Re: [請益] 資料分析門檻??

[BBSealion (Peaceful Warrior)]

週五晚上剛好閒著，看你問的很雜亂
同是從別領域轉來資料分析這行的人來認真回你一下好了

資料分析這東西這幾年炒作的有點誇張，實際上又真的包山包海
所以不要聽個名詞就想進來，先搞清楚你真正想做的是什麼比較好

簡單說這行需要CS, 統計, 數學, 領域專業知識
但幾乎不可能有人全都精通，所以通常分幾種類型

1. 資料分析師：

這職稱最籠統了
從拉拉Excel到要會跑深度學習
都可以叫資料分析師
但一般來說顧名思義就是負責”分析”的

可以想像一堆資料好好的端到你面前
你要怎樣從中發掘有意義的資訊出來跟其他人報告
這方向統計是核心必要的能力
統計給你穩固的基礎去講一個結論有效還沒效，是否顯著，是否有意義。
至於你要用Excel還是SPSS還是R
就只是選擇工具的差異看公司需求而異

2. 資料科學家：

通常是比較偏向做模型的
會需要強大的Machine Learning能力
有辦法對資料訓練出好的模型來做商業預測
甚至模型本身就是產品

這方向數學底子和實際經驗兩者都非常重要
好的數學讓你能從底層去探討問題本質訓練出別人做不到的模型
好的實戰經驗讓你速度夠快做出堪用的模型，在商業戰場活下去
工具大多是R或Python。
可以參考上面討論AI的大神們的文章

3. 資料工程師：

簡單說就是資料總管
因為現在資料越來越大越來越多
所以光是”蒐集”、”儲存”、”撈取”、”清洗”資料
就已經是個無底深坑
怎樣撈的快撈的好、省空間省頻寬省機器省錢又不會壞
想辦法最快速提供上面兩位穩定、大量又乾淨高品質的資料來分析做出商業價值
這方向需要的是比較強的程式設計與軟體架構能力
關鍵字通常是SQL, Hadoop, Spark, Scala...等

---

所以真的想跨入的話
可以想一下哪個方向比較符合你的興趣跟能力吧
找一個方向努力補足他的核心能力就可以開始面試了
當然你即使精通一種，實戰上通常另外兩種也要略懂略懂啦

另外...在台灣環境下
其實很多公司自己也不懂自己想找什麼人
就跟風要做個資料分析
尤其”資料分析師”這職稱最為混亂
這就只能面試的時候自己去搞清楚囉

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.25.16.65
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1489765840.A.8C0.html
※ 編輯: BBSealion (114.25.16.65), 03/17/2017 23:53:56
推 f496328mm: 想問問看  資料科學家  必須自己寫ML嗎？
→ f496328mm: 我都是用別人寫好的   自己寫好難阿
→ f496328mm: deep learning更誇張  底層都是c++
→ physheepy: 應該是不用自己寫但是要看得懂要會改吧
推 spiderway: 推這篇 跟我認知的90%像了
推 drajan: 要看職務內容 不然我遇過連SGD都不懂的資料科學家 林子大
→ drajan: 了 什麼鳥都有
推 drajan: 是有些DS會自己implement, 驗證過後再交給MLE或DE去寫分散
→ drajan: 式演算法。也有的就DS自己library套一下就上production了
→ drajan: ，現在業界的專業分工還不是很明確
推 kenshin528: 老闆請不起一整組人就得一個人幹這三種缺的事
→ kenshin528: 以一人單幹的情況來看，時間分配上工程>>分析>科學
推 Kazimir: 時間分配：找資料(70%) 整資料(20%) 工商(9%) 建模(1%)
推 blue1232: 小弟原po 雖然查過相關資訊 不過還是指實際在做的前輩
推 blue1232:  講解的比較清楚  小弟會依據前輩所說的 去仔細看看再決
推 blue1232: 定  非常感謝
推 mathrew: 個人覺得 2比3 難 , 因為3有廠商可以問XD
推 viper9709: 推這篇
→ BBSealion: 也有的時間分配會大量花在視覺話上面，不然主管看不懂
→ BBSealion: 只能說這行現在就還很亂，台灣又加倍的亂XD
→ BBSealion: 哪個難我認為很難說，完全看公司和看人
推 yichenfav: 推這篇！跟我現在待的公司職位分工很像～