ウェブサイトの写真。クリスティーナ@ wocintechchat.com
私はプロのデータアナリスト（データアナリスト）とデータサイエンティスト（データサイエンティスト）の両方として働いています。各ポジションの経験を共有し、日々のタスクの主な違いを強調するとよいと思います。私の記事が、どちらが適切かを判断するのに役立つことを願っています。そして、すでに働いている人々は、それを読んだ後、自分の立場を変えたいと思うかもしれません。データアナリストから始めて、研究者に進む人もいます。それほど人気ではありませんが、低い位置にいる研究者から上級の位置にいるアナリストへの道はそれほど興味深いものではありません。両方のポジションには独自の特性があり、専門能力開発の次の大きなステップを実行する前に知っておく必要がある特定のスキルが必要です。
以下では、私の経験に基づいて、データアナリストおよびデータサイエンティストであることが何を意味するかを説明し、各ポジションについての最も一般的な質問について詳しく説明します。
データアナリスト
過去または現在のデータを記述し、主要な検索結果を関係者に提示し、変化と傾向を完全に視覚化したい場合は、データアナリストの立場が適切です。言及されたポジションには、これらのポジションに必要なスキルの類似点と相違点をカバーする別の記事で説明した類似点があります。ここで、データアナリストの役割とデータサイエンティストの役割との関係をどのように感じているかを示します。これらの専門家が日常業務で何を期待するかを理解することは非常に重要です。アナリストはさまざまな人々とやり取りし、多くのコミュニケーションを行い、データサイエンティストが必要とするよりも高いペースでタスクを完了します。
したがって、各ポジションで受ける印象は大きく異なる可能性があります。
以下に、データアナリストが直面する最も一般的な質問への回答を示します。
- 誰と協力する必要がありますか？
主にデータの要約、調査結果の視覚化、結果の報告を要求する会社の利害関係者とともに。コミュニケーションは通常、口頭またはデジタルチャネルです：電子メール、SlackおよびJira。私の経験では、エンジニアリングや製造ではなく、ビジネスの人間的側面および分析的側面と緊密に連携する必要があります。
- 誰に結果が提供されますか？
前述の利害関係者に最も可能性が高いです。ただし、マネージャーがいる場合はマネージャーに報告し、マネージャーはすでにデータを利害関係者に転送します。リクエストのプールを収集し、それらに関するレポートをまとめて、関係者に提示することも可能です。レポート作成のために、Tableau、Google Data Studio、Power BI、Salesforceなどのツールを使用して、CSVファイルなどのデータに簡単にアクセスできます。他のツールでは、SQLを使用して高度なデータベースクエリを構築するなど、より多くの技術的努力が必要です。
- プロジェクトの作業ペースはどのくらいですか？
データサイエンティストよりも大幅に高い。複数のデータプール（クエリ）を準備したり、出力を週1回出力したり、大規模なプレゼンテーションを毎日出力したりできます。モデルを構築したり予測したりするのではなく（通常）、結果は説明的でアドホックなので、物事はより速く進みます。
データサイエンティスト
データサイエンティストは、データアナリストとはかなり異なります。彼らは同じツールと言語を使用する可能性がありますが、研究者は他の人々とより大きなプロジェクト（機械学習モデルの構築と実装など）で作業し、より多くの時間を費やす必要があります。通常、データアナリストは自分でプロジェクトに取り組みます。たとえば、1人のユーザーがTableauダッシュボードを使用して結果を表示できます。データサイエンティストは、複数のエンジニアと製品マネージャーを雇用して、適切なツールと品質のソリューションでビジネスタスクを効率的に遂行する力を持っています。
- 誰と協力する必要がありますか？
データアナリストとは異なり、関係者とやり取りするのは一部の問題のみですが、モデルとその使用結果に関連する他の問題については、データエンジニア、ソフトウェアエンジニア、製品マネージャーに連絡します。
- 誰に結果が提供されますか？
それらをステークホルダーと共有したり、予測に応じてUI（ユーザーインターフェイス）を開発したりするために、完成品のアイデアを必要とするエンジニアと共有することができます。
- プロジェクトの作業ペースはどのくらいですか？
おそらく、これらのポジションの認識と機能の最大の違いは、各プロジェクトの時間です。データアナリストの速度は非常に速く、データサイエンティストはプロジェクトを完了するのに数週間または数か月かかることがあります。データサイエンティストプロジェクトのモデリングと準備は、データ収集、探索的データ分析、マスターモデルの作成、反復、モデルの調整、および結果の抽出を伴うため、時間のかかるプロセスです。
結論
Unsplashウェブサイトの写真。マルクスウィンクラー
アナリストやデータ科学者は、タブロー、SQL、さらにはPythonのような同じツールを使用しますが、彼らの専門的な作業は非常に異なる可能性があります。データアナリストの日常的な活動には、より多くの会議や対面のやり取りが含まれ、高度なソフトスキルと迅速なプロジェクト実行が必要です。研究者の仕事には、より長いプロセス、エンジニアや製品マネージャーとのコミュニケーション、および開発者が過去と現在の状態に焦点を合わせながら、開発における新しいデータまたは現象を理解する予測モデルを構築することが含まれます。
この記事がおもしろくて参考になったといいのですが。ご清聴ありがとうございました！