Data Scientist vs Data Analyst | KajoData Podcast

To znaczy, Tutaj musimy poczyścić jakieś dane. Tutaj próbujemy sobie zautomatyzować jakiś pipeline machine learningowy. Tutaj robimy jakąś taką mega zaawansowaną analizę w Pythonie. Siedzimy w jakimś takim projekcie. No ale tutaj próbujemy model uczenia maszynowego wrzucić na produkcję, tak? Bo bardzo dużo różnych się rzeczy wymaga od data scientist'a. Ale to są wciąż takie, taka różnorodność technologiczna. Natomiast w przypadku analityka danych, My mamy różnorodność technologiczną, no bo tutaj rzeźbimy na szybko jakieś analizy w Excelu. Tutaj tworzymy sobie model danych w naszej bazie danych w SQLu po to, żeby później to zwizualizować. Tutaj tworzymy dashboard w Power BI albo w Tableau, żeby oddać to biznesowi, żeby oni mogli codziennie sprawdzać jak tam wygląda stan firmy, stan danego działu.

I punkt numer 5 to jest popyt, zarobki i łatwość znalezienia pracy. Tutaj jest ciekawa sprawa, no bo oczywiście tak. Zarobki Data Scientista będą większe. Koniec kropka. Tak po prostu będzie. Zarobki i analityka danych nie są złe, One są niezłe i naprawdę w pewnym momencie tam na spokojnie ta pięciocyfrowa kwota nam zaczyna wlatywać, także tym się kompletnie nie przejmujemy, ale jest coś innego jeśli chodzi o popyt i łatwość znalezienia pracy. Otóż analityka potrzebuje praktycznie każda większa firma. I to może być analityk, analityk, tzn. jest wypisany Data Analyst i Ty jesteś tym analitykiem. To może być Data Analyst, tylko ukryta pod inną nazwą, czyli np. BI Developer, Specjalista do spraw raportowania, Specjalista do raportów, czyli osoba, która pracuje z danymi, z raportowaniem,

Z tego typu rzeczami albo BI Developer to też jest rola, która tak naprawdę jest tym samym, tak? Tylko tworzymy raporty bardziej niż analizujemy dane. Sorry, że wbijam się w temat, ale chciałem tylko przypomnieć, że na mojej stronie kajodata.com znajdziesz dostęp do społeczności i platformy dla analityków danych, gdzie jest mnóstwo świetnych materiałów i pełne wersje kursów z Excela, SQL, Pythona i Tableau, a także webinary z Power BI, więc gorąco zachęcam. KajoData.com. Ok, wracamy do tematu. Na przykład jeśli chodzi o Data Scientist'a, no to to są firmy, które muszą być dosyć zaawansowane technologicznie. To są firmy, które muszą sobie pozwolić na koszty, które wiążą się z tym, że mamy takiego Data Scientist'a.