[[264446]]

Overview：

• 基本概念
• DS的職能要求
• DE的職能要求
• 總結(jié)

好了，就解釋到這里了，今天主要給大家好好說說python的發(fā)展方向，這篇文章也是藏了好久了，群里各種問怎么學(xué)，大數(shù)據(jù)分析怎么學(xué)，爬蟲怎么入門，說實在的，你關(guān)注我號久一點，都知道有那么幾篇文章是專門給入門看的，還有幾篇是資料總結(jié)的。會找的都能找到。

但是一篇可能不夠，因為我想盡可能的給大家剖析行業(yè)情況，讓大家在做選擇的時候不至于還不知道這是干啥的，只知道這個很火。

今天就先給大家講大數(shù)據(jù)分析工程師。

一、基本概念

對于一大部分想轉(zhuǎn)行做IT，做python的，都是沖著大數(shù)據(jù)分析來的，那你知道大數(shù)據(jù)分析的是啥嗎?你知道大數(shù)據(jù)分析的崗位職能分配情況嗎?

如果這些都答不上來的話，那就別追風(fēng)口，如果盲目的跟風(fēng)，只會讓你進來找不著北，到頭來，浪費1年時間，還的回去干老本行。

首先，我們經(jīng)常叫的大數(shù)據(jù)分析師有兩種崗位定位：

• 大數(shù)據(jù)科學(xué)家，Data Scientist，DS
• 大數(shù)據(jù)工程師，Data Engineer，DE

從這兩個單詞里，你就能看出端倪了，那接下來就以我在普華永道的工作經(jīng)歷告訴你，這兩者的區(qū)別，以及工作內(nèi)容劃分。

二、DS職能要求

1. 專業(yè)知識

DS的職能是算法分析，是基于對行業(yè)背景的了解幫助客戶作出預(yù)期計算。而這里面就會涉及到很多專業(yè)知識，俗稱統(tǒng)計分析。

和pwc同事共事的時候，我經(jīng)常向他們討教關(guān)于DS的一些事情，再加上一起做項目，分工明確，也自然對DS更了解一些。我見過的DS都是碩士畢業(yè)，還都是全美***0的學(xué)校，要么博士。

不是學(xué)歷歧視，是你要做這事情，就得要這點本事，你沒有7年，你的專業(yè)知識支撐不了你做DS。如果你不理解這句話，我給大家舉個例子：

大家都讀過小學(xué)(就怕我說都讀過高中，你說你初中畢業(yè)為了生存，就出來打拼了)不考慮天才好么，我們都是小老百姓。然后解題思路就是按照老師教的，而思路只局限在一元二次方程組，二元一次方程組，而讀過大學(xué)的，他可能直接用積分就給你解出來了;幾何題都做過對么，幾何題難的是什么?做輔助線啊!輔助線出來，人人都是華羅庚，還喜歡后面跟一句，我要是畫出來了，我也會做。

這是什么?就是知識邊界啊。你所知道的星辰大海，只是別人的滄海一粟。所以專業(yè)知識必不可少。

2. 行業(yè)背景

接下來DS還需要有某個領(lǐng)域的行業(yè)背景，俗稱BK，background knowledge。你可能會奇怪為什么還要這。

因為大數(shù)據(jù)分析都是針對行業(yè)來做的，那么行業(yè)內(nèi)的行話，套路，潛規(guī)則，生存法則都是不一樣的，你要對公司做預(yù)期分析，你就得對行業(yè)有一個基本認識，甚至深入了解。

我們以前的DS，貫穿各大實體行業(yè)，有保險的，醫(yī)療的，建筑的，心理的，法律的等等。為什么要招那么多DS，就是因為每個DS都有自己擅長的幾個領(lǐng)域。一定的BK能夠幫助DS在面對數(shù)據(jù)的時候快速的作出信息過濾，能夠在聊需求的時候，快速給出反饋。這才是價值。

3. 工具

到了第三塊，才是你們關(guān)心的python，為什么把python放***?因為python只是一個工具。對于開發(fā)者來說，python可能是你們的底，但對于DS來說，python只是一個交通工具。

以前用excel VB，后來用java，現(xiàn)在還有人在用R，不過更多的還是python。這就好比說，現(xiàn)在如果你想去某個地方，坐地鐵能到的，基本都坐地鐵，因為又快又方便。那沒有地鐵的時候呢?只能做公交。沒有公交的時候呢?就得騎自行車，或者走路。

所以DS從來不會關(guān)心代碼運行效率，他們關(guān)心的是編碼效率。而python正好又是編碼效率極高的。

所以你要和我說你在外面培訓(xùn)了4個月的大數(shù)據(jù)分析后，就想做DS了，那請你再考慮考慮。

三、DE職能要求

相對DS，DE就比較雜了，做的事情也多。就拿我來說，當(dāng)時中國data team 就3個，2個DS，你說我是DE也可以，說我是打雜的也可以。因為DS只負責(zé)算法輸出，而其余的都是我來做。

你們想想，一個項目光有算法能行嗎?誰去執(zhí)行它，它要如何被外部調(diào)用?臟數(shù)據(jù)的清洗工作誰來做?還有很多很多的事情需要你考慮。

那我一個個來說，首先DE最重要的事情就是輔助DS清洗數(shù)據(jù)，我們叫data cleaning。因為很多時候從外部拿到的數(shù)據(jù)，無論是買來的，爬來的，還是已有的，都是原始數(shù)據(jù)，DS需要對這部分數(shù)據(jù)做一個預(yù)處理，否則很容易污染樣本數(shù)據(jù)。那DE的工作，很重要的一部分就是去清洗數(shù)據(jù)。至于規(guī)則是你和DS討論的，沒有一個固定的模版。

其次，剛剛說到的數(shù)據(jù)來源，有一個是爬來的，所以你還得會爬蟲。關(guān)于爬蟲部分的內(nèi)容我會另起一篇，給大家好好講講。當(dāng)時我想做，但沒有做的一部分就是爬蟲，因為全美有很多公開數(shù)據(jù)是可以去獲取的，當(dāng)時我想做的是分類，包括清洗、過濾、入庫、展示。沒來得及做。

如果你會爬蟲，DS就會很高興了，因為他們不用為沒有數(shù)據(jù)犯愁了，你要知道，對于DS來說，數(shù)據(jù)的數(shù)量和質(zhì)量都是他們關(guān)心的東西。而老板更是了，因為DS要數(shù)據(jù)，他就要花錢去買，如果你是DE你說你可以嘗試爬爬看，那老板對你什么看法?

那你如果還會做后端開發(fā)就更好了，我當(dāng)然的主要經(jīng)歷就放在了自動化建設(shè)上面。US那邊的老板是沒有要求做，那我是本著提升生產(chǎn)效率去的，所以是自己給自己加戲了。***的效果還不錯，讓我一個任務(wù)從一周到1-2分鐘，只需要改配置就可以了，當(dāng)然這個過程是非常痛苦的，我們前前后后一起對需求，review代碼。

然后服務(wù)端寫好了，我們還可以做前端展示，對于vendor來說，他們不關(guān)心數(shù)據(jù)怎么來的，他們想看直接的東西，那不就是dashboard嗎?這塊我也沒做，只是開了個頭。

后來發(fā)現(xiàn)我們有一個20人的app團隊在做這個事情，我肯定沒有人家20個人做得好，但是起碼在他們交付前，我們data team也可以體現(xiàn)出價值來不是?否則只有等app team做完了，把我們的數(shù)據(jù)接入了，老板在看的到。

所以我一直強調(diào)，價值是自我實現(xiàn)的，平臺給你的是機會，能做多大，都看你自己。前幾天還和一個讀者說這個事情，我說別和我扯公司規(guī)范，流程，在我看來都是借口。

你做運維，一定要等測試代碼過了給到你，才能發(fā)布，那你為什么不能把測試之后的步驟自動化?讓測試自己提交jira，然后打鉤子，做CI/CD?部署服務(wù)器，和我說測試服務(wù)器就要手搭，搭好了之后有一套腳本會自動化部署其他服務(wù)，那為什么不把創(chuàng)建服務(wù)器也自動化?你又不是物理機，你是云服務(wù)器啊。

題外話了，我們收回來，所以對于DE來說，做的事情可以很多。那python就是我們的武器庫了，武器是爬蟲、數(shù)據(jù)清洗、后端、前端等等，要什么拿什么，就看你有多少了。而武器庫里還可以加上kettle、tableau、informatica等等，這些只是附加項了。

這個，培訓(xùn)機構(gòu)4個月培訓(xùn)一個武器，我是相信的。而他們鼓吹的大數(shù)據(jù)分析師，其實就是DE。不能說絕對，只能說大部分把，給自己留條路……

四、總結(jié)

好了，今天說了那么多，希望能給正在大數(shù)據(jù)分析路上的你，吃一顆定心丸，該走的路一步不能少。