Data Science 简明教程

数据分析师分析数据集，以找出客户相关问题的解决方案。此信息也由数据分析师传达给管理层和其他利益相关者。这些人从事于各种领域的工作，包括商业、银行、刑事司法、科学、医疗和政府。

数据分析师是具有专业知识和能力，可以将原始数据转换为可用于做出业务决策的信息和见解的人。

数据科学家是一个使用分析、统计和编程能力获取海量数据的人。他们有义务利用数据为组织的特定需求创建个性化解决方案。

公司在日常运营中越来越依赖数据。数据科学家检查原始数据并从中提取有意义的含义。然后，他们利用这些数据来识别趋势并提供业务增长和竞争所需的解决方案。

数据库管理员负责管理和维护业务数据库。数据库管理员负责执行数据管理策略，并确保企业数据库在发生内存丢失时可操作并得到备份。

数据库管理员（有时称为数据库经理）管理业务数据库，以确保信息得到安全维护，并且只有获得授权的人员才能访问。数据库管理员还必须保证这些人能够在他们需要的时间以他们需要的方式访问他们需要的信息。

大数据工程师为一家公司创建、测试和维护使用大数据解决方案。他们的工作是从许多不同来源收集大量数据，并确保以后使用数据的人员能够快速轻松地获得这些数据。大数据工程师基本上确保公司的 data pipeline 可扩展、安全且能够为多个用户服务。

当今制作和使用的数据量似乎是无穷无尽的。问题是如何保存、分析和展示这些信息。大数据工程师处理这些问题的办法和技术。

数据挖掘是对信息进行分类的过程，以查找企业可用于改善其系统和操作的答案。如果数据没有以正确的方式进行处理和展示，那么它就没有多大用处。

数据挖掘工程师设置并运行用于存储和分析数据的系统。总体任务包括设置数据仓库、组织数据以使其易于查找以及安装数据流经的管道。数据挖掘工程师需要知道数据的来源、使用方法以及谁将使用它。ETL（提取、转换和加载）是一个数据挖掘工程师的关键首字母缩略词。

机器学习 (ML) 开发人员知道如何使用数据训练模型。然后，这些模型用于自动执行诸如图像分组、语音识别和市场预测之类的事情。

机器学习可用于不同的角色。数据科学家和人工智能 (AI) 工程师的工作往往存在一定的重叠之处，有时这两个工作甚至会相互混淆。机器学习是人工智能的一个子领域，专注于查看数据以查找输入和预期输出之间的联系。

机器学习开发人员确保每个问题都有一个完美的解决方案。只有通过仔细处理数据并选择最适合情况的算法，才能获得最佳结果。

数据架构师通过找到设置和构建它的最佳方式来构建和管理公司的数据库。他们与数据库管理员和分析师合作以确保公司数据易于访问。任务包括创建数据库解决方案、确定需求和编写设计报告。

数据架构师是一位设计组织的数据策略的专家，其中包括数据质量标准、数据在组织内的流动方式以及数据的安全存储方式。数据管理专业人员看待事物的态度将业务需求转化为技术需求。

作为业务和技术之间的关键纽带，对数据架构师的需求正与日俱增。

Hadoop 开发人员负责创建和编码 Hadoop 应用程序。Hadoop 是一个开源框架，用于管理和存储处理大量数据并在集群系统上运行的应用程序。基本上，Hadoop 开发人员构建应用程序来帮助公司管理和跟踪其大数据。

Hadoop 开发人员负责编写 Hadoop 应用程序的代码。此角色类似于软件开发人员。这两个角色非常相似，但前者属于大数据领域。我们来看看 Hadoop 开发人员必须做什么以更好地了解此角色。

数据仓库架构师负责提出数据仓库解决方案并使用标准数据仓库技术来提出计划，以最大程度地帮助企业或组织。在设计特定架构时，数据仓库架构师通常会考虑雇主的目标或客户的需求。然后，该架构可以由工作人员维护并用于实现目标。

因此，就像普通建筑师设计建筑物或海军建筑师设计船舶一样，数据仓库架构师设计和帮助启动数据仓库，根据客户的需求对其进行定制。

到 2022 年，对数据科学家的需求将大幅增长。IBM 表示，在 2020 年将创造 364,000 到 2,720,000 个新工作岗位。这种需求将持续增长，很快将出现 700,000 个职位空缺。

Glassdoor 表示，其网站上的头号工作是数据科学家。未来，这个职位不会有任何改变。也有人认为数据科学的职位空缺将持续 45 天。这比平均劳动力市场长五天。

IBM 将与学校和企业合作，为有抱负的数据科学家创造一个工作学习环境。这将有助于缩小技能差距。

对数据科学家的需求以二次方速度增长。这是因为新的工作和行业已经产生。数据的不断增加和不同类型的数据加剧了这种情况。

未来，数据科学家只会扮演更多角色，而且数量也会更多。数据科学家的工作包括数据工程师、数据科学经理和大数据架构师。此外，金融和保险行业正成为数据科学家的最大雇主之一。

随着培训数据科学家的机构越来越多，使用数据的人也可能越来越多。