本文原始發佈於：真．資料團隊與分工 | 資料科學家的工作日常

不同的技能與分工

首先我們先依照技能與工作簡單分成三種類型：

1. 擅長 #分析應用 的： 資料分析師（Data Analyst）
2. 擅長 #程式實作 的： 資料工程師（Data Engineer）
3. 擅長 #模型理論 的： 資料科學家（Data Scienist）

換句話說，他們分別是「看資料」，「調資料」以及「玩資料」。不過實際上的分工與職能其實會更加複雜一點，有幾種常見的狀況：

• 資料科學家與資料工程師中間的 GAP
• 模型「部署/上線」的工作誰來做？
• 「資料分析師」與「商業分析師」

資料科學家與資料工程師中間的 GAP

在擅長模型資料科學家與擅長程式資料工程師之間，會有一小段的重疊的範圍。通常的合作方式會由資料科學家訓練出一個好的模型，再由資料工程師呼叫使用。不過偶爾會有部署所導致的效能或是或是需要再調整的工作。當模型遇到問題的時候，會有兩端都難以解決的狀況出現。

因此，我們會把兼顧模型理論和程式實作的人抽出來定位成「ML 機器學習工程師」，他們通常熟悉用程式操作模型的部分。

模型「部署/上線」的工作誰來做？

另一個常見的情境是，最終將模型交由工程師部署上線之後。可能會遇到重要的錯誤出現或需要週期性的更新時，往往都會需要整個流程重新跑一次。在傳統的開發模式當中，會有維運的工程師負責從開發到上線自動化的融合成一系列的工作線。這樣的想法轉移到資料科學的情境當中，被稱為是 MLOPs 機器學習維運工程師，主要概念是將模型的訓練與部署更加緊緊的自動化。

「資料分析師」與「商業分析師」

「資料分析師」也是資料產業中一個重要的職能之一，而且這個位置在資料科學熱潮之前就存在已久。資料分析師從資料技能的角度來看，會有一部分內容跟資料科學家重疊。我覺得從使用場景來看，可以明顯看出差異。資料分析師比較強調的是「如何找到適合資料可以解決的問題」，對資料理解與定義問題的敏銳度。就我所知，資料分析師在資料探索及資料視覺化的要求會高一點。而資料科學家則更重視模型與理論，需要比較完整的資料知識體系，例如統計，最佳化及資料模型這方便的了解。

以往我們可能會用「程式力」或「數學力」將資料分析師的下一步切分成「資料工程師」或「資料科學家」，不過其實還有一種選擇 - 「商業分析師」。商業分析師更強調的是如何用資料來解決的商業的問題，找到一個適合資料方法切入的應用場景。對於商業分析師來說，對資料與商業都須需要有一定的敏感度。資料科學很多時候是以理論的角度切入最佳化，可能與商業應用目的不完全相同，「商業分析師」能夠在其中扮演轉譯的角色。

不同背景的養成路徑

只要有心，人人都可以成為資料科學家。資料科學是一個跨領域的技能，需要同時有跨域的能力與開放的思維。這邊列出了一些常見的背景，與適合的養成路徑：

如果你本來就是軟體工程師的話，可以從程式需求大的資料工程師開始。統計/數學背景的話，適合研究資料科學模型。另外大部分的話，就會建議從資料分析師的起點逐步規劃。

資料團隊與分工

最後我們將以上講的各種位置，用資料科學的工作流程對應：

實際上資料專案需要的是一支團隊，一般會將資料科學的技能拆成多個不同的職缺。經過完善的各司其職可以完成強大的工作，達到明確的守備範圍。不過理想很豐滿、現實很骨感，在許多小團隊當中都會先配備一個角色打全場：

資料專案需要的是一支團隊

要完成一個好的資料專案，靠的不能只是一個厲害的強者，需要的是一支合作無間的資料團隊。跨領域的整合也是一個重要的應用關鍵。無論資料的多寡，資料專案都是建基在資訊、統計、視覺化等不同的領域專業上面。不過現實層面上來說，很難有人可以同時具備那麼多能力，因此在資料專案中更需要團隊合作。

根據公司的業務需求與應用層級，打造一個最適合的資料團隊才是王道。

---

嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 粉專：資料科學家的工作日常 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ

在大數據時代下，資料收集與程式爬蟲你已經是基本的數位技能！最近正在計畫【超新手也能用 Python 爬蟲打造貨比千家的比價網站】的線上課程，實現一鍵極速收集海量資料，手把手帶你打造比價網站。​從資料收集、資料整理到最終的部屬展示，將海量數據轉化為可視化的圖表，並結合網站實作，實現真正的落地運用​ 🚀🚀🚀

📍 課程募資優惠中： https://pse.is/3hq9sp

📍 課程募資優惠中： https://pse.is/3hq9sp

📍 課程募資優惠中： https://pse.is/3hq9sp

License

本著作由Chang Wei-Yaun (v123582)製作，

以創用CC 姓名標示-相同方式分享 3.0 Unported授權條款釋出。