数据分析师与数据科学家的区别(及其技能树)

沃德
·
·
IPFS
·
数据分析师的工作目标偏向当前和具体,更强调确定性;数据科学家的工作目标偏向未来和宏观,面对更多的不确定性,并需要更多的编程和机器学习技能。

知乎上有个问题:数据分析师和数据科学家有何区别?

这个问题还蛮普遍的,关注的人不少。知乎上有不少回答,但没有一个普遍接受的答案,争议比较多。

其实,这个问题在一些英文网站上说得蛮清楚的。只要看两张图就可以了——

第一张图:

这张图出自A Beginner’s Guide To Data Science。很明显两者的工作内容虽然有交叠,但区别还是蛮大的。

数据分析师(Data Analyst)虽然也做一些数据探索分析的工作,但其主要工作是直接的业务支持。可以想象,直接的业务支持要求常规、成熟可和快速的分析技术。

数据科学家(Data Scientist)不仅需要探索性分析数据,还要通过机器学习和算法研究建模,以及数据工方面的工作。在有的公司,也可能叫做数据研究员(Data Researcher)。

上面的解释还是有些抽象。你可以简单地理解为数据科学家研究出一些东西,经过规范化后,数据分析师照章办事就可以了。当然,这样说并不准确,只能体现他们之间的主要关系。他们各自还有很多不同的工作,比如,数据分析师在公司的日常业务中参与更深,而数据科学家会更多地做预测工作。

如果我们看kan第二张图——所需技能对比,就更容易感受两者的不同:

这张图出自网文Data Analyst vs Data Scientist。容易注意到,数据科学家在Python等编程方面需要的知识技能比数据分析师要多得多。虽然现在有些高级数据分析师岗位也要求Python,但总的说来,数据分析师对编程的要求是很低的,对Excel/Tableau/PowerBI这些工具的要求更多些。

总之,虽然数据分析师和数据科学家都是利用已有的数据为公司创造价值,但前者的工作目标偏向当前和具体,更强调确定性,后者的工作目标偏向未来和宏观,面对更多的不确定性,并需要更多的编程和机器学习技能。虽然把数据科学家作为数据分析师的晋升方向也未尝不可,但足够数量的优秀的数据分析师对公司的日常运营是更重要的。



CC BY-NC-ND 2.0

Like my work? Don't forget to support and clap, let me know that you are with me on the road of creation. Keep this enthusiasm together!