|
编辑：Mika 大家好，今天的文章中我们将盘点十种不同类型的数据相关工作。 在找这一领域的工作时，与数据打交道是一项元技能。同时，要想在这一行取得成功，仅靠一种技能是远远不够的。企业招聘不同的数据类职位，每个职位都需要不同的能力。 点击下方视频，先睹为快 👇👇👇  我们今天就带大家来看看，不同职位的数据从业者们在工作中要做什么，以及如何为企业做出贡献。
好的，你准备好了吗? 让我们开始吧！ 01 数据策略师 理想情况下，在公司收集任何数据之前就会雇佣一名数据策略师，即了解数据如何助力特定行业业务的高级专业人事。
根据著名数据策略师 Bernard Marr 所说的，公司利用数据的主要方式有四种：
有时，公司会聘请外部顾问担任这一角色，以设想数据将如何通过制定计划来创造业务价值，从而使数据战略与公司的整体业务战略保持同步。 02 数据架构师 一旦公司制定了数据战略，就应该确保数据的可用性，此时就需要数据架构师登场了。
数据架构师（或数据建模师）规划高级数据库结构，并预测业务利益相关者的需求，以确保最佳的数据库模式。 如果没有适当的数据架构，公司可能会陷入这样的境地：业务人员提出的问题无法得到回答，这是因为数据库中的一些表之间无法建立联系。 同样，数据架构师是高级专业人员，通常充当顾问的角色。 03 数据工程师 公司依靠数据工程师来执行数据架构师所创建的计划。
数据工程师主要是通过组织表格和设置数据来建立必要的数据基础设施，以匹配数据架构师所定义的所有用例。 他们负责处理所谓的ETL过程，即提取、转换和加载数据。当中包括检索数据，以可用的格式处理数据，并将其移动到存储库也就是公司的数据库。 因此，数据工程师负责将数据正确地输送到表中。他们会收到许多临时性的ETL相关任务，但很少与业务利益相关者直接联系。 作为一名数据工程师，你需要掌握软件工程技能。但请记住，数据工程师和数据架构师的角色经常重叠，尤其是在小型企业中。 04 数据分析师 下一个要说的是数据分析师。 在公司的数据库中提供数据后，数据分析人员需要对这些信息进行探索、清理、分析、可视化和信息展示，从而为企业提供有价值的见解。
数据分析师通常使用 SQL 访问数据库，利用 Python 或 R 等面向对象的编程语言来清理和分析信息，并使用 Power BI 或 Tableau 等可视化工具来呈现结果。 05 BI 分析师 类似数据分析师，另一个引人注目的职位就是商业智能（BI）分析师。数据分析师和 BI 分析师的职责在一定程度上重叠。
尽管如此，两者主要区别在于，BI 分析师倾向于构建有意义的报告和仪表板。这些报告和仪表盘经常更新，并满足组织不同级别的利益相关者的信息需求。 我们可以说比起数据分析师，BI 分析师在报告方面的作用更突出。 06 数据科学家 另一方面，数据科学家是具有数据分析师技能的数据专业人士，但可以利用机器和深度学习创建模型，使用过去的数据进行预测。
我们可以区分三种主要类型的数据科学家：
a. 传统数据科学家 传统的数据科学家是能从事所有数据科学任务的通才。 技能包括数据探索，高级统计建模，通过A/B测试进行实验，以及建立和调整机器学习模型。
b. 研究数据科学家 研究型科学家是专门的数据科学家。大公司主要雇用他们从事开发新的机器学习模型。
c. 应用数据科学家 应用科学家经常被大的科技公司和大型公司雇用，是数据科学领域中收入最高的角色之一。
应用科学家可以结合数据科学和软件工程技能来生产他们的模型。大厂更喜欢具备这种组合技能的人才，因为一个人就能监督整个ML实施过程：从模型的建立到生产，这将导致更快的结果。 一名应用科学家可以处理数据，为机器学习建模，选择正确的算法，训练模型，微调超参数，然后将模型投入生产。 07 ML Ops工程师 没有应用科学家的公司则雇用 ML Ops工程师 (机器学习运营工程师)，负责将传统数据科学家准备的机器学习模型投入生产。
在许多情况下 ML Ops 工程师是以前是数据科学家，是决定发展工程技能的人 ML Ops 工程师专注于将ML模型投入生产。 如果生产中的机器学习模型出现问题，ML Ops工程师就要负责解决问题。 08 数据产品经理 最后要探讨的数据角色是数据产品经理。 数据产品经理对一个数据产品的成功负有责任。产品经理许考虑大局，并制定了建立数据产品的最有效方法。
他们确定要开发什么数据产品，何时生产，以及哪些资源是必要的。 数据产品经理的一个重要关注点是数据的可用性。确定是在内部收集数据还是想办法从外部获取数据。 以上就是对不同类型的数据相关职位的盘点。 |
|
|
