Мнение

Data Scientist vs Data Analyst Education

Что другого и такого же?

Оглавление

  1. Вступление
  2. Специалист по данным
  3. Аналитик данных
  4. Сходства и различия
  5. Резюме
  6. использованная литература

Вступление

Специалисты по анализу данных и аналитики данных имеют одинаковые рабочие обязанности, но при этом имеют довольно большие различия в своей повседневной работе. Конечно, компания могла бы назвать кого-то специалистом по данным, и он в основном выполняет работу по анализу данных, и то же самое можно сказать и о другом, хотя, скорее всего, это реже, но это все еще существует. Например, у очень популярной технологической компании есть описание специалиста по данным, которое описывает или не требует опыта работы с алгоритмами машинного обучения. Этот пример важен, потому что он также будет определять ваш образовательный опыт. Однако, вероятно, лучше всего понять, какова в среднем каждая роль, а также ваши конкретные интересы в каждой области - например, обработка естественного языка (NLP) для специалистов по данным была бы конкретная область, в которой вы могли бы специализироваться. С учетом сказанного, давайте приведем несколько примеров сходства и различий между образовательными маршрутами, которые вы могли бы выбрать, чтобы стать специалистом по данным или аналитиком данных.

Специалист по данным

Образовательные требования и опыт постоянно меняются и, возможно, больше всего подходят для этой конкретной роли. Наука о данных может следовать более традиционным маршрутам, а также следовать новым, более быстрым маршрутам. Я расскажу об этих маршрутах ниже и приведу несколько примеров того, чем вы могли бы следовать, начиная свою карьеру в области науки о данных.

Традиционный маршрут

  • A → Самый традиционный путь на самом деле более традиционный для большинства профессий, но не так распространен в науке о данных. Это будет степень бакалавра в области науки о данных, которую я недавно видел, особенно в последнее время.
  • B → Возможно, более популярной является ученая степень в области науки о данных. Я считаю, что этот путь используется чаще, потому что люди будут получать традиционную степень бакалавра в таких областях, как математика, бизнес, экономика или даже биология, а затем после работы в своей первоначальной карьере решат, что они хотят чего-то другого и нового, что было бы ученая степень в области науки о данных. Это не обязательно означает, что вы должны изучать науку о данных в общей сложности 6 лет, но на самом деле 1–2 года.

Современный маршрут

  • A → Онлайн-учебный курс существует уже некоторое время для разработки программного обеспечения и анализа данных, но только что стал более популярным среди специалистов по данным. Этот подход можно использовать, если вы хотите получить более быстрый и дешевый образовательный опыт. Вы можете возразить, что это менее авторитетно, чем степень, но я думаю, что сдвиг уже происходит, когда работодателей не волнует, как вы учитесь, а просто то, что вы узнали и можете проверить свои знания с помощью устных собеседований, тестов на дому, и кодирование интересно.
  • B → онлайн-буткемп, где у вас уже есть технический опыт. Этот путь предназначен для людей, которые уже имеют опыт работы в области анализа данных, разработки программного обеспечения или инженерии данных, и могут пройти еще более короткий BootCamp или комбинацию онлайн-курсов и сертификатов, чтобы получить самый быстрый путь к карьере в области науки о данных ( но только если вы уже занимались техническим делом / данными раньше).

Теперь, когда мы изучили 4 возможных образовательных маршрута, которые вы можете выбрать как специалист по анализу данных, мы можем изучить конкретные маршруты для аналитиков данных. Но сначала давайте быстро резюмируем эти маршруты, которые мы обсуждали выше:

  1. Традиционная степень бакалавра в области науки о данных (или программная инженерия)
  2. Традиционная аспирантура в области науки о данных
  3. Современный полный онлайн-учебный курс по науке о данных
  4. Современный сокращенный учебный курс / курсы / сертификаты по науке о данных

Аналитик данных

Роль аналитика данных существует уже некоторое время и является очень популярной, однако традиционных маршрутов для аналитиков данных не так уж и много. Мы все еще можем исследовать более традиционный маршрут, такой как наука о данных, а также несколько современных маршрутов.

Традиционный маршрут

  • A → Самый традиционный путь на самом деле может быть степенью в чем-то, что не совсем аналитика данных. Это будет степень бакалавра в области бизнеса, экономики или статистики.
  • B → Более свежий, но все еще традиционный путь - получение степени в области анализа данных. Я заметил тенденцию к тому, что эти обслуживаемые степени как в области науки о данных, так и в области анализа данных начинались сначала в аспирантуре, а затем подавались на получение степени бакалавра. Это почти заставляет задуматься, нужны ли четырехлетние школы, поскольку это было доказано получением работы от 1 до 2 лет в магистратуре.

Современный маршрут

  • A → Онлайн-учебный курс существует уже некоторое время для анализа данных и обычно состоит из навыков, которые вы бы использовали чаще всего в своей повседневной работе, таких как SQL и визуализация данных.
  • B → онлайн-буткемп, где у вас уже есть технический опыт. Этот путь предназначен для людей, которые уже имеют опыт разработки программного обеспечения, разработки данных или даже управления продуктами, и могут пройти еще более короткий BootCamp или комбинацию онлайн-курсов и сертификатов, чтобы получить самый быстрый путь к карьере аналитика данных ( но только в том случае, если вы уже занимались техническим делом / данными раньше).

Как и в случае с описанными выше образовательными маршрутами для специалистов по анализу данных, давайте сделаем то же самое для обобщения образовательных маршрутов по аналитике данных, которые вы можете выбрать:

  1. Традиционная степень бакалавра в области бизнеса, экономики, статистики и т. Д.
  2. Традиционная аспирантура в области анализа данных
  3. Современный полный онлайн-учебный курс по аналитике данных
  4. Современный сокращенный учебный курс / курсы / сертификаты по аналитике данных

Сходства и различия

Теперь, когда у нас есть лучшее представление о возможных маршрутах, которые вы можете выбрать в любой из этих ролей (да, существует бесчисленное множество других путей, но я лично считаю, что это наиболее распространенные), давайте погрузитесь немного глубже в некоторые сходства и различия этих ролей.

Сходства

  • Оба будут изучать бизнес-аспекты, такие как KPI (Ключевые показатели эффективности).
  • Оба изучат визуализацию данных.
  • Оба изучат общение (передачу технических концепций нетехнической аудитории)

Отличия

  • Специалисты по анализу данных обычно изучают Python (объектно-ориентированное программирование -OOP), а аналитики данных изучают R (иногда )
  • Аналитики данных особенно изучат SQL
  • Аналитики данных изучат Tableau / Looker или что-то подобное.
  • Специалисты по обработке данных сосредоточатся на алгоритмах машинного обучения
  • Специалисты по обработке данных сосредоточатся на операциях машинного обучения (развертывание и т. Д.)

Опять же, не существует идеального маршрута для любой из этих профессий, который отвечал бы ожиданиям и требованиям каждого. При этом, в конечном счете, вам решать, что вы хотите изучать в этих соответствующих областях. Эти решения также могут повлиять на то, какие типы ролей вы получите, например, определенные навыки, на которых вы решите сосредоточиться, могут начать путь к специализации.

Резюме

Как видите, есть несколько разных маршрутов, по которым вы можете выбрать любую карьеру, будь то 4-летнее обучение или ускоренная онлайн-сертификация на несколько месяцев. Некоторые люди предпочитают учиться быстрее, в то время как другие предпочитают сосредоточиться на изучении большего количества времени. И снова вам решать, какой образовательный путь вы выберете, но сначала важно знать, какие у вас есть варианты, и именно поэтому я написал эту статью.

Подводя итог, вот несколько путей, которые вы можете выбрать для обеих ролей:

* Traditional undergraduate degree
* Traditional graduate degree
* Modern, longer bootcamp
* Modern, shorter bootcamp/courses/certifications

Надеюсь, моя статья была вам интересна и полезна. Пожалуйста, не стесняйтесь комментировать ниже, если вы согласны или не согласны с этими образовательными маршрутами для обеих ролей. Почему или почему нет? Какие еще факторы, по вашему мнению, важно отметить в отношении образования? Конечно, их можно прояснить еще больше, но я надеюсь, что смог пролить некоторый свет на сходства и различия между маршрутами обучения специалистов по данным и аналитиков данных.

Спасибо за чтение!

Я не связан ни с одной из этих компаний.

Не стесняйтесь проверить мой профиль, Matt Przybyla, и другие статьи, а также подписаться на получение уведомлений по электронной почте для моих блогов, перейдя по ссылке ниже, или нажав на значок подписки вверху экрана рядом со значком подписки, и свяжитесь со мной в LinkedIn, если у вас есть какие-либо вопросы или комментарии.

Ссылка для подписки: https://datascience2.medium.com/subscribe

использованная литература

[1] Фотография Kimberly Farmer на Unsplash, (2017)

[2] Фото Арсений Тогулев на Unsplash, (2019)

[3] Фотография Марио Гога на Unsplash, (2018)

[4] Фотография Håkon Grimstad на Unsplash, (2020)