數(shù)據(jù)科學(xué)家vs數(shù)據(jù)分析師，到底有啥區(qū)別？
大數(shù)據(jù)文摘出品
來源：medium
編譯：Fisher、夏雅薇
數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)兩個(gè)領(lǐng)域很容易混淆，從職責(zé)描述上還是大家的普遍印象里，這兩個(gè)職位都差不多。相較之下，數(shù)據(jù)科學(xué)和數(shù)據(jù)分析這兩個(gè)職位更容易區(qū)分。它們雖有關(guān)鍵差別，但也有相似之處。
有人會(huì)說，要成為一名數(shù)據(jù)科學(xué)家，要先從數(shù)據(jù)分析的工作做起。
作者在兩個(gè)領(lǐng)域都待過，本文旨在闡明成為數(shù)據(jù)科學(xué)家和數(shù)據(jù)分析師到底意味著什么。一起來看看~
之前我是數(shù)據(jù)分析師的時(shí)候，我想繼續(xù)深造成為一名數(shù)據(jù)科學(xué)家，我意識(shí)到兩者有很大不同。并不是說數(shù)據(jù)科學(xué)與數(shù)據(jù)分析用完全不一樣的工具和編程語言，我甚至覺得數(shù)據(jù)科學(xué)是數(shù)據(jù)分析的一種形式，因?yàn)樽罱K你是在與數(shù)據(jù)打交道——轉(zhuǎn)換格式，進(jìn)行可視化，得出可用的結(jié)論。
數(shù)據(jù)科學(xué)家
代碼示例，用于擬合數(shù)據(jù)科學(xué)中的模型并做預(yù)測(cè)。來源：作者的屏幕截圖。
換一個(gè)角度看數(shù)據(jù)科學(xué)，這是一個(gè)實(shí)施自動(dòng)化統(tǒng)計(jì)的行業(yè)，使用各種模型來進(jìn)行分類和預(yù)測(cè)。下面是成為一名數(shù)據(jù)科學(xué)家必備的一些技能：
- Python 或者 R
- SQL
- Jupyter Notebook
- 算法/建模
(1) Python——根據(jù)我個(gè)人經(jīng)驗(yàn)，大部分公司傾向于用Python而不是R作為主要編程語言。雖然職位描述里可能會(huì)同時(shí)列出兩者;但是，我猜你身邊的大多數(shù)人——比如機(jī)器學(xué)習(xí)工程師、數(shù)據(jù)工程師和軟件工程師——都不怎么熟悉R。因此，要想成為一名更全面的數(shù)據(jù)科學(xué)家，Python應(yīng)該更有用。
(2) SQL——乍看之下更像是數(shù)據(jù)分析師的技能，確實(shí)如此，但SQL仍是你從事數(shù)據(jù)科學(xué)必備的技能。工作中數(shù)據(jù)集往往不會(huì)直接發(fā)給你的，這跟學(xué)術(shù)界不同，你需要通過SQL獲得自己的數(shù)據(jù)集。現(xiàn)在有很多SQL的分支，比如PostgreSQL、MySQL、Microsoft SQL Server T-SQL，以及Oracle SQL。它們都屬于同一種查詢語言，形式接近，但平臺(tái)不同。因此，會(huì)其中任何一種就行，換到另一種SQL很容易。
(3) Jupyter Notebook——數(shù)據(jù)科學(xué)家的游樂場(chǎng)，既可以用于編程也可以建模。你可以把Jupyter當(dāng)作一個(gè)研究工具，你可以編程，寫代碼，注釋掉代碼，調(diào)用sklearn、pandas和numpy這些庫來建模和測(cè)試。
(4) 算法——數(shù)據(jù)科學(xué)家的主要職責(zé)是用算法來快速準(zhǔn)確地預(yù)測(cè)、分類，以及根據(jù)數(shù)據(jù)來給建議。每當(dāng)你用新的數(shù)據(jù)來訓(xùn)練模型，就會(huì)得到一些新的結(jié)果。關(guān)鍵的算法通常分成兩大類：無監(jiān)督學(xué)習(xí)(如聚類)和有監(jiān)督學(xué)習(xí)(如分類/回歸)。
一些具體的關(guān)鍵算法：
- 隨機(jī)森林(系綜分類)
- Logistic回歸(分類——不是回歸)
- K-Means(聚類)
- K-最近鄰(分類/回歸)
總的來說，數(shù)據(jù)科學(xué)家要做很多事，但主要職責(zé)是：
- 與有關(guān)部門一起定義要解決的問題
- 獲取數(shù)據(jù)(使用SQL)
- 探索性的數(shù)據(jù)分析、特征工程、模型構(gòu)建、預(yù)測(cè)(使用Python、Jupyter Notebook、各種算法)
- 根據(jù)工作場(chǎng)景，將代碼編制成.py文件和/或用于部署的模型
數(shù)據(jù)分析師
數(shù)據(jù)分析師與業(yè)務(wù)分析師、商業(yè)情報(bào)分析師，甚至Tableau開發(fā)人員有著相似的頭銜。數(shù)據(jù)分析的重點(diǎn)是描述和可視化數(shù)據(jù)所包含的信息，然后向非技術(shù)用戶傳達(dá)并做進(jìn)一步的解釋說明。做預(yù)測(cè)分析的數(shù)據(jù)分析師跟數(shù)據(jù)科學(xué)家的工作有很多重疊部分——與數(shù)據(jù)科學(xué)家有更多相似之處，但不是通過自動(dòng)化、算法化的方法來輸出預(yù)測(cè)的。
數(shù)據(jù)分析師需要具備的一些主要技能有：
- SQL
- Excel
- Tableau(或者其他可視化工具，比如Google Data Studio)
(1) SQL——前文提到過數(shù)據(jù)科學(xué)家如何使用SQL，數(shù)據(jù)分析師也會(huì)進(jìn)行類似的操作。但是，SQL對(duì)數(shù)據(jù)分析師更重要。數(shù)據(jù)科學(xué)家可能只是簡單地從表單中選擇列就可以了，而數(shù)據(jù)分析師卻要執(zhí)行更為復(fù)雜的查詢操作(例如，常用的表單表達(dá)式，數(shù)據(jù)透視表，窗口函數(shù)，子查詢)。不同公司情況不同，有時(shí)候數(shù)據(jù)分析師更接近數(shù)據(jù)工程師，而非數(shù)據(jù)科學(xué)家。
(2) Excel——很老派，但依然很強(qiáng)大，你甚至可以用它做預(yù)測(cè)分析和趨勢(shì)分析。主要的坑爹之處是跟Python比速度太慢。
(3) Tableau——可視化工具，但根據(jù)我的經(jīng)驗(yàn)，大多數(shù)公司都把它明確列為數(shù)據(jù)分析師的必備技能。在Tableau中可以拖放數(shù)據(jù)到預(yù)設(shè)圖表，簡單強(qiáng)大;還有更多復(fù)雜的高級(jí)功能，比如計(jì)算字段，連接到一個(gè)實(shí)時(shí)的SQL數(shù)據(jù)庫而非基于靜態(tài)的Excel表單進(jìn)行分析。
總的來說，數(shù)據(jù)分析師也要做很多事，但主要職能是：
- 與相關(guān)部門定義要解決的業(yè)務(wù)問題
- 獲取數(shù)據(jù)(使用SQL)
- 探索性的數(shù)據(jù)分析、趨勢(shì)分析和可視化(使用Excel和Tableau)——根據(jù)工作場(chǎng)景，向有關(guān)部門展示從數(shù)據(jù)中獲得的發(fā)現(xiàn)，并提供可行性的建議
相似點(diǎn)
前面已經(jīng)概述了一些相似點(diǎn)，總結(jié)一下，數(shù)據(jù)科學(xué)家和數(shù)據(jù)分析師在所用編程語言、平臺(tái)/工具，以及所解決的問題方面，都有共同之處。
這些工具包括但不限于SQL、Tableau，以及相似的分析流程，定義問題、分析數(shù)據(jù)和輸出結(jié)果。
差異
盡管有相似之處，但這兩個(gè)領(lǐng)域之間仍然有差異。
一部分差異主要在分析的自動(dòng)化上——數(shù)據(jù)科學(xué)家專注于使用Python等語言編寫算法，進(jìn)行自動(dòng)化分析和預(yù)測(cè);而數(shù)據(jù)分析師則使用靜態(tài)的或者過往的數(shù)據(jù)，在某些情況下會(huì)使用Tableau和SQL等工具去做預(yù)測(cè)。
總結(jié)
數(shù)據(jù)科學(xué)和數(shù)據(jù)分析的共同點(diǎn)很多，不僅僅是名稱里都有“數(shù)據(jù)”而已;但同時(shí)它們也有重要的區(qū)別。無論你想成為數(shù)據(jù)科學(xué)家還是數(shù)據(jù)分析師，我希望這篇文章對(duì)你有用。如果你已經(jīng)是這兩個(gè)角色當(dāng)中的一員，那么我希望你學(xué)到了一些新的東西。
相關(guān)報(bào)道：
https://towardsdatascience.com/data-science-vs-data-analysis-heres-the-difference-4d3da0a90f4
【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
