資料逐漸成為企業的新一代貨币，這也正是公司為了做出更好的決策不遺餘力的挖掘資料的潛力的原因。為此，公司需要的是懂得如何從海量資料源中擷取需要的資料并以有價值的方式闡述這些資料的專業人士。資料科學家和業務分析師都是這樣的專業人士，但決不能将他們混為一談 ——涉及到決策時他們采取不同的資料分析途徑。因為這兩種稱謂經常被混用，商業分析專家analytics@american繪制了如下的資訊圖來闡明兩者的差異。
盡管兩種類型的專家都是和資料打交道，但他們處理的方式卻不一樣。這種差異可以歸因于他們各自的教育背景。業務分析師接受的教育更多的來自于如商業、人文等領域，從廣泛的資料源提取資料并用來評估過去、目前和未來的業務績效。而資料科學家得益于計算科學、數學和科技的教育背景，在工作中采取統計程式設計的方式來設計和實作算法。
這些差異也展現在他們在為商業決策提供資料支援時使用的技能上。業務分析師将跨領域的資料分析轉變為可用于商業決策的實際資源。相對而言，資料科學家則是做更基礎的工作，他們通過在資料集中挖掘資料來尋找有用的資訊和編寫機器學習算法來為決策制定提供支援。
若想更加深入的了解這兩種類型的大資料專家能怎樣幫助您的公司定制更好的商業決策，詳見如下資訊圖。
在大資料時代，解析海量難以了解的資訊足以引導改變世界的革新。為真正了解這些資料，公司需要各個方面的專業人士，其中包括業務分析師和資料科學家。
<a></a>
業務分析師
從結構化和非結構化資料源研究和提取有價值的資訊并用來解釋曆史的、目前的和将來的業務績效，為客戶決定最好的分析模型和方法并呈現和解釋解決方案。
資料科學家
通過統計程式設計設計、開發和調用算法而支援業務決策；管理海量資料；可視化資料以輔助了解。
業務分析師和資料科學家都是利用資料來為決策工作提供依據，但他們在利用相同或相似的工具時使用的技巧卻不大一樣。下面的圖表描述了在其學科内獲得碩士學位所擁有的技能。
決策制定
業務分析師：将跨領域的資料分析轉變為可用于商業決策的實際資源
資料科學家：通過在資料集中挖掘資料來尋找有用資訊和編寫機器學習算法來為決策制定提供支援
應用問題的解決
業務分析師：定義業務問題，将統計分析轉換成資料驅動的商務智能用來提高業務績效
資料科學家：為可被解決的應用業務問題建立分析基礎
資料分析
業務分析師：利用預測性、規範性和描述性的分析方法來研究、解釋和可視化原始資料，并使之為客戶所用
資料科學家：采用如線性分析方法和多元線性回歸方法來管理群組織海量多中繼資料
分析模型
業務分析師：了解、整合和規範用來對資料模組化的方法
資料科學家：有經驗的統計程式設計人員利用的語言和工具如sas、sql、r、spss、python和knime
資料庫管理
業務分析師：利用類似teradata、oracle和hadoop的工具為各種不同格式的資料，可編碼的和不可編碼的定義和調整資料庫需求
資料科學家：利用類似teradata、oracle和hadoop的工具設計和結構化資料庫
本文作者：佚名
來源：51cto