图解数据科学领域的职位划分以及职责技能

随着数据科学领域的招聘信息越来越多,范围也越来越广。Datacamp根据最新的数据科学相关招聘信息,全面的了解各个行业之间数据科学领域每个职位角色之间的差异,以及所赋予的工作职责。

最主要分为以下几个职位:数据科学家、数据分析师、数据架构师、数据工程师、统计学家、数据库管理员、业务数据分析师、数据产品经理。下面通过信息图区分每个职位的角色介绍、必备语言技能。

1、 数据科学家 

角色/任务

清洗,管理和组织(大)数据

必备语言

R,SAS,Python,Matlab,SQL,HivePig,Spark

技能和特长

分布式计算

预测模型

故事讲述和可视化

数学\统计,机器学习

2、 数据分析师 

角色/任务

收集,处理和执行统计数据分析

必备语言

R, Python, HTML,Javscript,C/C++,SQL

技能和特长

电子表格工具(例如Excel)中

数据库系统(SQL和基于NO SQL)

通信可视化

数学,统计,机器学习

3、数据架构师 

角色/任务

创建数据管理系统进行整合

集中、保护和维护数据源

必备语言

SQL,XML,HIVE,PIG,SPARK

技能和特长

数据仓库解决方案

深入了解数据库体系结构

提取thansformation和加载(ETL)

电子表格和BI工具

数据建模

系统开发

4、 数据工程师 

角色/任务

开发,建设,测试和维护架构

(如数据库,以及较大规模的处理系统)

必备语言

SQL,Hive,Pig,R,Mtlab,SAS,SPSS

Python,Java,Ruby,C++,Perl

技能和特长

数据库系统(SQL和基于NO SQL)

数据建模ETL工具

数据API

数据仓库解决方案

5、 统计学家 

角色/任务

收集,分析和解释

定性和定量的数据统计理论和方法

必备语言

R,SAS,SPSS,Mtlab,Stata

Python,Perl,Hive,Pig,Spark,SQL

技能和特长

统计理论方法

数据挖掘机器学习

分布式计算(Hadoop的)

数据库系统(SQL和基于NO SQL)

云工具

6、 数据库管理员 

角色/任务

确保数据库是提供给所有相关用户,并且安全运行

必备语言

SQL,Java,Ruby on Rails,XML,C#,Python

技能和特长

备份恢复

数据建模和设计

分布式计算(Hadoop的)

数据库系统(SQL和基于NO SQL)

数据安全

ERP业务知识

7、 业务数据分析师 

角色/任务

改进业务流程的业务和IT之间的中介

必备语言

SQL

技能和特长

基本工具(例如微软Office)

数据可视化工具(e.g.Tableau)

自觉听和讲故事

商业智能的理解

数据建模

8、 数据产品经理 

角色/任务

管理团队分析师和数据科学家

必备语言

SQL,R,SAS,Python,Matlab,Java

技能和特长

数据库系统(SQL和基于NO SQL)

领导项目管理

人际沟通

数据挖掘预测建模数据建模

原文发布时间为:2017-02-20

时间: 2024-08-04 01:41:21

图解数据科学领域的职位划分以及职责技能的相关文章

《数据科学家修炼之道》一2.1 数据科学领域的历史

2.1 数据科学领域的历史 "数据科学"这一术语的流行要早于"大数据"的出现(就像"数据"一词要早于"计算机(computer)"400年出现).1962年,当John W. Tukey[1]写了<数据分析的未来>(The Future of Data Analysis)[2],他预见了数据分析的新方法的崛起相比于方法论来说更像是一门科学.1974年,Peter Naur在瑞典和美国出版了<计算机方法的简明调

2017年安全数据科学领域的4个趋势

安全数据科学正在蓬勃发展,有报告显示安全分析市场将在2023年达到八十亿美元的价值, 26%的增长率.这要感谢不屈不挠的网络攻击.如果你想要在2017年走在不断涌现的安全威胁的前面,那么投资在正确的领域是很重要的.在2016年3月,我写了一篇<2016年需要注意的4个趋势>.而2017年的文章由我与来自Netflix的Cody Rioux合作,带来他的平台化视角.我们的目标是帮助你为2017年的每一个季度形成一个计划(例如,4个季度有4个趋势).对于每一个趋势,我们都提供了一个短小精悍的理论基

偏见为什么是数据科学领域的一个大问题

如今,市场对数据科学家的需求是巨大的.但是也有不利之处,因为有偏见的数据,其所面临的风险也是巨大的.数据科学家凯西·奥尼尔为此创建了数据科学家的一个伦理政策. 人们可能不知道,数据科学有一个潜在的黑暗面,这是许多企业所忽视的东西.在当今社会,庞大的数据量对数据科学家造成巨大需求的时候,数据科学家凯西·奥尼尔不久撰写一本著作,名为"数字破坏武器:大数据如何增加不平等和威胁民主".她担心的是,在急于利用大数据的情况下,可能会因为内置偏差使得结论不准确,并且可能具有相当的破坏性.她与高级技术

跻身数据科学领域的五条职业规划道路

预备阅读 在我们继续深入之前,读一读这些文章.我是说真的,读,这些,文章. 解析数据科学谜题 (http://www.kdnuggets.com/2016/03/data-science-puzzle-explained.html) 再析数据科学谜题 (http://www.kdnuggets.com/2017/01/data-science-puzzle-revisited.html) 解析数据科学和大数据 (http://www.kdnuggets.com/2016/11/big-data-

数据中心领域最热门的十大技能

在经济低迷时期,IT部门的员工拥有哪些技能才能"立于不败之地"呢?今天,企业的数据中心已经成为企业的关注中心.如果您向投身与数据中心相关的技术与管理领域,有一些技能是必须拥有的.日前,美国<Network World>列出了数据中心领域十大热门技能.随着向新一代数据中心转型步伐的加快,这些技能将成为IT专业人士职场生涯的必需品. 1.虚拟化 作为一种先进的IT基础设施的基础技术,虚拟化技能的重要性不言而喻.今天,熟练掌握虚拟化技术的人在工作选择上拥有很大的空间.这样的情况将

2017数据科学职位报告:R超过SAS,但仍不如Python

更多深度文章,请关注:https://yq.aliyun.com/cloud Bob Muenchen <R for SAS and SPSS Users>的作者,r4stats.com(分析数据科学软件趋势.帮助人们学习R语言的一家网站)的创办者:同时也是ASA官方认证的专业统计学家(30年从业经验),现任田纳西大学OIT Research Computing Support的管理员. 前言 招聘广告的数量能一定程度上反应每一种软件的流行程度,并从中预测出哪一种在将来会更加流行.本文作者以美

2017数据科学职位报告:R超过SAS

文章讲的是2017数据科学职位报告:R超过SAS,招聘广告的数量能一定程度上反应每一种软件的流行程度,并从中预测出哪一种在将来会更加流行.本文作者以美国最大的招聘网站Indeed.com为统计平台,通过对某一天数据科学职位的招聘数量进行统计分析,得出数据科学软件的变化趋势. 为了公平,本文采用了一种专门的方法,用来在数据科学职位范围内统计每种软件的招聘数量,文中所有的图片也都是在这个前提下取得的,统计日期为2017年2月24日. 正文 各种软件招聘量见下图.其中最多的是SQL,将近18000,然

哥伦比亚大学数据科学课程笔记

第一周:什么是数据科学? 课程大纲 Rachel Schutt教授以梳理课程大纲开始,下面是她主要的摘要: 1. 课程需要的基础知识有:线性代数,基础统计学,以及一些编程课程. 2. 课程目标:学习数据科学家都做些什么,并学会做其中的一些事儿. 3. Rachel主讲几个礼拜的课,然后会有客席讲座. 4. 客座教授的简历跨度非常大,他们的背景也是如此.但他们都是数据科学家. 5. 我们将有丰富的阅读材料:做一名数据科学家的一种能力就是认识到许多还未记录下来的东西. 6. 差不多每两周一次家庭作业

2017数据科学与机器学习行业现状调查 Python是最受欢迎的语言

今年,Kaggle有史以来第一次对人工智能领域进行了深度调查,旨在全面了解数据科学和机器学习的概况.本次调查收到了 16000 多份答卷,庞大的调查数据为我们提供了有关从业者.业界最新动态以及如何进入该行业的数据支撑.以下报告包括本次调查的几个主要结果,其中包括: 尽管Python很可能是机器学习最常用的编程语言,但统计学家使用最多的是 R 语言. 数据科学家的平均年龄在 30 岁左右,但是这个数字在不同的国家有所不同.例如,印度受访者的平均年龄要比澳大利亚的小 9 岁. 被调查者教育程度最多是