分析師，科學家還是資料專家？IT人員如何選擇職位

從事資料，大資料，資料分析和業務改進的it人員中都有很多就業機會。根據麥肯錫全球研究院對于2018年美國的預測顯示，這類人員中，有14萬多人缺乏深刻的分析技能，更不用說那些需要解釋資料分析來做出資料驅動的業務決定的150萬人。如果數字正确的話，看來市場需求将明顯超過供應量。

it人員希望獲得資料科學家，資料分析師，業務分析師和資料專家在内的幾個可能需要的職位，重要的是要磨練最能符合其能力和願望的那個職位，并在今後得到進一步的職業發展。但是，請注意，人們可能以不同的方式來實作，有時甚至可以互換。是以，需要看看每個标題的描述，以確定在下一次評估或面試時的職業角色以及它的名字。

1.資料科學家

資料科學家通常被稱之為“獨角獸”，勝利這一角色，并具備所有必要技能的人是比較罕見的。基本上，資料科學家為資料驅動的決策提供模型，展望未來，并展示必要的創新和創新方法。

除了擁有強大的技術技能（例如，使用hadoop，在randpython中進行程式設計，數學統計）以外，資料科學家還應該能夠以解決開放式的問題和無向研究的方式為組織帶來可衡量的商業利益。在理想情況下，它們本質上是好奇的，并且可以同時涉及資料，組織需求，以及需要聽取業務用衆的需求。

人們可以想象，具有這些能力的資料科學家對于組織來說可能是相當有價值的。它們是企業可用的資料資源與管理人員之間的紐帶，尋找機會使業務更好，更快，更強。根據企業的規模和目标，他們可以向首席科學家，cto（首席技術官），cmo（首席營銷官）或直接向首席執行官彙報工作。

2.資料分析師

資料分析師可以使用現有的工具和算法來解決與資料相關的問題，而不是像資料科學家們那樣發明新的工具和算法。程式設計和統計資料是資料分析師的兩個基本技能，以及資料争論和資料可視化。他們還将自定義資料庫查詢放在一起，以回答業務使用者的問題，從現有資料中實作新的名額，努力提高資料品質，并有助于正确擷取新資料。

關于使用這個分析師的職位，沒有任何規則。一個組織的資料分析師可能被稱為資料科學家或統計學家。他們也經常期望将技術知識與行業知識相結合，與以下讨論的業務分析師的工作範圍相重疊。然而，總體而言，它們的特征是将資料收集，操縱和分析，使用标準和方法，以及作為組織資料的守護者。

資料分析師可能會向首席資訊官（cio），首席資料官（cdo）或可能向資料科學家或業務分析師團隊負責人報告。資料分析師的薪水通常相當高，而資料科學家的薪水可能會更高。與資料分析師相比，這可能反映了資料科學家創造模型來改善未來的要求。

3.業務分析師

通常行業專家，業務分析人員也必須具備操縱資料和指定系統的合理知識，同時能夠在不同層次上進行良好的溝通。在一般意義上，業務分析師的出發點是評估其組織的營運和功能需求。然後，他們将這些需求轉化為系統規格，并尋找這種系統最有吸引力的融資方案。

資料庫設計通常是業務分析師工作的重要組成部分。這包括資料庫模組化，名額定義，儀表設計，以及建立和釋出執行報告。roi（投資回報率）也是一個關鍵問題，因為業務分析師将其資料相關活動應用于财務，營銷和風險管理。

業務分析師可能與資料科學家和資料分析師在度量定義和資料庫設計等領域合作。所有這三個職痊類别之間的差別可能會變得模糊，例如，如果業務分析師還提供新業務系統和應用程式的代碼。業務分析師通常在矩陣組織中工作，例如向cio或cfo等經理報告，以及向項目負責人彙報工作。

4．資料庫專家

顧名思義，資料庫專家擁有資料庫的深入知識。他們采用資訊安全軟體工作，以防止資料洩露，并通過組織任何數量的資料來協助業務營運。它們確定資料被正确存儲，保護，清理，轉換，聚合以滿足業務需求。這包括編譯和安裝資料庫系統，擴充到多台機器，并實施災難恢複計劃。

資料庫專家還可以檢視組織使用的其他資料存儲庫，例如資料存儲，資料集，資料倉庫，資料湖。除資料管理技能和資料架構優化以滿足業務需求外，他們還為資料分析師和資料科學家提供了一個強大的平台，以擷取他們自己的模型和調查所需的資料。而具了有強大的技術能力，資料庫專家可能會安心使用mysql資料庫（如mysql和postgre sql），以及nosql技術（如mongo db和redis）。在it部門的部分，通常是資料庫專家可以向it部門上司或cio報告。其薪資與資料分析師或資料科學家的薪酬相當，具有較強的軟體工程技能會有更高的報酬水準。

如今的資料職位可以跨越未來

以下的職位角色将會在幾個地方相交。例如，盡管資料科學家提供模組化，叙事，可視化和統計技能，但與資料庫專家在系統實作，資料存儲和資料庫管理方面的專業知識相比，它們在程式設計和數學領域的範圍都是重疊的。同樣，資料分析師可能會将重點放在标準的sql資料存儲，分析，統計和商業智能功能上，與使用進階統計資料的新資料采集和處理相關的資料科學家相比，他們通常對資料更加好奇，希望擷取洞察力，以及向業務閱聽人介紹資料的叙事能力。

是以，可以從另一個職位轉移到另一個職位，并将“内部客戶”轉換為“從更技術的閱聽人到更加以業務為中心”。從業人員或其組織用于準備和管理資料，模組化和設計分析算法的平台，以及資料和分析結果的可視化可以有助于此過程。例如，sisense加速和促進所有這些功能，使資料分析師和資料庫專家更容易“成長”成業務分析師或資料科學家的角色，如果他們想這樣做的話。但是，如果從業人員想為自己編制一個完全原始的資料職位，請嘗試使用sisense資料職位發生器，并檢視全新的可能性範圍。

本文轉自d1net（轉載）