道:“工欲善其事,必先利其器。”好的工具无论是对于数据分析,还是数据科学都是至关重要。为了便于下载和选用,我将当前市场上的工具,有针对数据性地进行了分类:
数据分析数据可视化类:Splunk、QlikView、Power BI、以及TableauETL类:Talend大数据处理类:Spark和RapidMiner数据分析类:Microsoft Excel、R、以及Python数据科学应用数据科学类:SAS、KNIME、RapidMiner、PowerBI、以及DataRobot分析ETL类:Apache Kafka大数据处理类:Apache Hadoop、Spark数据可视化类:Tableau、BigML、Trifacta、QlikView、MicroStrategy、以及Google Analytics数据分析类:Microsoft Excel、Apache Flink、SAP Hana、MongoDB、MiniTa和数b、以及SPSS编程类:R、Julia、以及Python编程库类:可用于针对基于Python数据建模的TensorFlow5. 职业机会
有了前面的信息,您一定想知道在企业中,会有哪些适合数据分析和数据科学领域的热门职业可供选择呢?
数据分析商业智能分析师数据分析师定量分析师数据分析顾问运营分析师营销分析师项目经理IT系统分析师运输物流专家据科数据科学数据分析师数据工程师数据库管理员机器学习工程师数据科学家数据架构师统计员业务分析师数据和分析经理小结
根据上述比较,我们不难发现企业对于数据科学家本身、以及技能上的要求,要比对普通数据分析师的要求高出一些。不过,在职场上,人们通常会以数据分析师的身份开始他们的职业生涯,然后再逐渐转向数据科学领域。对于初学者而言,您也可以从数据架构学的、以及数据工程的相关职位开始,不断打磨和历练自己,最终成为该领域的专家。
原文标题:Data Analysis vs. Data Science: 5 Things to Consider,作者:GAURAV SIYAL
-
云计算开发:Python练习实例-列表排序及连接蚂蚁数科Agentar打造“金融AI大脑”,入选国际标准卓越案例云安全日报210511:Ubuntu 配套火狐浏览器发现执行任意代码漏洞,需要尽快升级高通发布新一代 AI 芯片,挑战英伟达股价大涨 20%标签: 三只羊集团 借壳上市 纳斯达克 直播运营京东物流推出 “超脑大模型 2.0” 和 “异狼具身智能机械臂系统”云计算开发:Python练习实例-输出 9*9 乘法口诀表百度推出 Qianfan-VL 模型 多尺寸模型满足不同场景需求菜鸟关联公司在贵阳成立物联网技术公司 注册资本1.5亿成本激增 今年亚马逊Prime Day促销可能有点“抠”
- ·阿里云换帅之后
- ·像金枪鱼一样动态调节尾巴弹性:「机器金枪鱼」登上Science子刊
- ·成功进行云迁移的方法
- ·科学家利用无人机在南极为企鹅做“人口普查”
- ·为什么错误配置仍然是云安全的最大威胁
- ·IBM发布IBM Watson创新功能 旨在帮助企业扩展人工智能使用
- ·云安全日报210706:Ubuntu开源图形库发现任意代码执行漏洞,需要尽快升级
- ·标签: MiniMax 稀宇科技 中信证券 AI大模型
- ·重磅!AI解决生物学50年大挑战,破解蛋白质分子折叠问题
- ·标签: 华勤技术 港股上市 智能硬件ODM
- ·Transformer又出新变体∞-former:无限长期记忆,任意长度上下文
- ·标签: 闻泰科技 安世半导体 杨沐 Nexperia
- ·标签: TikTok 皮尤研究中心 新闻网红 Z世代
- ·网友反馈“腾讯云崩了” 官方回应:工程师正在紧急修复中
- ·Grafana 使用表格面板进行数据可视化
- ·标签: 曹操出行
- ·告别PPT制作噩梦!谷歌Gemini“一键生成”演示文稿,文件秒变幻灯片
- ·标签: 英伟达 IsaacGR00T JetsonThor 宇树H2Plus
- ·标签: 中国移动 5G网络 AIoT平台 卫星通信
- ·德胜大大是什么梗
- ·AI爬虫新王者!Firecrawl获1450万美元A轮融资,V2版本震撼发布
- ·标签: 北京市监局 12306 携程 去哪儿
- ·Facebook豪掷10亿美元招揽创作者
- ·OpenAI 开发者日重磅发布:ChatGPT 平台化,推出自主 AI 代理和顶级模型
- ·万兴科技推出万兴脑图 AI,开创思维导图新纪元
- ·简单有效,新型对抗性攻击方法成功攻破热门安卓APP中DL模型
