Kartu su didžiųjų duomenų (angl. Big Data) išpopuliarėjimu technologijų ir verslo srityse atsirado ir daug naujų darbo vietų. Bene dažniausiai būna siūloma duomenų analitiko ar duomenų mokslininko pozicija. Šiame įraše apžvelgsime, kuo skiriasi šios dvi profesijos.

Kuo toliau, tuo vis daugiau duomenų kaupia ir naudoja įvairios kompanijos ir įstaigos, o tinkamas šių duomenų tvarkymas leidžia tobulėti ir net gauti daugiau pelno. Štai todėl kompanijoms taip labai reikia duomenų analitikų ir mokslininkų. Ir nors abiejų šių profesijų atstovai dirba su dideliais duomenų kiekiais, tačiau analitikas yra tarsi vertėjas, o mokslininkas yra labiau programuotojas, naudojantis kodus duomenims suvaldyti.

Duomenų analitikas apdoroja visą naudingą kompanijos sukauptą informaciją ir padeda nustatyti tendencijas, rasti sprendimus, planuoti ateities veiksmus. Panašios profesijos atstovų buvo dar iki didžiųjų duomenų atsiradimo, todėl šią profesiją apibrėžti lengviau. Analitikui nebūtina turėti itin gerų programavimo žinių ar gerai išmanyti techninį darbą, bet jam būtina mokėti naudotis duomenų analizavimo programine įranga bei duomenų valdymo programomis. Taip pat labai svarbu, kad analitikas būtų komunikabilus, nes jis turi ypač suprantamai perteikti apdorotą ir išgrynintą informaciją kolegoms.

Didžiausias skirtumas tarp duomenų analitiko ir mokslininko yra tas, kad mokslininkui būtina turėti programavimo patirties. Mokslininkai analizuoja ir interpretuoja duomenis panašiai kaip ir analitikai, tačiau tam pasitelkia kodus, kad galėtų sukurti algoritmus, kurie leistų dar plačiau ir giliau išnagrinėti sukauptus įmonės duomenis. Kad būtų lengviau įsivaizduoti, kaip pavyzdį galima pateikti „Netflix“ ar reklamų „Facebook‘e“ veikimo principą. Tam tikras algoritmas „seka“, kokius filmus ar serialus žiūri ir siūlo tau panašius, lygiai taip pat „seka“, kokiais dalykais domiesi „Google“ naršyklėje ir reklamuoja juos tau socialiniuose tinkluose. Būtent tokius ir panašius algoritmus kuria duomenų mokslininkai, todėl jiems būtina mokėti analizuoti statistiką, išmanyti programinę įrangą, duomenų vizualizaciją bei mokėti programuoti tokiomis kalbomis kaip „Python“. Tokių universalių specialistų nėra daug, todėl duomenų mokslininkai yra itin paklausi ir gerai apmokama specialybė.

Tikimės, kad šis įrašas padėjo geriau suprasti, kuo gali dirbti išmanydamas didžiuosius duomenis ir kodėl pastaruoju metu šios specialybės tokios svarbios ir paklausios.

 

Registracija į mokymus Vilniuje ČIA.

Registracija į mokymus Kaune ČIA.