数据开发和数据分析之间有什么区别?

发布时间: 2020-12-29

数据分析业务驱动,对收集的大数据进行分析,汇总和理解并消化,最大化的发挥数据价值。数据开发则更专门用于严肃的统计建模和算法开发工作。

业务分析:此处的目的是业务驱动,数据没有任何特定标准,方法复杂度低。简单的收入帕累托分析和交叉表可以成为业务分析的一部分。重点是削减和分割业务绩效,以找到支持任何战略的见识。有了数据访问权限并对业务有很好的了解,任何业务人员都可以进行“业务分析” 。这可以在Excel或python任何其他BI /分析工具(Tableau,微策略)上完成。请注意,R,SAS知识不是必须的。

分析:这是所有分析工作的总称。该术语可以指代业务分析,数据分析大数据分析,数据分析,甚至BI。毫无疑问,它不能清楚地说明已完成的工作。这可能是指数据仓库工作,业务分析工作甚至BI工作。

数据分析:随着对“数据分析”一词的日益滥用,人们为更“严格”的数据分析工作设计了另一个新术语。所需数据确实必须足够重要,以对洞察力具有高度信心。请注意,此大小限制因你要解决的问题而异。方法的复杂性可能会有所不同,从简单到复杂。但是,“科学”一词仍在阻止许多术语滥用,但不久之后将要设计(或已经存在)另一个术语。数据分析和数据之间已经存在很大的区别科学概况。前一个术语被广泛使用,而后一个术语则更专门用于严肃的统计建模和算法开发工作。类似于科学研究,基于统计过程的实验和迭代学习,可从数据中获得更多“可靠”的理解。工具是专用的,因此,取决于基础架构,需要专业知识(R,SAS,Python)。不光是要具备一定的具备统计技术知识和良好的编程技能,还必须剧本强大的业务理解能力(都做项目获得)。

可能我简单的讲述无法说明两个主要分支的区别。但是,此图很好地说明了各种专业术语和技能集之间的差异。

(工程方向)

(业务方向)

“工程方向”和“分析方向员”之间是“数据工程开发”是和“项目型分析师”的区别。在许多带有Business Analyst标签的公司中可能会发现工程开发更多适用于少数头部企业对就业端并不友好,并且有年龄限制基本35岁可能会面临裁员,反而大多数项目型分析师(商业数据分析师)职业生涯后期担任高层领导职位,年龄反而成为他们的助力。好了今天就说到这里如果有对数据分析感兴趣的小伙伴可以在评论区留言,数据分析行业本就是大家共同成长,也可以加入我们九道门社区,可以和更多志同道合的伙伴在这里交流。

发表评论

您的电子邮箱地址不会被公开。