В настоящее время работа с данными является популярной карьерой — компании продолжают собирать все больше и больше данных, чем когда-либо, и понимают необходимость использования этих данных для обоснования своих бизнес-решений.

Но в чем разница между всеми разными ролями? И на какую работу вам следует ориентироваться, если вы пытаетесь проникнуть в индустрию данных?

Общие названия вакансий в области данных включают аналитика данных, специалиста по данным, инженера данных, аналитика бизнес-аналитики (или инженера), специалиста по машинному обучению, инженера-аналитика, менеджера по продуктам данных, бизнес-аналитика и т. д.

К сожалению, четкого определения каждой роли нет. Названия должностей расплывчаты и непоследовательны в разных, а иногда и внутри компаний. Всегда важно читать описания вакансий и задавать вопросы во время собеседований, чтобы выяснить, на чем на самом деле будет сфокусирована роль.

Что касается того, какую работу выбрать для своей карьеры, это будет зависеть от того, что вам нравится, и сколько времени и усилий вы готовы потратить на обучение.

Ниже приведены некоторые общие описания вакансий, однако это не жесткие правила. Нет руководящего органа, который утверждает названия должностей. Это действительно зависит от компании, особенно от менеджера по найму и отдела кадров.

Обратите внимание, что я не работал на всех этих должностях, поэтому я не могу говорить о специфике каждой из них. Это просто предназначено, чтобы дать идею очень высокого уровня. Вы сможете узнать гораздо больше, если начнете читать описания вакансий или пообщаетесь с людьми на этих должностях!

Аналитик данных

Что они делают: использует данные, чтобы сообщать о том, что произошло, с помощью специального анализа или информационных панелей.

Презентации и встречи? Часто приходится встречаться с заинтересованными сторонами, чтобы понять их потребности, а также представить свои идеи заинтересованным сторонам и руководству.

Навыки: Excel, SQL, Tableau или Power BI, иногда Python или R. Знание базовой статистики (описательная статистика для базовых ролей и статистические тесты для более продвинутых ролей).

Образование. Обычно требуется как минимум степень бакалавра. Статистика и информатика — самые близкие предметы, но есть люди, работающие аналитиками данных со всеми типами специальностей, включая не-STEM.

Ученый по данным

Что они делают: используют данные, чтобы предсказать, что может произойти в будущем, с помощью прогностического моделирования и/или проверки гипотез. Но также иногда сообщает о том, что произошло в прошлом, посредством исследовательского анализа данных. Также можно исследовать и создавать модели машинного обучения для автоматизации.

Презентации и встречи. Часто приходится встречаться с заинтересованными сторонами, чтобы понять их потребности, а также представить свою работу заинтересованным сторонам и руководству.

Навыки: SQL, Python и/или R. Обычно требуется знание статистики, вероятностей и, возможно, линейной алгебры и исчисления. Часто требуется знакомство с прогностическими моделями/алгоритмами машинного обучения и способами их оценки.

Образование. Часто требуется или предпочитается ученая степень (магистр или доктор философии) в области STEM или научных исследований, но некоторые люди имеют только степень бакалавра. Рекомендуемыми предметами являются статистика и информатика, но часто можно встретить специалистов по данным с другими количественными степенями, такими как математика, инженерия и физика. Любая научно-исследовательская степень STEM также хороша. Некоторым людям также удалось перейти на работу в Data Science со степенью, не связанной с STEM.

Инженер данных

Что они делают: создают конвейеры данных для хранения и преобразования данных, используемых аналитиками, учеными или для информационных панелей.

Презентации и встречи. Должен встречаться с заинтересованными сторонами и представлять демонстрации работы, но обычно не так много презентаций, как аналитики данных или ученые.

Навыки: SQL, Python, возможно, другие языки программирования и облачные инструменты (например, AWS, Snowflake и т. д.).

Образование. Обычно требуется степень бакалавра компьютерных наук или аналогичные навыки.

Инженер-аналитик

Новая роль, которая описывается как гибрид между аналитиком данных и инженером данных. Ожидайте всего того, что указано в этих ролях.

Ученый по машинному обучению

Чем они занимаются: исследуют и создают пригодные для производства модели машинного обучения для автоматизации.

Презентации и встречи? Время от времени или часто приходится встречаться с заинтересованными сторонами, чтобы понять их потребности, а также представить или продемонстрировать свою работу заинтересованным сторонам и руководству.

Навыки: SQL, Python и/или R. Нужны очень хорошие навыки программирования. Требуется знание статистики, вероятности, линейной алгебры и исчисления.

Образование. Часто требуется или предпочитается ученая степень (магистр или доктор философии) в области STEM или научных исследований. Рекомендуемыми предметами являются статистика и информатика, но часто можно увидеть ученых-машинистов с другими количественными степенями, такими как математика, инженерия и физика. Любая научно-исследовательская степень STEM также хороша.

Инженер по машинному обучению

Что они делают: берут модели, созданные специалистом по машинному обучению, и внедряют их в производство. Скорее специализированная роль инженера-программиста.

Презентации и встречи? Время от времени приходится встречаться с заинтересованными сторонами (учеными МО), чтобы понять их потребности, или выступать перед заинтересованными сторонами или руководством, но, вероятно, не так часто, как ученые МО.

Навыки: SQL, Python, возможно, другие языки программирования и облачные инструменты (например, AWS, Snowflake и т. д.).

Образование. Обычно требуется степень бакалавра компьютерных наук или аналогичные навыки.

Аналитик или инженер по бизнес-аналитике

Что они делают: создают информационные панели и часто вспомогательные таблицы данных.

Презентации и встречи? Время от времени приходится встречаться с заинтересованными сторонами, чтобы понять их потребности, а также представить или продемонстрировать свою работу заинтересованным сторонам и руководству.

Навыки: SQL, Tableau и/или Power BI, иногда Python.

Образование. Обычно требуется степень бакалавра, информатика является распространенным предметом.

Менеджер данных

Чем они занимаются. Роль управления продуктом, отвечающая за сбор, преобразование, хранение и управление данными. Обычно это не практическая роль, связанная с данными, а скорее специализированный менеджер проекта и эксперт в предметной области.

Презентации и встречи? Частые встречи и презентации.

Навыки. Обычно требуется больше деловых знаний, чем технических навыков.

Образование. Обычно требуется степень бакалавра. Major не так актуален, так как требуется не так много технических навыков.

Бизнес-аналитик

Чем они занимаются: решают проблемы бизнеса, анализируя данные и неколичественную информацию.

Презентации и встречи? Частые встречи и презентации.

Навыки. Обычно требуется больше бизнес-знаний, чем технических навыков, но нередко требуется использование Excel, SQL, Tableau или Power BI.

Образование. Обычно требуется степень бакалавра. Major не так актуален, так как требуется не так много технических навыков.

Вы не согласны с каким-либо из приведенных выше описаний или хотите что-то добавить? Дайте мне знать в комментариях!

Подпишитесь на меня в TikTok, Instagram, YouTube, Twitter, LinkedIn.

Подпишитесь на мою еженедельную аналитическую и карьерную рассылку.

Скачать мои карьерные ресурсы.

Узнайте больше от меня на странице beacons.page/datastoryteller.