數據科學家vs數據分析師，到底有啥區別？
大數據文摘出品
來源：medium
編譯：Fisher、夏雅薇
數據科學和機器學習兩個領域很容易混淆，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，數據科學和數據分析這兩個職位更容易區分。它們雖有關鍵差別，但也有相似之處。
有人會說，要成為一名數據科學家，要先從數據分析的工作做起。
作者在兩個領域都待過，本文旨在闡明成為數據科學家和數據分析師到底意味著什么。一起來看看~
之前我是數據分析師的時候，我想繼續深造成為一名數據科學家，我意識到兩者有很大不同。并不是說數據科學與數據分析用完全不一樣的工具和編程語言，我甚至覺得數據科學是數據分析的一種形式，因為最終你是在與數據打交道——轉換格式，進行可視化，得出可用的結論。
數據科學家
代碼示例，用于擬合數據科學中的模型并做預測。來源：作者的屏幕截圖。
換一個角度看數據科學，這是一個實施自動化統計的行業，使用各種模型來進行分類和預測。下面是成為一名數據科學家必備的一些技能：
- Python 或者 R
- SQL
- Jupyter Notebook
- 算法/建模
(1) Python——根據我個人經驗，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人——比如機器學習工程師、數據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據科學家，Python應該更有用。
(2) SQL——乍看之下更像是數據分析師的技能，確實如此，但SQL仍是你從事數據科學必備的技能。工作中數據集往往不會直接發給你的，這跟學術界不同，你需要通過SQL獲得自己的數據集。現在有很多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——數據科學家的游樂場，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，調用sklearn、pandas和numpy這些庫來建模和測試。
(4) 算法——數據科學家的主要職責是用算法來快速準確地預測、分類，以及根據數據來給建議。每當你用新的數據來訓練模型，就會得到一些新的結果。關鍵的算法通常分成兩大類：無監督學習(如聚類)和有監督學習(如分類/回歸)。
一些具體的關鍵算法：
- 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，數據科學家要做很多事，但主要職責是：
- 與有關部門一起定義要解決的問題
- 獲取數據(使用SQL)
- 探索性的數據分析、特征工程、模型構建、預測(使用Python、Jupyter Notebook、各種算法)
- 根據工作場景，將代碼編制成.py文件和/或用于部署的模型
數據分析師
數據分析師與業務分析師、商業情報分析師，甚至Tableau開發人員有著相似的頭銜。數據分析的重點是描述和可視化數據所包含的信息，然后向非技術用戶傳達并做進一步的解釋說明。做預測分析的數據分析師跟數據科學家的工作有很多重疊部分——與數據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測的。
數據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——前文提到過數據科學家如何使用SQL，數據分析師也會進行類似的操作。但是，SQL對數據分析師更重要。數據科學家可能只是簡單地從表單中選擇列就可以了，而數據分析師卻要執行更為復雜的查詢操作(例如，常用的表單表達式，數據透視表，窗口函數，子查詢)。不同公司情況不同，有時候數據分析師更接近數據工程師，而非數據科學家。
(2) Excel——很老派，但依然很強大，你甚至可以用它做預測分析和趨勢分析。主要的坑爹之處是跟Python比速度太慢。
(3) Tableau——可視化工具，但根據我的經驗，大多數公司都把它明確列為數據分析師的必備技能。在Tableau中可以拖放數據到預設圖表，簡單強大;還有更多復雜的高級功能，比如計算字段，連接到一個實時的SQL數據庫而非基于靜態的Excel表單進行分析。
總的來說，數據分析師也要做很多事，但主要職能是：
- 與相關部門定義要解決的業務問題
- 獲取數據(使用SQL)
- 探索性的數據分析、趨勢分析和可視化(使用Excel和Tableau)——根據工作場景，向有關部門展示從數據中獲得的發現，并提供可行性的建議
相似點
前面已經概述了一些相似點，總結一下，數據科學家和數據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、分析數據和輸出結果。
差異
盡管有相似之處，但這兩個領域之間仍然有差異。
一部分差異主要在分析的自動化上——數據科學家專注于使用Python等語言編寫算法，進行自動化分析和預測;而數據分析師則使用靜態的或者過往的數據，在某些情況下會使用Tableau和SQL等工具去做預測。
總結
數據科學和數據分析的共同點很多，不僅僅是名稱里都有“數據”而已;但同時它們也有重要的區別。無論你想成為數據科學家還是數據分析師，我希望這篇文章對你有用。如果你已經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。
相關報道：
https://towardsdatascience.com/data-science-vs-data-analysis-heres-the-difference-4d3da0a90f4
【本文是51CTO專欄機構大數據文摘的原創譯文，微信公眾號“大數據文摘（ id: BigDataDigest）”】
