数据分析师和数据挖掘工程师的区别是什么?
数据分析师岗位重在“分析”,数据挖掘工程师岗位重点是要“挖掘”。
1、【数据分析师】:基于业务,通过数据分析手段发现和分析业务问题,为决策作支持。一般招聘这类岗位的公司规模都不会太小,人数可能不是一个唯一的衡量指标,但是业务规模肯定比较大,反而言之,业务规模太小的公司就没什么可分析的了。
2、此岗位重在“分析”,首先要有一定的数据灵敏度和数学底子,知道在什么样的数据规模下,需要看什么样的数据指标。了解常规的数据挖掘算法,可以使用一些工具得到预期的结果。当然用工具的话是需要公司系统支持一些数据分析软件的,SPSS啊,Clementine什么的,如果没有,说句难听的,弄个Excel表格在有些公司也叫数据分析师。当然有些数据分析师Excel玩儿的可以很溜,可以用Excel模拟一个CTR预估算法的迭代过程。
3、【数据挖掘工程师】:偏技术,通过建立模型、算法、预测等提供一些通用的解决方案,当然也有针对某业务的。岗位重点是要“挖掘”,所以对于人的要求就是要熟悉挖掘的方法,挖掘的工具,或者至少知道在什么平台应该用什么工具,面对什么样的需求应该怎么解。
4、简单来说就是负责接收需求然后产出结果,大部分公司的数据挖掘工程师都比较被动,比如BI找你说“我要100年内的明星数据,而且要知道他们每个人在什么年代拍过什么类型的片子”,这时候你就需要做数据采集,加工整理,结果产出。中间可能会加一些数据可视化或者算法工作,但都要求不高。
5、编程底子不错的,适宜做数据挖掘工程师。数学不错有商业头脑的,适宜做数据分析师。
1、“数据分析”的重点是观察数据,而“数据挖掘”的重点是从数据中发现“知识规则”。
2、“数据分析”得出的结论是人的智能活动结果,而“数据挖掘”得出的结论是机器从学习集(或训练集、样本集)发现的知识规则。
3、“数据分析”得出结论的运用是人的智力活动,而“数据挖掘”发现的知识规则,可以直接应用到预测。
4、“数据分析”不能建立数学模型,需要人工建模,而“数据挖掘”直接完成了数学建模。
5、相对而言,数据挖掘工程师对统计学,机器学习等技能的要求比数据分析师高得多。
6、很多情况下,数据挖掘工程师同时兼任数据分析师的角色。
关于数据分析师和数据挖掘工程师的区别可以到CDA认证机构了解一下,为响应教育部《关于在院校实施“学历证书+若干职业技能等级证书”制度试点方案》(简称1+X证书)和产学合作协同育人项目,通过“以证促学”的方式, 深化复合型技术人才培养模式和评价模式改革,培养更多具有良好专业知识、实际操作技能和职业态度的高素质、高技能的应用型人才。CDA及其认可的教育机构已与国内100多家高校达成了合作, 制定了CDA全国统一的管理制度标准,建立了高校考试中心、专业共建及新时代数据科学人才培养基地!
2019-11-01