细数数据分析师与数据工程师的区别

细数数据分析师与数据工程师的区别

好的数据分析师也做类似数据工程师的工作。唯一的区别在于熟练掌握技能。如果我们对两个角色的熟练程度(P0-> P5,其中P5最高)进行评分,则其如下:

数据分析师(1-3年的经验)

1.SQL:P2 / P3级别

2.R:P1

3.Python:是否为P0

4.统计:P1

5.数据可视化-Tableau:P2

6.商业知识:P2

7.项目多样性:P2

数据工程师(3至7年的经验)

1.SQL:P3级

2.R:P4

3.Python:P3

4.统计:P4

5.数据可视化-Tableau:P3

6.商业知识:P2

7.项目多样性:P4

以下是使数据分析师达到真正的数据工程师水平的步骤:

通过实践可以很容易地增加SQL知识。尝试编写嵌套查询而不是创建多个表。它将提高你的编码能力。

R / Python /统计信息是相互关联的-为了提高对此的熟练度,你需要通过在示例项目上进行工作或在工作中进行实际项目来投入时间。R&Python知识可以通过在Coursera上接受培训,并通过编码来处理示例项目来提高。

接下来是在Analytics(分析)的应用程序中建立知识-这不仅会培养R / Python中的技能,而且还会培养项目的多样性。请记住,对于数据工程师而言,你的项目多样性至关重要。例如,数据工程师期望的一些示例项目是:

·聚类-K表示

·因子分析

·使用线性回归,ARIMA,乘法模型进行预测

·使用Logistic回归的客户流失/损耗预测模型

·购物车/查德

·网页抓取

·在R中创建热图

·情绪分析

·市场篮分析

·建立推荐算法

·监督学习和无监督学习项目

你需要同时具有上述项目的R / Python统计信息和编码知识。还要根据你的行业来积累知识。假设你申请了Google Analytics(分析)零售/电子商务公司的职位。集思广益,研究有关Analytics(分析)在零售/电子商务中的应用。

下面的示例:

需求预测是零售中非常重要的应用-请对其进行研究。下载样本数据集并在R中创建线性回归/ ARIMA模型以预测需求:客户细分-研究和应用诸如K-means聚类的技术以了解其概念;定价分析-你会在互联网上找到很多示例项目。

如果非要说出区别的话,数据分析师更有发展而工程师未来可被替代性更强。

发表评论

您的电子邮箱地址不会被公开。