[[330191]]

大數(shù)據(jù)文摘出品

來源：medium

編譯：Fisher、夏雅薇

數(shù)據(jù)科學和機器學習兩個領(lǐng)域很容易混淆，從職責描述上還是大家的普遍印象里，這兩個職位都差不多。相較之下，數(shù)據(jù)科學和數(shù)據(jù)分析這兩個職位更容易區(qū)分。它們雖有關(guān)鍵差別，但也有相似之處。

有人會說，要成為一名數(shù)據(jù)科學家，要先從數(shù)據(jù)分析的工作做起。

作者在兩個領(lǐng)域都待過，本文旨在闡明成為數(shù)據(jù)科學家和數(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)分析師的時候，我想繼續(xù)深造成為一名數(shù)據(jù)科學家，我意識到兩者有很大不同。并不是說數(shù)據(jù)科學與數(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)科學是數(shù)據(jù)分析的一種形式，因為最終你是在與數(shù)據(jù)打交道——轉(zhuǎn)換格式，進行可視化，得出可用的結(jié)論。

數(shù)據(jù)科學家

代碼示例，用于擬合數(shù)據(jù)科學中的模型并做預(yù)測。來源：作者的屏幕截圖。

換一個角度看數(shù)據(jù)科學，這是一個實施自動化統(tǒng)計的行業(yè)，使用各種模型來進行分類和預(yù)測。下面是成為一名數(shù)據(jù)科學家必備的一些技能：

• Python 或者 R
• SQL
• Jupyter Notebook
• 算法/建模

(1) Python——根據(jù)我個人經(jīng)驗，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同時列出兩者;但是，我猜你身邊的大多數(shù)人——比如機器學習工程師、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，確實如此，但SQL仍是你從事數(shù)據(jù)科學必備的技能。工作中數(shù)據(jù)集往往不會直接發(fā)給你的，這跟學術(shù)界不同，你需要通過SQL獲得自己的數(shù)據(jù)集?，F(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，但平臺不同。因此，會其中任何一種就行，換到另一種SQL很容易。

(3) Jupyter Notebook——數(shù)據(jù)科學家的游樂場，既可以用于編程也可以建模。你可以把Jupyter當作一個研究工具，你可以編程，寫代碼，注釋掉代碼，調(diào)用sklearn、pandas和numpy這些庫來建模和測試。

(4) 算法——數(shù)據(jù)科學家的主要職責是用算法來快速準確地預(yù)測、分類，以及根據(jù)數(shù)據(jù)來給建議。每當你用新的數(shù)據(jù)來訓練模型，就會得到一些新的結(jié)果。關(guān)鍵的算法通常分成兩大類：無監(jiān)督學習(如聚類)和有監(jiān)督學習(如分類/回歸)。

一些具體的關(guān)鍵算法：

• 隨機森林(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)科學家要做很多事，但主要職責是：

• 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(使用Python、Jupyter Notebook、各種算法)
• 根據(jù)工作場景，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

[[330192]]

數(shù)據(jù)分析師與業(yè)務(wù)分析師、商業(yè)情報分析師，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)用戶傳達并做進一步的解釋說明。做預(yù)測分析的數(shù)據(jù)分析師跟數(shù)據(jù)科學家的工作有很多重疊部分——與數(shù)據(jù)科學家有更多相似之處，但不是通過自動化、算法化的方法來輸出預(yù)測的。

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)科學家如何使用SQL，數(shù)據(jù)分析師也會進行類似的操作。但是，SQL對數(shù)據(jù)分析師更重要。數(shù)據(jù)科學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)科學家。

(2) Excel——很老派，但依然很強大，你甚至可以用它做預(yù)測分析和趨勢分析。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，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，簡單強大;還有更多復(fù)雜的高級功能，比如計算字段，連接到一個實時的SQL數(shù)據(jù)庫而非基于靜態(tài)的Excel表單進行分析。

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、趨勢分析和可視化(使用Excel和Tableau)——根據(jù)工作場景，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

前面已經(jīng)概述了一些相似點，總結(jié)一下，數(shù)據(jù)科學家和數(shù)據(jù)分析師在所用編程語言、平臺/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，但這兩個領(lǐng)域之間仍然有差異。

一部分差異主要在分析的自動化上——數(shù)據(jù)科學家專注于使用Python等語言編寫算法，進行自動化分析和預(yù)測;而數(shù)據(jù)分析師則使用靜態(tài)的或者過往的數(shù)據(jù)，在某些情況下會使用Tableau和SQL等工具去做預(yù)測。

總結(jié)

[[330193]]

數(shù)據(jù)科學和數(shù)據(jù)分析的共同點很多，不僅僅是名稱里都有“數(shù)據(jù)”而已;但同時它們也有重要的區(qū)別。無論你想成為數(shù)據(jù)科學家還是數(shù)據(jù)分析師，我希望這篇文章對你有用。如果你已經(jīng)是這兩個角色當中的一員，那么我希望你學到了一些新的東西。

相關(guān)報道：

https://towardsdatascience.com/data-science-vs-data-analysis-heres-the-difference-4d3da0a90f4

【本文是51CTO專欄機構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文