Data Scientist vs Business Analyst

Автор статьи: Артем Чернодуб
Руководитель направления Computer Vision в ZZ Photo, научный сотрудник отдела Нейротехнологий ИПММС НАНУ

Внимание к профессии data scientist с каждым днем растет. Все больше организаций открывают направление Data Science и нанимают специалистов в этой области. При этом у некоторых руководителей и начинающих data scientist’ов возникает вопрос: чем же эта позиция отличается от уже привычного для всех бизнес-аналитика (Business Analyst). Попробуем разобраться.

Итак, противопоставление бизнес-аналитика (Business Analyst) и специалиста по данным (Data Scientist), на мой взгляд, не совсем удачно. Data Scientist –очень широкое понятие, которое подразумевает обработку разных данных, различными способами и для различных целей и включает в себя бизнес-аналитику как частный случай. То есть скорее Business Analyst является Data Scientist’ом, но не наоборот.

Бизнес-аналитик – это специалист, который может проанализировать данные бизнес-процессов некоторой компании с целью выполнения экономических прогнозов или принятия управленческих решений. Например – сколько миллионов пачек йогуртов сможет продать ваша компания в США в следующем году с учетом, скажем, текущих трендов в росте количества населения, расового распределения в этом населении и моды на здоровый образ жизни? Или – открывать или нет новый завод по производству стиральных порошков в Африке?

Отличительным навыком бизнес-аналитика как «подвида» Data Scientist’а является наличие у него развитых способностей анализировать бизнес-ситуацию качественно, интуитивно, с учетом трудноформализуемой информации, которую нельзя задать в уравнениях.

Часто бизнес-аналитикам приходится работать без наличия всех необходимых, с точки зрения сухой математики, данных и тогда способность «чувствовать ситуацию спинным мозгом» выходит на первый план. Бывает, что это приводит к разделению такой позиции на две специализации, которые работают в паре: бизнес-аналитик-математик выполняет математические вычисления и готовит графики/диаграммы/цифры, а его коллега, бизнес-аналитик-экономист оценивает, насколько эти результаты адекватны с точки зрения его видения прекрасного («Все хорошо, но эта кривая идет как-то слишком быстро…»).

Бизнес-аналитикам как подвиду Data Scientist можно противопоставить скорее специалистов по машинному обучению (Machine Learning), другой подвид Data Scientist’ов. Это такие математики-программисты, работающие с данными, целью которых является создание алгоритмов, автоматизирующих их обработку более или менее так, как это делает человек.

Как правило, это данные, не связанные прямо с экономическими показателями, а, к примеру, лайки и тексты в социальных сетях (в которых нужно уловить смысл и/или дать рекомендации), изображения, на которых нужно распознать людей (или, например, котиков), распознать голосовую команду со смартфона и так далее. То есть специалисты машинного обучения производят скорее алгоритмы с функционалом искусственного интеллекта, чем таблицы Excel и графики, как это делают бизнес-аналитики. При этом и те, и другие, опираются на в целом один и тот же научный фундамент в виде теории вероятности, математической статистики, нейронных сетей и связанные с этим дисциплины.​

Артем Чернодуб для DataReview

Добавить комментарий

Ваш адрес email не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =