全文共2632字，預計學習時間5分鐘

數據科學界有一個傳說，如果一個技術高超的數據科學家突然接手你的工作，他可以??奇跡般地在一夜之間將一家大型數據科學公司扭虧為盈。

這樣的數據科學家需要豐富的經驗和深厚的專業知識。只要找到合適的贊助商，這個人肯定會走上正軌，發展整個項目。

但是，隨著您的數據科學計劃的形成，您可能需要一個技術團隊來幫助改進項目。該團隊主要由機器學習工程師、數據科學家、統計學家、軟件工程師以及可能的一兩個數據分析師組成。

大公司的 IT 技術人員以系統為中心的方式處理數據，他們通常具備編程、系統開發、系統支持、業務支持等技能，以及在跨職能團隊中工作的能力。數據分析師的工作。其中，如果高級開發人員具備一定的業務知識背景，并且擅長使用各種數據處理工具，則非常適合數據分析師。

數據分析師是所有專家的中間人

在數據科學團隊中，數據分析師可以協調所有技術專家。數據分析師通常可以為數據科學家或統計學家指明研究方向，解釋哪些假設值得進一步研究。他們可以與機器學習工程師和軟件開發人員合作，為機構構建和開發全面的數據科學項目，并可以通過數據可視化進行初步分析，開啟數據科學的新旅程。

企業中的高級或中級 IT 專家大多與其他部門協作。跨職能團隊合作技能與軟件工程背景相結合，使企業 IT 員工能夠與其他專家良好合作。

數據分析師了解業務情況，對數據有直觀的判斷

數據分析師在或多或少的技術或業務層面處理數據。一般來說，數據分析師在處理數據的過程中可以對業務形成一定的看法，逐漸對數據有自己的直觀判斷。一般來說，如果數據分析師在從事數據科學項目之前曾與公司的業務合作過it技術員，他們會更精通業務。逐步培養業務直覺，然后圍繞業務不斷提高這種能力，可以為數據科學項目節省大量時間。

企業IT技術人員的工作，離不開“數據”二字。隨著大數據在IT領域的推廣，大部分軟件開發都圍繞著數據展開。數據分析師可以通過研究企業的系統解決方案來學習業務知識。解決數據完整性、數據倉庫和系統性能問題以提供系統支持可以培養技術專家的數據直覺并加深他們對數據完整性的理解。

數據分析師具有與其他專家競爭的好奇心以及跟上工作進度的毅力

數據科學是一個迭代過程。業務分析就像大海撈針。通常需要幾個月的時間來研究數據以找到可行的解決方案。這需要數據分析師的毅力和不妥協的好奇心。

企業 IT 技術人員可能整天都處于沮喪狀態。每天都在使用系統代碼庫，不可避免地會認為多年來一遍又一遍地使用同一個系統，糾結于辦公室的斗爭，以及為大量數據而頭疼的問題，是非常無聊的。在這樣的環境下，從不膽怯、堅守崗位的工程師是數據分析師的最佳人選。

數據分析師掌握數據存儲和檢索技術

一般來說，在商業環境中，有很多技術可以用來存儲大數據。據悉，行業可以借助數據挖掘工具在數據處理過程中獲得分析結果。精通數據存儲和檢索技術的分析師知道如何快速獲得他們需要的“精煉”數據集。

為企業工作多年的IT技術專家不僅知道如何進一步開發系統，還知道如何存儲數據、挖掘數據和提取數據。這項技能非常寶貴，可以幫助機器學習工程師和數據科學家更加專注于建模和數據科學。

數據分析師是尋找數據的專家

數據分析師通常是查找數據的最佳人選。除了整理和清理數據，他們還可以通過數據庫找到自己需要的重要信息，有時甚至可以直觀地找到最重要的信息。

查找數據的能力是企業 IT 專業人員擁有的最重要的能力。處理許多數據庫遺留問題、構建經常失控的代碼庫、優化性能和其他調試任務都是企業 IT 人員擅長的事情。他們具有跨系統調試技能，可以標記和跟蹤數據以發現系統問題。對于需要找到正確的項目方向的數據分析師來說，這項技能非常重要。

數據分析師“有大局”

數據分析師天生就是“大局觀”的人，他們愿意與專家一起工作。他們的工作性質是協調每個人的工作，這樣他們才能“胸有成竹”。如果可以利用數據分析師的技能，他們可以從管理學校學習關鍵業務信息。終于可以獨立工作，有自己的意見了。

與大型科技公司和初創公司的軟件工程師不同，企業 IT 開發人員更關注“大局”。他們不會花很多時間在軟件的一點點細節上，而是更專注于開發一個可以在多個系統中的多個組件上運行的解決方案的軟件。這些企業 IT 開發人員的開放性也使他們成為數據分析師的最佳人選。

數據分析師精通多種編程語言，具備處理不同類型數據存儲的技能

因為數據分析師必須漫游數據、協助清理數據、可視化數據，所以優秀的數據分析師必須對 R 或 R 等編程語言、數據可視化概念和實踐、以及SQL 和 NoSQL 等。數據提取技術非常熟練。一般來說，一個好的數據分析師還應該有使用 SAS 的經驗。他們可能沒有算法、統計和分析方面的經驗，但他們一定在技術層面使用過用于編寫算法的工具。

企業 IT 開發人員可以使用多種不同的編程語言。具有 5 年以上經驗的中級開發人員精通 SQL 和 NoSQL 領域的系統解決方案開發。有些人甚至有 C++ 和 Java 方面的經驗。對他們來說，處理負責任的數據和學習一門新的編程語言并不是一個難題。這位開發者對Perl、Awk等腳本語言也非常熟悉，如果你沒有這些面向目標的編程經驗，學習R可能很容易。

在機器學習和大數據時代，人們總是在為數據科學項目尋找“最合適的”。通過正確的方法，企業 IT 技術人員也可以在數據科學領域表現出色。事實上，我們需要經驗豐富的機器學習工程師來擴展數據科學，并且可能需要數據科學家來領導數據科學團隊。此外it技術員，企業IT技術人員也可以依賴。他們掌握了一定的商業知識，具有敏銳的洞察力。如果他們成為數據分析師，他們可以彌合專家團隊之間的差距，并為數據科學項目帶來真正的價值。不要忘記，成功的數據科學項目是團隊努力的結果。

點贊關注