Кто такие Data Scientist, Data Analytics и Business Analytics?

Я все о том же, об IT.

Сейчас есть очень много новых профессий. Наверняка вы тоже натыкались на такие словосочетания как Data Scientist, Data Analytics и Business Analytics. Кто это вообще такие? И в чем их различие?!

Некоторые считают что они занимаются одним и тем же. На самом деле все не так просто. У каждого из них — свои задачи и функции, которые могут пересекаться.

📊Data scientist чаще работает с большими массивами данных. Он ищет в них закономерности, строит прогнозные модели, создает рекомендательные алгоритмы. Также data scientist может визуализировать данные.

Ключевые навыки data scientist'а:

✅умение анализировать. Нужно проанализировать задачу перед ее выполнением, подумать над тем, какие данные нужны и как их лучше всего собрать. После сбора данных нужно оценить их качество, потом — качество моделей и вероятность их использования в реальном мире. На каждом этапе можно допустить ошибку. Поэтому нужно анализировать промежуточные результаты. Иначе вы рискуете не заметить ошибку и потратить время зря, обнаружив ее в финале.

✅способность учиться от задачи к задаче, чтобы предыдущий опыт помогал вам справляться с новыми вызовами быстрее».

✅Кроме этого, data scientist должен иметь опыт программирования на Python и R, должен уметь работать с SQL, создавать визуализации данных и обладать хотя бы базовыми знаниями в области machine learning(машинное обучение) чтобы строить модели.

📊Data analytics — позиция для тех, кто хочет начать работать с данными. Технические навыки важны, но главное — знание статистических методов.

Ключевые навыки дата-аналитика:

✅знание языков Python/R, математики/статистики, SQL,

✅опыт работы с платформами для аналитики и визуализаций Tableau/Power BI

✅любовь к цифрам и усидчивость. Часто нужно довольно долго копать, чтобы найти что-то интересное.

✅способность решать проблемы, искать новые идеи и решения.

✅коммуникабельность (важны и коммуникация в команде, и правильная подача результатов анализа)

📊Задача Business analytics - получение информации с использованием ряда технологий, навыков и передовых отраслевых практик для использовании в бизнес-планировании. С течением времени у бизнеса увеличивается объем данных, и бизнес-аналитик занимается формированием, ориентированных на данных, стратегий для роста бизнеса с использованием конкурентных преимуществ. Если мы углубимся в работу бизнес-аналитики, то увидим разделение на бизнес-анализ и статистический анализ. Бизнес-анализ опирается на имеющиеся данные, чтобы судить о том, как определенный отдел или сотрудник достигает поставленных целей со временем. Статистический анализ - гораздо глубже. Он, используя собранную информацию и используя статистические алгоритмы прогнозирует будущий результат. Он включает использование интеллектуальных аналитических средств, анализ кластеров и т. д.

Чем крупнее компания, тем выше вероятность, что там будут работать и инженер, и аналитик, и data scientist и бизнес аналитик. В стартапах компетенции всех трех специалистов может совмещать один человек — собирать данные, строить модели и анализировать их. У нас например относительно большая “компания”, но я почему- то занимаюсь этим всем одна. LOL🥺

#нетнеумничаю