Ngày nay khi chúng ta tương tác với những ứng dụng trên các nền tảng,từ website cho đến điện thoại di động,máy tính cá nhân … thì đã vô tình đóng góp một phần dữ liệu vào ứng dụng đó . Việc dữ liệu tăng tiến theo thời gian dẫn đến nhu cầu phân tích dữ liệu và đưa ra quyết định cho định hướng công ty hay bất kì business nào càng ngày càng được mọi người lưu tâm hơn. Từ đó những vị trí phân tích dữ liệu ra đời,trong số đó nổi bật có Data Analyst,Data Engineer và Data Scientist. Chuyên viên phân tích dữ liệu (Data Analyst), Kỹ sư dữ liệu (Data Engineer) và Nhà khoa học dữ liệu (Data Scientist) họ là ai? Hãy cùng INDA tìm hiểu chi tiết về 3 vị trí này nhé.
>>>Đọc thêm:
Mục lục
1. Khái niệm về 3 vị trí
| Data Analyst | Data Engineer | Data Scientist |
|---|---|---|
| Phân tích các dữ liệu số để giúp công ty có những quyết định tốt hơn trong business hoặc công ty | Là người chuẩn bị dữ liệu. Tất cả công đoạn từ phát triển ,xây dựng,test và maintain toàn bộ hệ thống của công ty | Là người phân tích các dữ liệu phức tạp,kể cả là big data . Từ đó đánh giá và report lại kết quả cho business và công ty |
Data Analyst Thường thì những người ở mức fresher muốn bắt đầu con đường phân tích dữ liệu sẽ chọn Data Analyst làm vị trí đầu tiên. Ở vị trí này thì kĩ năng thống kê, xử lý dữ liệu,tạo model và tạo report sẽ gắn liền với vị trí này
Data Engineer Ở vị trí này yêu cầu một lượng kinh nghiệm nhất định ở vị trí Data Analyst. Điểm cần thiết nhất của một Data Engineer là khả năng tạo và tích hợp APIs. Họ cũng cần hiểu về luồng đi của data và cải thiện hiệu năng hệ thống
Data Scientist Là người phân tích và thông dịch các loại data phức tạp. Để đến được vị trí này thì kinh nghiệm và các kĩ năng cần thiết của Data Scientist(kĩ năng thống kê nâng cao ngoài ra việc hiểu về machine learning và big data cũng là một điểm cộng)
2. Kĩ năng cần thiết (Skill-Sets)
| Nhà phân tích dữ liệu | Kỹ sư dữ liệu | Nhà khoa học dữ liệu |
| Kho dữ liệu | Kho dữ liệu & ETL | Kỹ năng thống kê & phân tích |
| Adobe & Google Analytics | Kiến thức lập trình nâng cao | Khai thác dữ liệu |
| Kiến thức lập trình | Phân tích dựa trên Hadoop | Machine Learning & Deep learning |
| Kỹ năng viết kịch bản & thống kê | Kiến thức chuyên sâu về SQL / cơ sở dữ liệu | Kiến thức lập trình chuyên sâu ( R / Python) |
| Báo cáo và trực quan hóa dữ liệu | Kiến trúc dữ liệu & pipelining | Phân tích dựa trên Hadoop |
| Kiến thức SQL / cơ sở dữ liệu | Kiến thức khái niệm máy học (Machine learning) | Tối ưu hóa dữ liệu |
| Viết kịch bản, báo cáo và trực quan hóa dữ liệu | Ra quyết định và kỹ năng mềm |
Như đã đề cập ở trên, bộ kỹ năng chính của một chuyên viên phân tích dữ liệu xoay quanh việc thu thập, xử lý và xử lý dữ liệu. Mặt khác, một kỹ sư dữ liệu đòi hỏi trình độ trung cấp về lập trình để xây dựng các thuật toán kỹ lưỡng cùng với sự thành thạo về thống kê và toán học! Và cuối cùng, một nhà khoa học dữ liệu cần phải là bậc thầy của cả hai. Dữ liệu, số liệu thống kê và toán học cùng với kiến thức lập trình chuyên sâu cho Học máy và Học sâu .
Bây giờ chúng ta đã hiểu đầy đủ về những bộ kỹ năng bạn cần để trở thành nhà phân tích dữ liệu, kỹ sư dữ liệu hoặc nhà khoa học dữ liệu, hãy cùng xem vai trò và trách nhiệm điển hình của những chuyên gia này là gì.
Tiếp theo, chúng ta hãy so sánh các vai trò và trách nhiệm khác nhau của một nhà phân tích dữ liệu, kỹ sư dữ liệu và nhà khoa học dữ liệu trong cuộc sống hàng ngày của họ.
3. Vai trò và trách nhiệm ở từng các vị trí
Vòng đời khoa học dữ liệu
Vai trò và trách nhiệm của một chuyên viên phân tích dữ liệu , kỹ sư dữ liệu và nhà khoa học dữ liệu khá giống nhau như bạn có thể thấy từ bộ kỹ năng của họ. Tham khảo bảng dưới đây để hiểu thêm:
| Nhà phân tích dữ liệu | Kỹ sư dữ liệu | Nhà khoa học dữ liệu |
| Xử lý trước và thu thập dữ liệu | Phát triển, kiểm tra và duy trì kiến trúc | Chịu trách nhiệm phát triển các mô hình hoạt động |
| Tập trung vào việc thể hiện dữ liệu thông qua báo cáo và trực quan hóa | Hiểu lập trình và sự phức tạp của nó | Thực hiện phân tích và tối ưu hóa dữ liệu bằng máy học và học sâu |
| Chịu trách nhiệm phân tích thống kê và giải thích dữ liệu | Triển khai ML & mô hình thống kê | Tham gia vào việc lập kế hoạch chiến lược cho phân tích dữ liệu |
| Đảm bảo thu thập và bảo trì dữ liệu | Xây dựng pipelines cho các hoạt động ETL khác nhau | Tích hợp dữ liệu và thực hiện phân tích đặc biệt |
| Tối ưu hóa hiệu quả và chất lượng thống kê | Đảm bảo độ chính xác và tính linh hoạt của dữ liệu |
Vai trò công việc của nhà khoa học dữ liệu và kỹ sư dữ liệu khá giống nhau, nhưng nhà khoa học dữ liệu là người có ưu thế trong tất cả các hoạt động liên quan đến dữ liệu. Khi nói đến việc ra quyết định liên quan đến kinh doanh, nhà khoa học dữ liệu có trình độ cao hơn .
4. Mức lương của Chuyên viên phân tích dữ liệu (Data Analyst), Kỹ sư dữ liệu (Data Engineer) và Nhà khoa học dữ liệu (Data Scientist)
Mức lương của Chuyên viên phân tích dữ liệu so với Kỹ sư dữ liệu và Nhà khoa học dữ liệu
| Nhà phân tích dữ liệu | Kỹ sư dữ liệu | Nhà khoa học dữ liệu |
| 59000 USD / năm | 90,8390 USD / năm | 91.470 USD / năm |
Mức lương thông thường của một nhà phân tích dữ liệu chỉ dưới $ 59000 / năm . Một kỹ sư dữ liệu có thể kiếm được tới 90,8390 đô la / năm trong khi một nhà khoa học dữ liệu có thể kiếm được 91,470 đô la / năm .
Nhìn vào những con số này của một kỹ sư dữ liệu và nhà khoa học dữ liệu, thoạt đầu bạn có thể không thấy nhiều sự khác biệt. Tuy nhiên, nghiên cứu sâu hơn về các con số, một nhà khoa học dữ liệu có thể kiếm được nhiều hơn từ 20 đến 30% so với một kỹ sư dữ liệu trung bình. Các bài đăng tuyển dụng từ các công ty như Facebook, IBM và nhiều công ty khác báo mức lương lên đến 136.000 đô la mỗi năm.
Hi vọng qua bài này mọi người có thể hình dung một phần nào về mảng phân tích dữ liệu,vừa là thách thức vừa rất tiềm năng trong tương lai.
Bài viết liên quan:
Phân tích dữ liệu
Quy trình triển khai Data Warehouse từ A-Z
Thiết kế mô hình dữ liệu (Data model) trong kho dữ liệu
Quản trị dữ liệu trong các ngân hàng Việt Nam
Tìm hiểu về Business Analyst (BA) – Chuyên viên phân tích nghiệp vụ
Triển khai giải pháp kho dữ liệu (Data Warehouse), Hồ dữ liệu (Data Lake) của Google Cloud