Overview：
-
序
-
基本概念
-
DS的職能要求
-
DE的職能要求
-
總結
一、序
今天主要給大家好好說說python的發展方向，這篇文章也是藏了好久了，群裡各種問怎麼學，大資料分析怎麼學，爬蟲怎麼入門，說實在的，你關注我號久一點，都知道有那麼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情況，讓大家在做選擇的時候不至於還不知道這是幹啥的，只知道這個很火。
今天就先給大家講大資料分析工程師。
二、基本概念
對於一大部分想轉行做IT，做python的，都是衝著大資料分析來的，那你知道大資料分析的是啥嗎？你知道大資料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，還的回去幹老本行。
首先，我們經常叫的大資料分析師有兩種崗位定位：
-
大資料科學家，Data Scientist，DS
-
大資料工程師，Data Engineer，DE
從這兩個單詞裡，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，這兩者的區別，以及工作內容劃分。
三、DS職能要求
1. 專業知識
DS的職能是演算法分析，是基於對行業背景的瞭解幫助客戶作出預期計算。而這裡面就會涉及到很多專業知識，俗稱統計分析。
和pwc同事共事的時候，我經常向他們討教關於DS的一些事情，再加上一起做專案，分工明確，也自然對DS更瞭解一些。我見過的DS都是碩士畢業，還都是全美TOP10的學校，要麼博士。
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，你說你初中畢業為了生存，就出來打拼了）不考慮天才好麼，我們都是小老百姓。然後解題思路就是按照老師教的，而思路只侷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；幾何題都做過對麼，幾何題難的是什麼？做輔助線啊！輔助線出來，人人都是華羅庚，還喜歡後面跟一句，我要是畫出來了，我也會做。
這是什麼？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。所以專業知識必不可少。
2. 行業背景
接下來DS還需要有某個領域的行業背景，俗稱BK，background knowledge。你可能會奇怪為什麼還要這。
因為大資料分析都是針對行業來做的，那麼行業內的行話，套路，潛規則，生存法則都是不一樣的，你要對公司做預期分析，你就得對行業有一個基本認識，甚至深入瞭解。
我們以前的DS，貫穿各大實體行業，有保險的，醫療的，建築的，心理的，法律的等等。為什麼要招那麼多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在面對資料的時候快速的作出資訊過濾，能夠在聊需求的時候，快速給出反饋。這才是價值。
3. 工具
到了第三塊，才是你們關心的python，為什麼把python放最後？因為python只是一個工具。對於開發者來說，python可能是你們的底，但對於DS來說，python只是一個交通工具。
以前用excel VB，後來用java，現在還有人在用R，不過更多的還是python。這就好比說，現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從來不會關心程式碼執行效率，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個月的大資料分析後，就想做DS了，那請你再考慮考慮。
四、DE職能要求
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只負責演算法輸出，而其餘的都是我來做。
你們想想，一個專案光有演算法能行嗎？誰去執行它，它要如何被外部呼叫？髒資料的清洗工作誰來做？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清洗資料，我們叫data cleaning。因為很多時候從外部拿到的資料，無論是買來的，爬來的，還是已有的，都是原始資料，DS需要對這部分資料做一個預處理，否則很容易汙染樣本資料。那DE的工作，很重要的一部分就是去清洗資料。至於規則是你和DS討論的，沒有一個固定的模版。
其次，剛剛說到的資料來源，有一個是爬來的，所以你還得會爬蟲。關於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資料是可以去獲取的，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資料犯愁了，你要知道，對於DS來說，資料的數量和質量都是他們關心的東西。而老闆更是了，因為DS要資料，他就要花錢去買，如果你是DE你說你可以嘗試爬爬看，那老闆對你什麼看法？
那你如果還會做後端開發就更好了，我當然的主要經歷就放在了自動化建設上面。US那邊的老闆是沒有要求做，那我是本著提升生產效率去的，所以是自己給自己加戲了。最後的效果還不錯，讓我一個任務從一週到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，我們前前後後一起對需求，review程式碼。
然後服務端寫好了，我們還可以做前端展示，對於vendor來說，他們不關心資料怎麼來的，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。
後來發現我們有一個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也可以體現出價值來不是？否則只有等app team做完了，把我們的資料接入了，老闆在看的到。
所以我一直強調，價值是自我實現的，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範，流程，在我看來都是藉口。
你做運維，一定要等測試程式碼過了給到你，才能釋出，那你為什麼不能把測試之後的步驟自動化？讓測試自己提交jira，然後打鉤子，做CI/CD？部署伺服器，和我說測試伺服器就要手搭，搭好了之後有一套指令碼會自動化部署其他服務，那為什麼不把建立伺服器也自動化？你又不是物理機，你是雲伺服器啊。
題外話了，我們收回來，所以對於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、資料清洗、後端、前端等等，要什麼拿什麼，就看你有多少了。而武器庫裡還可以加上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。而他們鼓吹的大資料分析師，其實就是DE。不能說絕對，只能說大部分把，給自己留條路……
五、總結
好了，今天說了那麼多，希望能給正在大資料分析路上的你，吃一顆定心丸，該走的路一步不能少。
關注公眾號「Python專欄」，後臺回覆「騰訊架構資源1」，獲取由騰訊架構師整理的大資料學習全套資源包！
