Overview：

1. 序

2. 基本概念

3. DS的职能要求

4. DE的职能要求

5. 总结

一、序

今天主要给大家好好说说python的发展方向，这篇文章也是藏了好久了，群里各种问怎么学，大数据分析怎么学，爬虫怎么入门，说实在的，你关注我号久一点，都知道有那么几篇文章是专门给入门看的，还有几篇是资料总结的。会找的都能找到。

但是一篇可能不够，因为我想尽可能的给大家剖析行业情况，让大家在做选择的时候不至于还不知道这是干啥的，只知道这个很火。

今天就先给大家讲大数据分析工程师。

二、基本概念

对于一大部分想转行做IT，做python的，都是冲着大数据分析来的，那你知道大数据分析的是啥吗？你知道大数据分析的岗位职能分配情况吗？

如果这些都答不上来的话，那就别追风口，如果盲目的跟风，只会让你进来找不着北，到头来，浪费1年时间，还的回去干老本行。

首先，我们经常叫的大数据分析师有两种岗位定位：

• 大数据科学家，Data Scientist，DS

• 大数据工程师，Data Engineer，DE

从这两个单词里，你就能看出端倪了，那接下来就以我在普华永道的工作经历告诉你，这两者的区别，以及工作内容划分。

三、DS职能要求

1. 专业知识

DS的职能是算法分析，是基于对行业背景的了解帮助客户作出预期计算。而这里面就会涉及到很多专业知识，俗称统计分析。

和pwc同事共事的时候，我经常向他们讨教关于DS的一些事情，再加上一起做项目，分工明确，也自然对DS更了解一些。我见过的DS都是硕士毕业，还都是全美TOP10的学校，要么博士。

不是学历歧视，是你要做这事情，就得要这点本事，你没有7年，你的专业知识支撑不了你做DS。如果你不理解这句话，我给大家举个例子：

大家都读过小学（就怕我说都读过高中，你说你初中毕业为了生存，就出来打拼了）不考虑天才好么，我们都是小老百姓。然后解题思路就是按照老师教的，而思路只局限在一元二次方程组，二元一次方程组，而读过大学的，他可能直接用积分就给你解出来了；几何题都做过对么，几何题难的是什么？做辅助线啊！辅助线出来，人人都是华罗庚，还喜欢后面跟一句，我要是画出来了，我也会做。

这是什么？就是知识边界啊。你所知道的星辰大海，只是别人的沧海一粟。所以专业知识必不可少。

2. 行业背景

接下来DS还需要有某个领域的行业背景，俗称BK，background knowledge。你可能会奇怪为什么还要这。

因为大数据分析都是针对行业来做的，那么行业内的行话，套路，潜规则，生存法则都是不一样的，你要对公司做预期分析，你就得对行业有一个基本认识，甚至深入了解。

我们以前的DS，贯穿各大实体行业，有保险的，医疗的，建筑的，心理的，法律的等等。为什么要招那么多DS，就是因为每个DS都有自己擅长的几个领域。一定的BK能够帮助DS在面对数据的时候快速的作出信息过滤，能够在聊需求的时候，快速给出反馈。这才是价值。

3. 工具

到了第三块，才是你们关心的python，为什么把python放最后？因为python只是一个工具。对于开发者来说，python可能是你们的底，但对于DS来说，python只是一个交通工具。

以前用excel VB，后来用java，现在还有人在用R，不过更多的还是python。这就好比说，现在如果你想去某个地方，坐地铁能到的，基本都坐地铁，因为又快又方便。那没有地铁的时候呢？只能做公交。没有公交的时候呢？就得骑自行车，或者走路。

所以DS从来不会关心代码运行效率，他们关心的是编码效率。而python正好又是编码效率极高的。

所以你要和我说你在外面培训了4个月的大数据分析后，就想做DS了，那请你再考虑考虑。

四、DE职能要求

相对DS，DE就比较杂了，做的事情也多。就拿我来说，当时中国data team 就3个，2个DS，你说我是DE也可以，说我是打杂的也可以。因为DS只负责算法输出，而其余的都是我来做。

你们想想，一个项目光有算法能行吗？谁去执行它，它要如何被外部调用？脏数据的清洗工作谁来做？还有很多很多的事情需要你考虑。

那我一个个来说，首先DE最重要的事情就是辅助DS清洗数据，我们叫data cleaning。因为很多时候从外部拿到的数据，无论是买来的，爬来的，还是已有的，都是原始数据，DS需要对这部分数据做一个预处理，否则很容易污染样本数据。那DE的工作，很重要的一部分就是去清洗数据。至于规则是你和DS讨论的，没有一个固定的模版。

其次，刚刚说到的数据来源，有一个是爬来的，所以你还得会爬虫。关于爬虫部分的内容我会另起一篇，给大家好好讲讲。当时我想做，但没有做的一部分就是爬虫，因为全美有很多公开数据是可以去获取的，当时我想做的是分类，包括清洗、过滤、入库、展示。没来得及做。

如果你会爬虫，DS就会很高兴了，因为他们不用为没有数据犯愁了，你要知道，对于DS来说，数据的数量和质量都是他们关心的东西。而老板更是了，因为DS要数据，他就要花钱去买，如果你是DE你说你可以尝试爬爬看，那老板对你什么看法？

那你如果还会做后端开发就更好了，我当然的主要经历就放在了自动化建设上面。US那边的老板是没有要求做，那我是本着提升生产效率去的，所以是自己给自己加戏了。最后的效果还不错，让我一个任务从一周到1-2分钟，只需要改配置就可以了，当然这个过程是非常痛苦的，我们前前后后一起对需求，review代码。

然后服务端写好了，我们还可以做前端展示，对于vendor来说，他们不关心数据怎么来的，他们想看直接的东西，那不就是dashboard吗？这块我也没做，只是开了个头。

后来发现我们有一个20人的app团队在做这个事情，我肯定没有人家20个人做得好，但是起码在他们交付前，我们data team也可以体现出价值来不是？否则只有等app team做完了，把我们的数据接入了，老板在看的到。

所以我一直强调，价值是自我实现的，平台给你的是机会，能做多大，都看你自己。前几天还和一个读者说这个事情，我说别和我扯公司规范，流程，在我看来都是借口。

你做运维，一定要等测试代码过了给到你，才能发布，那你为什么不能把测试之后的步骤自动化？让测试自己提交jira，然后打钩子，做CI/CD？部署服务器，和我说测试服务器就要手搭，搭好了之后有一套脚本会自动化部署其他服务，那为什么不把创建服务器也自动化？你又不是物理机，你是云服务器啊。

题外话了，我们收回来，所以对于DE来说，做的事情可以很多。那python就是我们的武器库了，武器是爬虫、数据清洗、后端、前端等等，要什么拿什么，就看你有多少了。而武器库里还可以加上kettle、tableau、informatica等等，这些只是附加项了。

这个，培训机构4个月培训一个武器，我是相信的。而他们鼓吹的大数据分析师，其实就是DE。不能说绝对，只能说大部分把，给自己留条路……

五、总结

好了，今天说了那么多，希望能给正在大数据分析路上的你，吃一颗定心丸，该走的路一步不能少。

关注公众号「Python专栏」，后台回复「腾讯架构资源1」，获取由腾讯架构师整理的大数据学习全套资源包！