最近,作为网络数据分析师,我在思考一位分析师的价值:当一名无休止的取数民工,或者超越取数和报告,输出更有价值的东西,获得成就感。很多朋友都很困惑,bi和数据分析师有什么不同?所以,今天我们一起来探讨一下两者的不同之处。
那么我们来区别下商业智能(bi)工程师和数据分析师:
1、概念区别
Python数据分析师培训出来的数据分析师,是数据师的一种,专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。
大数据培训出来的大数据工程师其实有很多别名,数据挖掘工程师、大数据专家、数据研究员、用户分析专家等都是经常在国内公司里出现的Title,大数据工程师就是一群“玩数据”的人,玩出数据的商业价值,让数据变成生产力。大数据和传统数据的最大区别在于,它是在线的、实时的,规模海量且形式不规整,无章法可循,因此“会玩”这些数据的人就很重要。
2、发展方向
Python数据分析师培训后的数据分析师发展方向有:市场调研方向、数据分析/挖掘方向、数据工程师方向等。
大数据培训出来的大数据工程师发展方向有:首席数据官(CDO)、营销分析师/客户关系管理分析师、数据工程师、BI开发工程师、数据可视化等。
3、具备技能
bi和数据分析师需要具备的技能很相似,比如:
(1)数据和数据仓库数据是数据分析的基础,数据库是数据的承载,数据仓库是有主题的数据库。
(2)报表报表这种原始的BI方式有时候是简单有效,但要做一张优秀的报表似乎又要考虑很多问题。
(3)数据挖掘数据挖掘作为报表这种非智能性BI的一种补充,理论上应该属于机器学习的一种,存在着那么一点儿让计算机自学的能力。
(4)算法随着面向对象(OrientObject)编程方法兴起,“程序=数据结构+算法。如果你想成为顶级的数据分析师,算法与数据结构的知识必不可少。搜索,排序,树,图之所以经典,是因为它们简单有效而且通用。
每一份工作都有自己的成长曲线,技术员需要在技术上不断精进,业务人员需要不断扩展业务范围。但数据分析员岗位则更为特殊,一位有价值的数据分析员,不仅要在技术和理论上成为高手,还要深刻理解业务,做到从业务开始,反哺业务。以上就是今天分享的关于bi和数据分析师的区别的差异了,这两门学科都很适合零基础来学习,无论选择哪一个,在未来都将成为趋势之一。