Overview：
基本概念
DS的职能要求
DE的职能要求
总结
好了，就解释到这里了，今天主要给大家好好说说python的发展方向，这篇文章也是藏了好久了，群里各种问怎么学，大数据分析怎么学，爬虫怎么入门，说实在的，你关注我号久一点，都知道有那么几篇文章是专门给入门看的，还有几篇是资料总结的。会找的都能找到。
但是一篇可能不够，因为我想尽可能的给大家剖析行业情况，让大家在做选择的时候不至于还不知道这是干啥的，只知道这个很火。
今天就先给大家讲大数据分析工程师。
一、基本概念
对于一大部分想转行做IT，做python的，都是冲着大数据分析来的，那你知道大数据分析的是啥吗?你知道大数据分析的岗位职能分配情况吗?
如果这些都答不上来的话，那就别追风口，如果盲目的跟风，只会让你进来找不着北，到头来，浪费1年时间，还的回去干老本行。
首先，我们经常叫的大数据分析师有两种岗位定位：
大数据科学家，Data Scientist，DS
大数据工程师，Data Engineer，DE
从这两个单词里，你就能看出端倪了，那接下来就以我在普华永道的工作经历告诉你，这两者的区别，以及工作内容划分。
二、DS职能要求
1. 专业知识
DS的职能是算法分析，是基于对行业背景的了解帮助客户作出预期计算。而这里面就会涉及到很多专业知识，俗称统计分析。
和pwc同事共事的时候，我经常向他们讨教关于DS的一些事情，再加上一起做项目，分工明确，也自然对DS更了解一些。我见过的DS都是硕士毕业，还都是全美TOP10的学校，要么博士。
不是学历歧视，是你要做这事情，就得要这点本事，你没有7年，你的专业知识支撑不了你做DS。如果你不理解这句话，我给大家举个例子：
大家都读过小学(就怕我说都读过高中，你说你初中毕业为了生存，就出来打拼了)不考虑天才好么，我们都是小老百姓。然后解题思路就是按照老师教的，而思路只局限在一元二次方程组，二元一次方程组，而读过大学的，他可能直接用积分就给你解出来了;几何题都做过对么，几何题难的是什么?做辅助线啊!辅助线出来，人人都是华罗庚，还喜欢后面跟一句，我要是画出来了，我也会做。
这是什么?就是知识边界啊。你所知道的星辰大海，只是别人的沧海一粟。所以专业知识必不可少。
2. 行业背景
接下来DS还需要有某个领域的行业背景，俗称BK，background knowledge。你可能会奇怪为什么还要这。
因为大数据分析都是针对行业来做的，那么行业内的行话，套路，潜规则，生存法则都是不一样的，你要对公司做预期分析，你就得对行业有一个基本认识，甚至深入了解。
我们以前的DS，贯穿各大实体行业，有保险的，医疗的，建筑的，心理的，法律的等等。为什么要招那么多DS，就是因为每个DS都有自己擅长的几个领域。一定的BK能够帮助DS在面对数据的时候快速的作出信息过滤，能够在聊需求的时候，快速给出反馈。这才是价值。
3. 工具
到了第三块，才是你们关心的python，为什么把python放最后?因为python只是一个工具。对于开发者来说，python可能是你们的底，但对于DS来说，python只是一个交通工具。
以前用excel VB，后来用java，现在还有人在用R，不过更多的还是python。这就好比说，现在如果你想去某个地方，坐地铁能到的，基本都坐地铁，因为又快又方便。那没有地铁的时候呢?只能做公交。没有公交的时候呢?就得骑自行车，或者走路。
所以DS从来不会关心代码运行效率，他们关心的是编码效率。而python正好又是编码效率极高的。
所以你要和我说你在外面培训了4个月的大数据分析后，就想做DS了，那请你再考虑考虑。
三、DE职能要求
相对DS，DE就比较杂了，做的事情也多。就拿我来说，当时中国data team 就3个，2个DS，你说我是DE也可以，说我是打杂的也可以。因为DS只负责算法输出，而其余的都是我来做。
你们想想，一个项目光有算法能行吗?谁去执行它，它要如何被外部调用?脏数据的清洗工作谁来做?还有很多很多的事情需要你考虑。
那我一个个来说，首先DE最重要的事情就是辅助DS清洗数据，我们叫data cleaning。因为很多时候从外部拿到的数据，无论是买来的，爬来的，还是已有的，都是原始数据，DS需要对这部分数据做一个预处理，否则很容易污染样本数据。那DE的工作，很重要的一部分就是去清洗数据。至于规则是你和DS讨论的，没有一个固定的模版。
其次，刚刚说到的数据来源，有一个是爬来的，所以你还得会爬虫。关于爬虫部分的内容我会另起一篇，给大家好好讲讲。当时我想做，但没有做的一部分就是爬虫，因为全美有很多公开数据是可以去获取的，当时我想做的是分类，包括清洗、过滤、入库、展示。没来得及做。
如果你会爬虫，DS就会很高兴了，因为他们不用为没有数据犯愁了，你要知道，对于DS来说，数据的数量和质量都是他们关心的东西。而老板更是了，因为DS要数据，他就要花钱去买，如果你是DE你说你可以尝试爬爬看，那老板对你什么看法?
那你如果还会做后端开发就更好了，我当然的主要经历就放在了自动化建设上面。US那边的老板是没有要求做，那我是本着提升生产效率去的，所以是自己给自己加戏了。最后的效果还不错，让我一个任务从一周到1-2分钟，只需要改配置就可以了，当然这个过程是非常痛苦的，我们前前后后一起对需求，review代码。
然后服务端写好了，我们还可以做前端展示，对于vendor来说，他们不关心数据怎么来的，他们想看直接的东西，那不就是dashboard吗?这块我也没做，只是开了个头。
后来发现我们有一个20人的app团队在做这个事情，我肯定没有人家20个人做得好，但是起码在他们交付前，我们data team也可以体现出价值来不是?否则只有等app team做完了，把我们的数据接入了，老板在看的到。
所以我一直强调，价值是自我实现的，平台给你的是机会，能做多大，都看你自己。前几天还和一个读者说这个事情，我说别和我扯公司规范，流程，在我看来都是借口。
你做运维，一定要等测试代码过了给到你，才能发布，那你为什么不能把测试之后的步骤自动化?让测试自己提交jira，然后打钩子，做CI/CD?部署服务器，和我说测试服务器就要手搭，搭好了之后有一套脚本会自动化部署其他服务，那为什么不把创建服务器也自动化?你又不是物理机，你是云服务器啊。
题外话了，我们收回来，所以对于DE来说，做的事情可以很多。那python就是我们的武器库了，武器是爬虫、数据清洗、后端、前端等等，要什么拿什么，就看你有多少了。而武器库里还可以加上kettle、tableau、informatica等等，这些只是附加项了。
这个，培训机构4个月培训一个武器，我是相信的。而他们鼓吹的大数据分析师，其实就是DE。不能说绝对，只能说大部分把，给自己留条路……
四、总结
好了，今天说了那么多，希望能给正在大数据分析路上的你，吃一颗定心丸，该走的路一步不能少。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：pingxiaoli
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
