Мэтт Пржибыла поработал и дата-аналитиком, и дата-сайентистом, потому он отлично соображает разницу меж этими вакансиями. Чтоб осознать, какая из их лучше подступает конкретно для вас, принципиально представлять, с какими задачками для вас предстоит столкнуться. У каждой из этих профессий есть свои индивидуальности, которые могут иметь огромное значение при выбирании карьерного пути.
Дата-сайентист либо дата-аналитик: какая из этих профессий для вас больше подступает?
Александра Степанова
Дата-аналитик
Если для вас нравится обрисовывать данные, выявлять в их тренды, рассматривать приобретенные результаты и, в конце концов, визуализировать их для заказчика, для вас подойдет позиция дата-аналитика. Быстрее всего, в процессе работы вы будете довольно много разговаривать с людьми и двигаться по карьерной лестнице резвее, чем это делают дата-сайентисты.
-
С кем для вас предстоит работать?
Вы будете нередко вести взаимодействие с представителями компаний, которые заказывают обработку и визуализацию данных. Время от времени вы будете встречаться в кабинете, время от времени общение будет происходить онлайн — в электрической почте, Slack и Jira. По моему опыту, для вас предстоит часто разговаривать с людьми и заниматься в главном аналитикой, при всем этом инженерных задач и работы с продуктом будет меньше.
-
С кем необходимо будет делиться выводами?
Быстрее всего, с теми же самыми людьми. Но, если у вас есть менеджер, общение отчасти будет происходить через него. Также бывают ситуации, когда дата-аналитик получает задачку, делает ее и потом без помощи других представляет результаты заказчикам. Для составления отчетов нередко употребляются такие инструменты, как Tableau, Гугл Data Studio, Power BI и Salesforce. В главном они работают с доступными источниками, таковыми как CSV-файлы, но время от времени приходится создавать наиболее сложные SQL-запросы к базам данных.
-
С какой скоростью необходимо делать задачки?
Вы будете работать над проектами существенно резвее, чем дата-сайентисты. Запросы, материалы и аналитические данные приходят часто, и на их базе необходимо создавать отчеты. Дата-аналитику обычно не надо строить модели и созодать прогнозы — его задачки наиболее ситуативные и описательные, потому их можно делать резвее.
Дата-сайентист
Дата-сайентисты занимаются наиболее большими проектами — к примеру, созданием и развертыванием моделей машинного обучения. В процессе они могут консультироваться с несколькими инженерами и менеджерами по продукту, чтоб убедиться в корректности и эффективности кода, также в том, что получившаяся модель решает поставленную бизнес-задачу. При всем этом дата-аналитики могут работать в одиночку при помощи Tableau.
-
С кем для вас предстоит работать?
В отличие от дата-аналитика, вы будете встречаться с заказчиком еще пореже, зато для вас предстоит тесновато сотрудничать с инженерами данных, разрабами программного обеспечения и менеджерами по продукту.
-
С кем необходимо будет делиться выводами?
Не только лишь с заказчиками, да и с иными инженерами — к примеру, с теми, кто отвечает за финишный вид продукта и делает пользовательский интерфейс.
-
С какой скоростью необходимо делать задачки?
Может быть, самое огромное отличие меж 2-мя профессиями. Дата-аналитика — наиболее оживленная сфера, в то время как у дата-сайентиста могут уходить недельки и месяцы на один проект. Сбор данных, создание и настройка моделей, обработка результатов — все это просит суровых временных издержек.
Вывод
Дата-аналитики и дата-сайентисты могут применять схожие инструменты — к примеру, Tableau, SQL, и даже Python — но их задачки значительно различаются друг от друга. Дата-аналитик работает с данными о прошедшем и реальном, ему необходимо стремительно закрывать задачки и нередко разговаривать с людьми, прокачивая коммуникативные способности. Дата-сайентист подольше работает над проектом, ведет взаимодействие с инженерами и менеджерами по продукту и делает прогнозные модели.
Источник.
Источник: