10分钟带你了解数据分析的三大门类！

 BA, DA, DS 的概述

• 互联网科技公司

• 金融行业

• 零售行业

• 医疗保健行业

• 咨询行业

• 政府及非营利组织

商业分析师

• 数据分析与建模：利用数据分析工具和技术，收集、整理、分析和建模企业的业务数据，从而提取有价值的商业洞察和发现商业机会，分析和建模会涉及到大数据、机器学习和人工智能等领域

• 业务流程优化与改进：深入了解企业的业务流程，从商业角度分析企业或组织的业务流程、业务需求，为企业制定战略和业务规划提供支持，涉及到业务流程重构、自动化、标准化等方面知识

• 统计分析与预测建模：利用统计学和预测建模等技术，为企业提供准确的预测和预测，以指导企业的决策制定和战略规划，涉及到市场分析、消费者行为分析、销售预测、产品定价和成本分析等模型
  

商业分析，计算机科学，信息系统

信息技术，工程学

SQL, Excel, Python, R

中等

数据分析师

• 数据收集与清洗：有效地从各种来源收集数据，并对数据进行清洗和预处理，以确保数据的准确性和可靠性，以便进行后续的分析

• 数据分析与建模：使用各种统计学和机器学习技术，对数据进行分析和建模，以提取有价值的信息和洞察，从而支持业务决策

• 数据可视化和报告：将分析结果以易于理解的形式进行可视化，向决策者和其他利益相关者传达分析结果和建议

• 业务洞察和建议：深入了解企业所处的行业和市场环境，以便从数据中发现商业机会和洞察，提供有价值的商业建议和决策支持，帮助企业制定更明智的战略规划
  

数学，数据科学，计算机科学

商业分析，统计学，定量研究

SQL, Python, Tableau, PowerBI

R/SPSS/SAS, Statistics

中等

数据科学家

• 数据挖掘与分析：使用各种数据挖掘和分析技术，例如机器学习、人工智能、统计学等，从海量数据中提取有价值的信息和知识，并探索数据背后的规律和趋势

• 数据建模与预测：相比数据分析师，数据科学家更注重数据建模和预测的能力。运用各种数据建模和预测技术，例如回归分析、时间序列分析、聚类分析等，构建数据模型，预测未来趋势和结果，并为决策提供科学依据

• 算法设计与优化：具备良好的算法设计和优化能力，能够根据不同的业务需求和数据特征，选择合适的算法模型，并不断调整和优化算法，提高预测准确度和效率

• 数据工程与部署：具备数据工程和部署能力，能够将数据分析和算法模型应用于实际业务中，构建端到端的数据处理和分析系统，并保证系统的可扩展性和稳定性
  

数据科学，经济学，统计学

计算机科学，定量分析，工程学

SQL, Python, AWS, Azure

Tableau, Power BI

高难