Data Analysis 商业智能领域里的不同角色
Created at 2016-09-19 Updated at 2018-05-01 Category Data Analysis
商业智能领域里的不同角色
这是一个金字塔。
业务分析师
使用的工具
- Excel
- Microstrategy / Tableau / QlikView
- SQL browser 如 SQuirreL
需要的技能
- Numerate Analysis
- SQL
- VBA
- 最佳可视化实践
主要的任务
报表和指标
业务分析师定义关键绩效指标，确保这些计算出的数据在整个组织内都有一致性，可以进行比较。
业务分析师设计和实现报表和仪表板，让组织的KPI变得可视化。
业务分析师直接和管理者对接，来收集报表需求。
业务分析师直接和数据工程师对接，来确保数据被正确地收集和存储。
业务分析师需要直接查询数据，但通常仅仅需要查看聚合过的数据。
数据工程师
使用的工具
- 一些SQL 环境，如MSSQL / SSAS / SSIS
- 一个编程IDE，如Eclipse
需要的技能
- 编程，如Java / Python
- MapReduce 框架
- ETL 框架
主要的任务
架构和收集
数据工程师负责构建和维护一个组织的数据传输和存储的基础设施。
这就需要数据工程师来构建储栈，写数据传输包（如用于从生产环境接收数据的事件包），设计聚合过程，优化存储。
数据工程师将生产环境产生的原始数据，转换为业务分析师可以用来制作报表的格式化的数据。数据工程师是他们中间的桥梁。
数据科学家
使用的工具
- R / MatLab / SPSS
- 一个编程IDE，如 Eclipse
- 一个SQL浏览器，如SQuirreLSQL
需要的技能
- 编程，尤其是 Python，C/C++，Ruby
- MapReduce 框架
- Hadoop scripting，如 PigLating 或 HiveQL
- 算法开发
- 机器学习
- 线性代数和统计方法
主要的任务
预测和优化
数据科学家负责构建预测算法：提升用户体验，最终增加参与度、留存率、收益 。例如 推荐引擎，复杂的用户细分的过程。
数据科学家可能位于产品团队中，也能位于专业见解团队中，主要负责数据驱动的产品的改进和建议。
与业务分析师相比，较少碰组织级别的指标。