數(shù)據(jù)分析和數(shù)據(jù)科學(xué)的五大不同之處

譯者 | 陳峻

在大數(shù)據(jù)的世界里，您可能會(huì)經(jīng)常聽(tīng)到兩個(gè)詞語(yǔ)：數(shù)據(jù)科學(xué)(Data Science)和數(shù)據(jù)分析(Data Analytics)。它們雖然從字面上有些相似，但是在大數(shù)據(jù)的背景下它們強(qiáng)調(diào)的是不同的能力和技能方面。下面，我將從職業(yè)決策與規(guī)劃的角度，和您討論兩者之間的差異。

一、知識(shí)儲(chǔ)備

無(wú)論是數(shù)據(jù)分析還是數(shù)據(jù)科學(xué)領(lǐng)域，都正在變得更加豐富、更加專業(yè)化。因此，如果您想進(jìn)入這兩種職業(yè)領(lǐng)域中的任何一種，都需要做好充分的準(zhǔn)備，以滿足各項(xiàng)實(shí)際工作的需求。其中：

數(shù)據(jù)分析

數(shù)據(jù)分析領(lǐng)域的相關(guān)工作，往往需要事先對(duì)RDBMS(關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)，Relational Database Management System)和操作數(shù)據(jù)結(jié)構(gòu)模式(Structure Schema)的SQL、以及查詢開(kāi)發(fā)等方面有所了解。同時(shí)，您也需要具備使用R或Python語(yǔ)言，進(jìn)行統(tǒng)計(jì)編程的相關(guān)知識(shí)。此外，機(jī)器學(xué)習(xí)(Machine Learning，ML)、人工智能(Artificial Intelligence，AI)、自定義算法的開(kāi)發(fā)、以及圍繞著信息收集與存儲(chǔ)的數(shù)據(jù)管理知識(shí)，也會(huì)讓您達(dá)到事半功倍的效果。簡(jiǎn)而言之，您需要擁有IT、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、以及統(tǒng)計(jì)學(xué)的相關(guān)應(yīng)用知識(shí)與技能。

數(shù)據(jù)科學(xué)

數(shù)據(jù)科學(xué)家往往具有計(jì)算機(jī)科學(xué)、信息技術(shù)、應(yīng)用數(shù)學(xué)或統(tǒng)計(jì)學(xué)的教育背景。這些核心知識(shí)可以為您開(kāi)展提供、收集、組織、處理和建模業(yè)務(wù)數(shù)據(jù)，做好準(zhǔn)備。同時(shí)，您也可以了解并掌握有關(guān)數(shù)據(jù)可視化、基于API的數(shù)據(jù)收集與準(zhǔn)備等方面的專業(yè)知識(shí)。這些對(duì)于您開(kāi)展探索性數(shù)據(jù)分析，遵循和建立模型，以及對(duì)模型進(jìn)行定制化設(shè)計(jì)與測(cè)試等工作，都十分有益。此外，您在基于AI的預(yù)測(cè)性建模時(shí)，前面提到的ML和AI領(lǐng)域的相關(guān)技能也總歸是技不壓身的。

2. 工作角色和職責(zé)

無(wú)論是數(shù)據(jù)分析師還是數(shù)據(jù)科學(xué)家，根據(jù)專業(yè)水平和企業(yè)性質(zhì)的差異，他們的日常角色和工作職能也會(huì)有所不同。主要體現(xiàn)在：

數(shù)據(jù)分析

數(shù)據(jù)分析師往往主要聚焦于分析、可視化、以及挖掘那些特定于業(yè)務(wù)的數(shù)據(jù)。其角色職能包括：

清理、處理、驗(yàn)證、以及例證(exemplify)數(shù)據(jù)的完整性

對(duì)大型數(shù)據(jù)集進(jìn)行探索性數(shù)據(jù)分析

實(shí)施ETL(抽取extract、轉(zhuǎn)換transform、加載load)管道，并進(jìn)行數(shù)據(jù)挖掘

使用邏輯回歸、KNN(K最鄰近，K-NearestNeighbor分類算法)、隨機(jī)森林、以及決策樹(shù)，進(jìn)行統(tǒng)計(jì)分析

在編寫(xiě)自動(dòng)化代碼的同時(shí)，構(gòu)建和管理機(jī)器學(xué)習(xí)(ML)庫(kù)

使用ML工具和算法獲得新的數(shù)據(jù)洞見(jiàn)

識(shí)別數(shù)據(jù)模型，進(jìn)而做出明智的、以數(shù)據(jù)為支持的預(yù)測(cè)

數(shù)據(jù)科學(xué)

數(shù)據(jù)科學(xué)主要涉及到從業(yè)務(wù)的上下文數(shù)據(jù)中，獲得洞見(jiàn)并得出推論。其角色職能包括：

收集和解釋數(shù)據(jù)

識(shí)別數(shù)據(jù)集中的相關(guān)模式

執(zhí)行基于SQL的數(shù)據(jù)查詢和子查詢

使用SQL、Python、SAS(統(tǒng)計(jì)分析軟件)等RDBMS工具去查詢數(shù)據(jù)

熟練掌握各種預(yù)測(cè)性、規(guī)范性、描述性和診斷性的分析工具

掌握Tableau和IBM Cognos Analytics等可視化工具的使用

3. 基本技能組合

由于這兩個(gè)角色都屬于專業(yè)領(lǐng)域，因此它們需要特定的技能集，才能勝任日常的基本工作。具體而言：

數(shù)據(jù)分析

除了具有問(wèn)題解決能力的中級(jí)統(tǒng)計(jì)(intermediate statistics)知識(shí)和高級(jí)分析技能外，數(shù)據(jù)分析師的技能還包括：

能夠通過(guò)Microsoft Excel和SQL數(shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)進(jìn)行切片和切塊

運(yùn)用商業(yè)智能工具生成相關(guān)報(bào)告

通過(guò)運(yùn)用Python、R和SAS等工具，來(lái)管理、操作和使用數(shù)據(jù)集

相對(duì)于IT工程經(jīng)驗(yàn)，數(shù)據(jù)分析師更需要掌握學(xué)習(xí)統(tǒng)計(jì)、數(shù)據(jù)庫(kù)管理、數(shù)據(jù)建模、以及預(yù)測(cè)分析等技能。

數(shù)據(jù)科學(xué)

作為數(shù)據(jù)科學(xué)家，您除了需要精通數(shù)學(xué)、高級(jí)統(tǒng)計(jì)學(xué)、預(yù)測(cè)性建模、以及機(jī)器學(xué)習(xí)之外，還需要掌握如下領(lǐng)域的軟件知識(shí)：

Hadoop和Spark針對(duì)大數(shù)據(jù)工具的專業(yè)知識(shí)

SQL、NoSQL和PostgreSQL數(shù)據(jù)庫(kù)方面的專業(yè)知識(shí)

了解數(shù)據(jù)可視化工具和諸如Scala和Python之類的語(yǔ)言

4. 工具譜

常言道：“工欲善其事，必先利其器?！焙玫墓ぞ邿o(wú)論是對(duì)于數(shù)據(jù)分析，還是數(shù)據(jù)科學(xué)都是至關(guān)重要。為了便于下載和選用，我將當(dāng)前市場(chǎng)上的工具，有針對(duì)性地進(jìn)行了分類：

數(shù)據(jù)分析

數(shù)據(jù)可視化類：Splunk、QlikView、Power BI、以及Tableau

ETL類：Talend

大數(shù)據(jù)處理類：Spark和RapidMiner

數(shù)據(jù)分析類：Microsoft Excel、R、以及Python

數(shù)據(jù)科學(xué)

應(yīng)用數(shù)據(jù)科學(xué)類：SAS、KNIME、RapidMiner、PowerBI、以及DataRobot

ETL類：Apache Kafka

大數(shù)據(jù)處理類：Apache Hadoop、Spark

數(shù)據(jù)可視化類：Tableau、BigML、Trifacta、QlikView、MicroStrategy、以及Google Analytics

數(shù)據(jù)分析類：Microsoft Excel、Apache Flink、SAP Hana、MongoDB、MiniTab、以及SPSS

編程類：R、Julia、以及Python

編程庫(kù)類：可用于針對(duì)基于Python數(shù)據(jù)建模的TensorFlow

5. 職業(yè)機(jī)會(huì)

有了前面的信息，您一定想知道在企業(yè)中，會(huì)有哪些適合數(shù)據(jù)分析和數(shù)據(jù)科學(xué)領(lǐng)域的熱門(mén)職業(yè)可供選擇呢?

數(shù)據(jù)分析

商業(yè)智能分析師

數(shù)據(jù)分析師

定量分析師

數(shù)據(jù)分析顧問(wèn)

運(yùn)營(yíng)分析師

營(yíng)銷分析師

項(xiàng)目經(jīng)理

IT系統(tǒng)分析師

運(yùn)輸物流專家

數(shù)據(jù)科學(xué)

數(shù)據(jù)分析師

數(shù)據(jù)工程師

數(shù)據(jù)庫(kù)管理員

機(jī)器學(xué)習(xí)工程師

數(shù)據(jù)科學(xué)家

數(shù)據(jù)架構(gòu)師

統(tǒng)計(jì)員

業(yè)務(wù)分析師

數(shù)據(jù)和分析經(jīng)理

小結(jié)

根據(jù)上述比較，我們不難發(fā)現(xiàn)企業(yè)對(duì)于數(shù)據(jù)科學(xué)家本身、以及技能上的要求，要比對(duì)普通數(shù)據(jù)分析師的要求高出一些。不過(guò)，在職場(chǎng)上，人們通常會(huì)以數(shù)據(jù)分析師的身份開(kāi)始他們的職業(yè)生涯，然后再逐漸轉(zhuǎn)向數(shù)據(jù)科學(xué)領(lǐng)域。對(duì)于初學(xué)者而言，您也可以從數(shù)據(jù)架構(gòu)、以及數(shù)據(jù)工程的相關(guān)職位開(kāi)始，不斷打磨和歷練自己，最終成為該領(lǐng)域的專家。

譯者介紹

陳峻 (Julian Chen)，51CTO社區(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對(duì)內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專注傳播網(wǎng)絡(luò)與信息安全知識(shí)與經(jīng)驗(yàn);持續(xù)以博文、專題和譯文等形式，分享前沿技術(shù)與新知;經(jīng)常以線上、線下等方式，開(kāi)展信息安全類培訓(xùn)與授課。

原文標(biāo)題：Data Analysis vs. Data Science: 5 Things to Consider，作者：GAURAV SIYAL

關(guān)鍵詞： 數(shù)據(jù)分析和數(shù)據(jù)科學(xué)的五大不同之處 數(shù)據(jù)可視化 機(jī)器學(xué)習(xí)