如果你对大数据了解不足，可能会惊讶地发现数据科学家和商业分析师提供不同的结果。即便这种情况发生了，你也不会是唯一的一个，因为这两种职业经常被混为一谈。今天我们将呈现六张信息图，助你拨开数据科学的迷雾。
商业分析师和数据科学家都是使用数据的专家，但他们以不同的方式使用自己的专业知识，正如目前的就业前景所佐证的——公司对商业分析师的需求远高于对数据科学家的需求。
通常情况下，商业分析师因为他们在商科、人文学科的专业背景，擅长于在各种来源的数据中挖掘信息，用以评估过去、现在和未来可能的经营业绩。然后他们向企业用户解释那些结论，企业用户需要商业分析师给出在那种状况下最有效的分析模型和方法。
与此相反，数据科学家因为有计算机科学、数学和技术的强大学术背景，他们事实上通过使用统计程序开发了收集数据的框架，并通过创建及实施支持他们成果的算法来应用数据。这些算法有助于商业决策和数据管理，同时创建数据可视化以帮助解释收集到的数据。
要了解更多数据科学家和数据分析师之间的差异，请看下面的信息图，以确保你聘用合适的专业人士，以满足你独特的业务需求。
在大数据时代，分析处理复杂信息会带来改变世界的创新。为了理解这些数据，许多公司聘用包括商业分析师和数据科学家在内的许多专家。
从结构化和非结构化的来源研究和提取有价值的信息，解释过去的、现在的和将来的经营业绩，确定最佳分析模型和途径，为商业用户提供和解释解决方案。
数据科学家
借助统计编程，设计、开发和运用算法来支持商业决策制定工具，管理海量数据，创建可视化以帮助理解。
大部分商业分析师都有包括商科和人文学科在内的多种教育背景。与此同时，数据科学家则来具有计算机科学、数学及技术等教育背景。
商业分析师和数据科学家的具体教育情况及专业课程如表所示：
商业分析师 |
数据科学家 |
|
学士 |
30% |
28% |
硕士 |
56% |
48% |
博士 |
11% |
20% |
专业课程 |
商务管理、信息技术、金融、政治学、人类学、经济学、历史、心理学 |
数学、计算机科学、信息科学、计算机软件工程、技术通信、计算机信息系统、统计学 |
商业分析师和数据科学家都是运用数据辅助决策的专家。然而，他们是用不同的方式、利用相同或类似的工具来应用他们的技能。以下所列技能为该领域硕士应该具备的技能。
技能 |
商业分析师 |
数据科学家 |
决策制定 |
通过把从多方面数据分析中的业务洞察力转换为有形资源，为业务决策制定策划变动 |
运用数据挖掘发现数据集中的机会，编写机器学习算法来支持决策制定 |
应用问题解决 |
定义业务问题并将统计分析转换为数据驱动的商业智能，从而改善经营业绩 |
为解决业务问题创建分析基础 |
数据分析 |
运用预测性、规范性和描述性分析来研究、解释和可视化原始数据，让原始数据变得有价值且能为商业用户所用 |
运用线性判别分析和多元线性回归选择等方法来管理和组织多元大数据集 |
分析模型 |
利用数据模型理解、整合并建议解决方案 |
有经验的统计程序员使用SAS、SQL、R、SPSS、Python和Knime等语言工具 |
数据库管理 |
利用Teradata、Oracle和Hadoop等工具来为不同形式的数据（编码和非编码的）定义和调整数据库需求 |
利用Teradata、Oracle和Hadoop等工具来设计和结构化数据库 |
商业分析师 |
数据科学家 |
金融和保险 25% |
联邦政府 26% |
计算机系统设计及相关服务 10% |
计算机系统设计及相关服务 18% |
制造业 8% |
大学、学院及专科学校 13% |
公司企业管理 8% |
物理、工程及生命科学研发 11% |
国家、地方政府（不包括教育机构及医院） 8% |
软件发布 8% |
商业分析师 |
数据科学家 |
|
工作职位总数量 |
73200 |
26700 |
未来十年工作将增长 |
19500（27%） |
4100（15%） |
原文发布时间为：2015-11-16
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
