在我们日常生活工作中，任何的行为都会产生数据，而这些数据。往往可以在经过重组整合后，变得更有价值。随着越来越多的商业与政府机构开始关注数据的挖掘、整理和分析，也有越多越多的行业与公司开始以数据作为最核心的业务来驱动。
一些常见的数据驱动职位
在数据相关的职业发展道路上，我们列举了四个比较常见的职位方向，分别是商业分析师、数据分析师、数据工程师以及数据学家，这些职位的区别如下：
商业分析师 business analyst
商业分析师们会利用收集到的数据，分析行业趋势，对企业整体的商业发展做出建议与规划。
专业性要求：
掌握统计学工具使用方法（sas、stata、spss、r）
熟悉数据分析方法（regression, tren analysis, forecasting, a/b testing）
深度excel使用方法及大量专业知识
数据分析师 ata analyst
数据分析师的工作内容更偏向于实际的数据相关技术工作，例如通过编写代码实现数据清理、数据管理等，常常需要通过运用不同的数据分析工具，来从已有的数据样本中找出更多可分析内容。
专业性要求：
编程（python，r）
应用统计分析
应用机器学习
数据可视化—tableau，power bi，qlikview
数据整理
数据收集及处理
数据工程师 ata engineer
作为更加专精于工具开发的数据工程师，他们会利用自己专业的编程技能来创造并完善数据分析工具，以供团队成员进行解读与分析。
专业性要求：
掌握数据处理工具用法—mapreuce，hive，pig，spark，kafka
sql技术—mysql，postgresql
nosql技术—mongob，cassanra数据库系统
数据仓库系统方案
数据学家 ata scientist
与数据工程师们形影不离、相辅相成的数据学家们，将会负责数据工具的设计与要求框架。他们的工作将更加专注于对这些工具产出的结果进行评估和解读。
在数据分析师专业要求的基础上，数据学家另需掌握：
多元统计—regression，主成分分析pca，聚类分析
自然语言处理
计算机视觉
预定与预测模式
云服务技术—aws，google、微软
机器学习逻辑—ocker，kubernetes，tial
随着科技在我们生活中扮演越来越重要的角色，数据科学也同样变得越来越重要，相对的也会提升相关专业在就业市场上的热度。
想了解更多留学资讯，欢迎咨询刘老师！
