摘要：今天就先給大家講大數(shù)據(jù)分析工程師。所以你要和我說你在外面培訓了個月的大數(shù)據(jù)分析后，就想做了，那請你再考慮考慮。而他們鼓吹的大數(shù)據(jù)分析師，其實就是。

Overview：

序

基本概念

DS的職能要求

DE的職能要求

總結

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，大數(shù)據(jù)分析怎么學，爬蟲怎么入門，說實在的，你關注我號久一點，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。

對于一大部分想轉行做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，那就別追風口，如果盲目的跟風，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歷告訴你，這兩者的區(qū)別，以及工作內容劃分。

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，我經常向他們討教關于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TOP10的學校，要么博士。

不是學歷歧視，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（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。

接下來DS還需要有某個領域的行業(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。

到了第三塊，才是你們關心的python，為什么把python放最后？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從來不會關心代碼運行效率，他們關心的是編碼效率。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。

相對DS，DE就比較雜了，做的事情也多。就拿我來說，當時中國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。關于爬蟲部分的內容我會另起一篇，給大家好好講講。當時我想做，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)量和質量都是他們關心的東西。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，我當然的主要經歷就放在了自動化建設上面。US那邊的老板是沒有要求做，那我是本著提升生產效率去的，所以是自己給自己加戲了。最后的效果還不錯，讓我一個任務從一周到1-2分鐘，只需要改配置就可以了，當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。

然后服務端寫好了，我們還可以做前端展示，對于vendor來說，他們不關心數(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，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？部署服務器，和我說測試服務器就要手搭，搭好了之后有一套腳本會自動化部署其他服務，那為什么不把創(chuàng)建服務器也自動化？你又不是物理機，你是云服務器啊。

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，培訓機構4個月培訓一個武器，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……

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。

關注公眾號「Python專欄」，后臺回復「騰訊架構資源1」，獲取由騰訊架構師整理的大數(shù)據(jù)學習全套資源包！