Дата-сайентист или дата-аналитик: какая из этих профессий вам больше подходит?

Дата-аналитик

Если вам нравится описывать данные, выявлять в них тренды, анализировать полученные результаты и, наконец, визуализировать их для заказчика, вам подойдет позиция дата-аналитика. Скорее всего, в ходе работы вы будете много общаться с людьми и двигаться по карьерной лестнице быстрее, чем это делают дата-сайентисты.

• С кем вам предстоит работать?

Вы будете часто взаимодействовать с представителями компаний, которые заказывают обработку и визуализацию данных. Иногда вы будете встречаться в офисе, иногда общение будет происходить онлайн — в электронной почте, Slack и Jira. По моему опыту, вам предстоит регулярно общаться с людьми и заниматься в основном аналитикой, при этом инженерных задач и работы с продуктом будет меньше.

• С кем нужно будет делиться выводами?

Скорее всего, с теми же самыми людьми. Однако, если у вас есть менеджер, общение частично будет происходить через него. Также бывают ситуации, когда дата-аналитик получает задачу, выполняет ее и затем самостоятельно представляет результаты заказчикам. Для составления отчетов часто используются такие инструменты, как Tableau, Google Data Studio, Power BI и Salesforce. В основном они работают с доступными источниками, такими как CSV-файлы, но иногда приходится создавать более сложные SQL-запросы к базам данных.

• С какой скоростью нужно выполнять задачи?

Вы будете работать над проектами значительно быстрее, чем дата-сайентисты. Запросы, материалы и аналитические данные приходят регулярно, и на их основе нужно создавать отчеты. Дата-аналитику, как правило, не нужно строить модели и делать прогнозы — его задачи более ситуативные и описательные, поэтому их можно выполнять быстрее.

Фото: Gorodenkoff / Shutterstock

Дата-сайентист

Дата-сайентисты занимаются более крупными проектами — например, созданием и развертыванием моделей машинного обучения. В процессе они могут консультироваться с несколькими инженерами и менеджерами по продукту, чтобы убедиться в правильности и эффективности кода, а также в том, что получившаяся модель решает поставленную бизнес-задачу. При этом дата-аналитики могут работать в одиночку с помощью Tableau.

• С кем вам предстоит работать?

В отличие от дата-аналитика, вы будете встречаться с заказчиком гораздо реже, зато вам предстоит тесно сотрудничать с инженерами данных, разработчиками программного обеспечения и менеджерами по продукту.

• С кем нужно будет делиться выводами?

Не только с заказчиками, но и с другими инженерами — например, с теми, кто отвечает за финальный вид продукта и создает пользовательский интерфейс.

• С какой скоростью нужно выполнять задачи?

Возможно, это самое большое отличие между двумя профессиями. Дата-аналитика — более динамичная сфера, в то время как у дата-сайентиста могут уходить недели и месяцы на один проект. Сбор данных, создание и настройка моделей, обработка результатов — все это требует серьезных временных затрат.

Вывод

Дата-аналитики и дата-сайентисты могут использовать одинаковые инструменты — например, Tableau, SQL, и даже Python — но их задачи существенно отличаются друг от друга. Дата-аналитик работает с данными о прошлом и настоящем, ему нужно быстро закрывать задачи и часто общаться с людьми, прокачивая коммуникативные навыки. Дата-сайентист дольше работает над проектом, взаимодействует с инженерами и менеджерами по продукту и создает прогнозные модели.

Источник.

Фото на обложке: everything possible / Shutterstock