从事数据，大数据，数据分析和业务改进的IT人员中都有很多就业机会。根据麦肯锡全球研究院对于2018年美国的预测显示，这类人员中，有14万多人缺乏深刻的分析技能，更不用说那些需要解释数据分析来做出数据驱动的业务决定的150万人。如果数字正确的话，看来市场需求将明显超过供应量。
IT人员希望获得数据科学家，数据分析师，业务分析师和数据专家在内的几个可能需要的职位，重要的是要磨练最能符合其能力和愿望的那个职位，并在今后得到进一步的职业发展。但是，请注意，人们可能以不同的方式来实现，有时甚至可以互换。所以，需要看看每个标题的描述，以确保在下一次评估或面试时的职业角色以及它的名字。
1.数据科学家
数据科学家通常被称之为“独角兽”，胜利这一角色，并具备所有必要技能的人是比较罕见的。基本上，数据科学家为数据驱动的决策提供模型，展望未来，并展示必要的创新和创新方法。
除了拥有强大的技术技能（例如，使用Hadoop，在RandPython中进行编程，数学统计）以外，数据科学家还应该能够以解决开放式的问题和无向研究的方式为组织带来可衡量的商业利益。在理想情况下，它们本质上是好奇的，并且可以同时涉及数据，组织需求，以及需要听取业务用众的需求。
人们可以想象，具有这些能力的数据科学家对于组织来说可能是相当有价值的。它们是企业可用的数据资源与管理人员之间的纽带，寻找机会使业务更好，更快，更强。根据企业的规模和目标，他们可以向首席科学家，CTO（首席技术官），CMO（首席营销官）或直接向首席执行官汇报工作。
2.数据分析师
数据分析师可以使用现有的工具和算法来解决与数据相关的问题，而不是像数据科学家们那样发明新的工具和算法。编程和统计数据是数据分析师的两个基本技能，以及数据争论和数据可视化。他们还将自定义数据库查询放在一起，以回答业务用户的问题，从现有数据中实现新的指标，努力提高数据质量，并有助于正确获取新数据。
关于使用这个分析师的职位，没有任何规则。一个组织的数据分析师可能被称为数据科学家或统计学家。他们也经常期望将技术知识与行业知识相结合，与以下讨论的业务分析师的工作范围相重叠。然而，总体而言，它们的特征是将数据收集，操纵和分析，使用标准和方法，以及作为组织数据的守护者。
数据分析师可能会向首席信息官（CIO），首席数据官（CDO）或可能向数据科学家或业务分析师团队负责人报告。数据分析师的薪水通常相当高，而数据科学家的薪水可能会更高。与数据分析师相比，这可能反映了数据科学家创造模型来改善未来的要求。
3.业务分析师
通常行业专家，业务分析人员也必须具备操纵数据和指定系统的合理知识，同时能够在不同层次上进行良好的沟通。在一般意义上，业务分析师的出发点是评估其组织的运营和功能需求。然后，他们将这些需求转化为系统规格，并寻找这种系统最有吸引力的融资方案。
数据库设计通常是业务分析师工作的重要组成部分。这包括数据库建模，指标定义，仪表设计，以及创建和发布执行报告。ROI（投资回报率）也是一个关键问题，因为业务分析师将其数据相关活动应用于财务，营销和风险管理。
业务分析师可能与数据科学家和数据分析师在度量定义和数据库设计等领域合作。所有这三个职痊类别之间的区别可能会变得模糊，例如，如果业务分析师还提供新业务系统和应用程序的代码。业务分析师通常在矩阵组织中工作，例如向CIO或CFO等经理报告，以及向项目负责人汇报工作。
4．数据库专家
顾名思义，数据库专家拥有数据库的深入知识。他们采用信息安全软件工作，以防止数据泄露，并通过组织任何数量的数据来协助业务运营。它们确保数据被正确存储，保护，清理，转换，聚合以满足业务需求。这包括编译和安装数据库系统，扩展到多台机器，并实施灾难恢复计划。
数据库专家还可以查看组织使用的其他数据存储库，例如数据存储，数据集，数据仓库，数据湖。除数据管理技能和数据架构优化以满足业务需求外，他们还为数据分析师和数据科学家提供了一个强大的平台，以获取他们自己的模型和调查所需的数据。而具了有强大的技术能力，数据库专家可能会安心使用MySQL数据库（如MySQL和Postgre SQL），以及NoSQL技术（如Mongo DB和Redis）。在IT部门的部分，通常是数据库专家可以向IT部门领导或CIO报告。其薪资与数据分析师或数据科学家的薪酬相当，具有较强的软件工程技能会有更高的报酬水平。
如今的数据职位可以跨越未来
以下的职位角色将会在几个地方相交。例如，尽管数据科学家提供建模，叙事，可视化和统计技能，但与数据库专家在系统实现，数据存储和数据库管理方面的专业知识相比，它们在编程和数学领域的范围都是重叠的。同样，数据分析师可能会将重点放在标准的SQL数据存储，分析，统计和商业智能功能上，与使用高级统计数据的新数据采集和处理相关的数据科学家相比，他们通常对数据更加好奇，希望获取洞察力，以及向业务受众介绍数据的叙事能力。
因此，可以从另一个职位转移到另一个职位，并将“内部客户”转换为“从更技术的受众到更加以业务为中心”。工作人员或其组织用于准备和管理数据，建模和设计分析算法的平台，以及数据和分析结果的可视化可以有助于此过程。例如，Sisense加速和促进所有这些功能，使数据分析师和数据库专家更容易“成长”成业务分析师或数据科学家的角色，如果他们想这样做的话。但是，如果工作人员想为自己编制一个完全原始的数据职位，请尝试使用Sisense数据职位发生器，并查看全新的可能性范围。
本文转自d1net（转载）
相关资源：七夕情人节表白HTML源码(两款)