分析師的專(zhuān)業(yè)知識和技能。有些工具的目標受眾是新手用戶(hù)，有的是專(zhuān)業(yè)數據分析師，有的則是針對這兩種受眾設計的。

• 分析多樣性。

根據不同的用戶(hù)案例和應用，企業(yè)用戶(hù)可能需要支持不同類(lèi)型的分析功能，使用特定類(lèi)型的建模（例如回歸、聚類(lèi)、分割、行為建模和決策樹(shù)）。這些功能已經(jīng)能夠廣泛支持高水平、不同形式的分析建模，但是還是有一些廠(chǎng)商投入數十年的精力，調整不同版本的算法，增加更加高級的功能。理解哪些模型與企業(yè)面臨的問(wèn)題最相關(guān)，根據產(chǎn)品如何最好地滿(mǎn)足用戶(hù)的業(yè)務(wù)需求進(jìn)行產(chǎn)品評估，這些都非常重要。

• 數據范圍分析。

要分析的數據范圍涉及很多方面，如結構化和非結構化信息，傳統的本地數據庫和數據倉庫、基于云端的數據源，大數據平臺（如Hadoop）上的數據管理等。但是，不同產(chǎn)品對非傳統數據湖（在Hadoop內或其他用于提供橫向擴展的NoSQL數據管理系統內）上的數據管理提供的支持程度不一。如何選擇產(chǎn)品，企業(yè)必須考慮獲取和處理數據量及數據種類(lèi)的特定需求。

• 協(xié)作。

企業(yè)規模越大，越有可能需要跨部門(mén)、在諸多分析師之間分享分析、模型和應用。企業(yè)如果有很多分析師分布在各部門(mén)，對結果如何進(jìn)行解釋和分析，可能會(huì )需要增加更多的共享模型和協(xié)作的方法。

• 許可證書(shū)和維護預算。

幾乎所有廠(chǎng)商的產(chǎn)品都分不同的版本，購買(mǎi)費用和整個(gè)運營(yíng)成本各不相同。許可證書(shū)費用與特性、功能、對分析數據的量或者產(chǎn)品可使用的節點(diǎn)數的限制成正比。

• 易用性。

沒(méi)有統計背景的商業(yè)分析師是否也能夠輕松地開(kāi)發(fā)分析和應用呢？確定產(chǎn)品是否提供了方便開(kāi)發(fā)和分析的可視化方法。

• 非結構化數據使用率。

確認產(chǎn)品能夠使用不同類(lèi)型的非結構化數據（文檔、電子郵件、圖像、視頻、演示文稿、社交媒體渠道信息等），并且能夠解析和利用收到的信息。

• 可擴展性和可伸縮性。

隨著(zhù)數據量的不斷增長(cháng)和數據管理平臺的不斷擴展，要評估不同的分析產(chǎn)品如何跟隨處理與存儲容量的增長(cháng)而增長(cháng)。

隨著(zhù)大數據的愈演愈熱，相關(guān)大數據的職業(yè)也成為熱門(mén)，給人才發(fā)展帶來(lái)帶來(lái)了很多機會(huì )。數據科學(xué)家、數據工程師、數據分析師已經(jīng)成為大數據行業(yè)最熱門(mén)的職位。它們是如何定義的？具體是做什么工作的？需要哪些技能？讓我們一起來(lái)看看吧。

• 數據科學(xué)家是個(gè)什么樣的存在

   

數據科學(xué)家是指能采用科學(xué)方法、運用數據挖掘工具對復雜多量的數字、符號、文字、網(wǎng)址、音頻或視頻等信息進(jìn)行數字化重現與認識，并能尋找新的數據洞察的工程師或專(zhuān)家(不同于統計學(xué)家或分析師)。

• 數據工程師是如何定義的

數據工程師一般被定義成“深刻理解統計學(xué)科的明星軟件工程師”。如果你正為一個(gè)商業(yè)問(wèn)題煩惱，那么你需要一個(gè)數據工程師。他們的核心價(jià)值在于他們借由清晰數據創(chuàng )建數據管道的能力。充分了解文件系統，分布式計算與數據庫是成為一位優(yōu)秀數據工程師的必要技能。

數據工程師對演算法有相當好的理解。因此，數據工程師理應能運行基本數據模型。商業(yè)需求的高端化催生了演算高度復雜化的需求。很多時(shí)候，這些需求超過(guò)了數據工程師掌握知識范圍，這個(gè)時(shí)候你就需要打電話(huà)尋求數據科學(xué)家的幫助。

• 數據分析師該如何理解

數據分析師指的是不同行業(yè)中，專(zhuān)門(mén)從事行業(yè)數據搜集、整理、分析，并依據數據做出行業(yè)研究、評估和預測的專(zhuān)業(yè)人員。他們知道如何提出正確的問(wèn)題，非常善于數據分析，數據可視化和數據呈現。

這3個(gè)職業(yè)具體有什么職責：

• 數據科學(xué)家的工作職責

數據科學(xué)家傾向于用探索數據的方式來(lái)看待周?chē)氖澜?。把大量散亂的數據變成結構化的可供分析的數據，還要找出豐富的數據源，整合其他可能不完整的數據源，并清理成結果數據集。新的競爭環(huán)境中，挑戰不斷地變化，新數據不斷地流入，數據科學(xué)家需要幫助決策者穿梭于各種分析，從臨時(shí)數據分析到持續的數據交互分析。當他們有所發(fā)現，便交流他們的發(fā)現，建議新的業(yè)務(wù)方向。他們很有創(chuàng )造力的展示視覺(jué)化的信息，也讓找到的模式清晰而有說(shuō)服力。把蘊含在數據中的規律建議給Boss，從而影響產(chǎn)品，流程和決策。

• 數據工程師的工作職責

分析歷史、預測未來(lái)、優(yōu)化選擇，這是大數據工程師在“玩數據”時(shí)最重要的三大任務(wù)。通過(guò)這三個(gè)工作方向，他們幫助企業(yè)做出更好的商業(yè)決策。

大數據工程師一個(gè)很重要的工作，就是通過(guò)分析數據來(lái)找出過(guò)去事件的特征。比如，騰訊的數據團隊正在搭建一個(gè)數據倉庫，把公司所有網(wǎng)絡(luò )平臺上數量龐大、不規整的數據信息進(jìn)行梳理，總結出可供查詢(xún)的特征，來(lái)支持公司各類(lèi)業(yè)務(wù)對數據的需求，包括廣告投放、游戲開(kāi)發(fā)、社交網(wǎng)絡(luò )等。

找出過(guò)去事件的特征，最大的作用是可以幫助企業(yè)更好地認識消費者。通過(guò)分析用戶(hù)以往的行為軌跡，就能夠了解這個(gè)人，并預測他的行為。

通過(guò)引入關(guān)鍵因素，大數據工程師可以預測未來(lái)的消費趨勢。在阿里媽媽的營(yíng)銷(xiāo)平臺上，工程師正試圖通過(guò)引入氣象數據來(lái)幫助淘寶賣(mài)家做生意。比如今年夏天不熱，很可能某些產(chǎn)品就沒(méi)有去年暢銷(xiāo)，除了空調、電扇，背心、游泳衣等都可能會(huì )受其影響。那么我們就會(huì )建立氣象數據和銷(xiāo)售數據之間的關(guān)系，找到與之相關(guān)的品類(lèi)，提前警示賣(mài)家周轉庫存。

根據不同企業(yè)的業(yè)務(wù)性質(zhì)，大數據工程師可以通過(guò)數據分析來(lái)達到不同的目的。以騰訊來(lái)說(shuō)，能反映大數據工程師工作的最簡(jiǎn)單直接的例子就是選項測試（AB Test），即幫助產(chǎn)品經(jīng)理在A(yíng)、B兩個(gè)備選方案中做出選擇。在過(guò)去，決策者只能依據經(jīng)驗進(jìn)行判斷，但如今大數據工程師可以通過(guò)大范圍地實(shí)時(shí)測試—比如，在社交網(wǎng)絡(luò )產(chǎn)品的例子中，讓一半用戶(hù)看到A界面，另一半使用B界面，觀(guān)察統計一段時(shí)間內的點(diǎn)擊率和轉化率，以此幫助市場(chǎng)部做出最終選擇。

• 數據分析師的工作職責

互聯(lián)網(wǎng)本身具有數字化和互動(dòng)性的特征，這種屬性特征給數據搜集、整理、研究帶來(lái)了革命性的突破。以往“原子世界”中數據分析師要花較高的成本（資金、資源和時(shí)間）獲取支撐研究、分析的數據，數據的豐富性、全面性、連續性和及時(shí)性都比互聯(lián)網(wǎng)時(shí)代差很多。

與傳統的數據分析師相比，互聯(lián)網(wǎng)時(shí)代的數據分析師面臨的不是數據匱乏，而是數據過(guò)剩。因此，互聯(lián)網(wǎng)時(shí)代的數據分析師必須學(xué)會(huì )借助技術(shù)手段進(jìn)行高效的數據處理。更為重要的是，互聯(lián)網(wǎng)時(shí)代的數據分析師要不斷在數據研究的方法論方面進(jìn)行創(chuàng )新和突破。

就行業(yè)而言，數據分析師的價(jià)值與此類(lèi)似。就新聞出版行業(yè)而言，無(wú)論在任何時(shí)代，媒體運營(yíng)者能否準確、詳細和及時(shí)地了解受眾狀況和變化趨勢，都是媒體成敗的關(guān)鍵。

此外，對于新聞出版等內容產(chǎn)業(yè)來(lái)說(shuō)，更為關(guān)鍵的是，數據分析師可以發(fā)揮內容消費者數據分析的職能，這是支撐新聞出版機構改善客戶(hù)服務(wù)的關(guān)鍵職能。

想要從事這3個(gè)職業(yè)需要掌握什么技能？

A. 數據科學(xué)家需要掌握的技能

1、計算機科學(xué)

一般來(lái)說(shuō)，數據科學(xué)家大多要求具備編程、計算機科學(xué)相關(guān)的專(zhuān)業(yè)背景。簡(jiǎn)單來(lái)說(shuō)，就是對處理大數據所必需的hadoop、Mahout等大規模并行處理技術(shù)與機器學(xué)習相關(guān)的技能。

2、數學(xué)、統計、數據挖掘等

除了數學(xué)、統計方面的素養之外，還需要具備使用SPSS、SAS等主流統計分析軟件的技能。其中，面向統計分析的開(kāi)源編程語(yǔ)言及其運行環(huán)境“R”最近備受矚目。R的強項不僅在于其包含了豐富的統計分析庫，而且具備將結果進(jìn)行可視化的高品質(zhì)圖表生成功能，并可以通過(guò)簡(jiǎn)單的命令來(lái)運行。此外，它還具備稱(chēng)為CRAN(The Comprehensive R Archive Network)的包擴展機制，通過(guò)導入擴展包就可以使用標準狀態(tài)下所不支持的函數和數據集。

3、數據可視化(Visualization)

B. 數據工程師需要掌握的技能

1、數學(xué)及統計學(xué)相關(guān)的背景

對于大數據工程師的要求都是希望是統計學(xué)和數學(xué)背景的碩士或博士學(xué)歷。缺乏理論背景的數據工作者，更容易進(jìn)入一個(gè)技能上的危險區域（Danger Zone）—一堆數字，按照不同的數據模型和算法總能捯飭出一些結果來(lái)，但如果你不知道那代表什么，就并不是真正有意義的結果，并且那樣的結果還容易誤導你。只有具備一定的理論知識，才能理解模型、復用模型甚至創(chuàng )新模型，來(lái)解決實(shí)際問(wèn)題。

2、計算機編碼能力

實(shí)際開(kāi)發(fā)能力和大規模的數據處理能力是作為大數據工程師的一些必備要素。因為許多數據的價(jià)值來(lái)自于挖掘的過(guò)程，你必須親自動(dòng)手才能發(fā)現金子的價(jià)值。舉例來(lái)說(shuō)，現在人們在社交網(wǎng)絡(luò )上所產(chǎn)生的許多記錄都是非結構化的數據，如何從這些毫無(wú)頭緒的文字、語(yǔ)音、圖像甚至視頻中攫取有意義的信息就需要大數據工程師親自挖掘。即使在某些團隊中，大數據工程師的職責以商業(yè)分析為主，但也要熟悉計算機處理大數據的方式。

3、對特定應用領(lǐng)域或行業(yè)的知識

C. 數據分析師需要掌握的技能

1、懂業(yè)務(wù)。從事數據分析工作的前提就會(huì )需要懂業(yè)務(wù)，即熟悉行業(yè)知識、公司業(yè)務(wù)及流程，最好有自己獨到的見(jiàn)解，若脫離行業(yè)認知和公司業(yè)務(wù)背景，分析的結果只會(huì )是脫了線(xiàn)的風(fēng)箏，沒(méi)有太大的使用價(jià)值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營(yíng)銷(xiāo)、管理等理論知識來(lái)指導，如果不熟悉管理理論，就很難搭建數據分析的框架，后續的數據分析也很難進(jìn)行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實(shí)踐工作中，以便有效的開(kāi)展數據分析?；镜姆治龇椒ㄓ校簩Ρ确治龇?、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價(jià)分析法、因素分析法、矩陣關(guān)聯(lián)分析法等。高級的分析方法有：相關(guān)分析法、回歸分析法、聚類(lèi)分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時(shí)間序列等。

4、懂工具。指掌握數據分析相關(guān)的常用工具。數據分析方法是理論，而數據分析工具就是實(shí)現數據分析方法理論的工具，面對越來(lái)越龐大的數據，我們不能依靠計算器進(jìn)行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。

首先，各個(gè)公司對數據科學(xué)家的定義各不相同，當前還沒(méi)有統一的定義。但在一般情況下，一個(gè)數據科學(xué)家結合了軟件工程師與統計學(xué)家的技能，并且在他或者她希望工作的領(lǐng)域投入了大量行業(yè)知識。