Data Analyst VS. Data Scientist

 

1. Data Analyst

2. Data Scientist

3. Data Analyst VS. Data Scientist

 

+ 참고 : Coursera (2022/05/03 ver.)

 

---

 

 

1. Data Analyst 

 

https://www.coursera.org/articles/what-does-a-data-analyst-do-a-career-guide

What Does a Data Analyst Do? 2022 Career Guide

 

- Data analyst : 데이터 애널리스트, 데이터 분석가

 

문제를 해결하기 위해 데이터셋을 수집, 정제, 해석하며 비즈니스, 금융, 법, 과학, 의학, 정부 등 다양한 산업에 종사한다.

분야에 따라 세부적으로 다른 타이틀을 가짐

 

• Medical and health care analyst
• Market research analyst
• Business analyst
• Business intelligence analyst
• Operations research analyst
• Intelligence analyst

 

(+) 참고

Types of Data Analysts

 

 

- 하는 일

 

1. Gather data : 조사 수행, 방문자 특징 트래킹, 데이터셋 구매 등으로 데이터 스스로 수집

2. Clean data : 해석이 틀리지 않도록 스프레드시트, 프로그래밍 언어로 데이터 품질 유지 - 중복, 에러, 이상치

3. Model data : DB를 설계하며 수집. 저장되는 데이터 유형 선택, 어떤 카테고리의 데이터들이 관련되는지 설정  

4. Interpret data : 데이터의 트렌드나 패턴 찾아 질문에 답함

5. Present : 결과 전달. 차트나 그래프로 시각화, 리포트 작성

 

 

- 주로 사용하는 툴

• Microsoft Excel
• Google Sheets
• SQL
• Tableau
• R or Python
• SAS
• Microsoft Power BI
• Jupyter Notebooks

 

---

 

2. Data Scientist

 

https://www.coursera.org/articles/what-is-a-data-scientist

What Is a Data Scientist? Salary, Skills, and How to Become One

 

- Data Scientist : 데이터 과학자

 

팀이 풀어야 할 문제를 결정하고 데이터를 통해 답할 방법을 찾아낸다. 주로 이론화로 예측 모델을 개발한다. 

 

 

- 하는 일

 

1. Find patterns and trends : 패턴과 추세를 찾아 인사이트 도출

2. Create algorithms and data models : 결과 예측 위한 알고리즘 및 모델 생성

3. Use machine learning techniques : 머신러닝 기술로 품질 개선

4. 다른 팀이나 시니어들에게 Communicate

5. Pythonm R, SAS, SQL 등 데이터 툴 사용

6. 데이터 사이언스 필드에서의 top of innovations 가져야 함

 

 

- 주로 사용하는 툴

• Microsoft Excel
• SQL
• Tableau
• R or Python
• SAS
• Microsoft Power BI
• ML/DL
• Hadoop, Apache Spark

---

 

3. Data Analyst vs. Data Scientist

 

https://www.coursera.org/articles/data-analyst-vs-data-scientist-whats-the-difference

Data Analyst vs. Data Scientist: What’s the Difference?

 

데이터 분석가는 비즈니스 문제를 해결하기 위해 구조화된 데이터로 작업한다.

일반적으로 SQL, R, Python 프로그래밍 언어, 데이터 시각화 소프트웨어 및 통계 분석과 같은 도구를 사용함

수학, 통계, 컴퓨터, 금융 분야에서 최소한 학사 학위. 일반적으로 코딩이 필요하지 않음

 

• 정보 요구 사항을 식별하기 위해 리더와 협력
• 1차 및 2차 소스에서 데이터 획득
• 분석을 위한 데이터 정리 및 재구성
• 데이터 세트를 분석하여 실행 가능한 통찰력으로 변환할 수 있는 추세와 패턴을 찾아냅니다.
• 데이터 기반 의사 결정을 알리기 위해 이해하기 쉬운 방식으로 결과 제시

 

VS.

 

 

데이터 과학자는 종종 더 고급 데이터 기술을 사용하여 미래에 대한 예측을 한다.

기계 학습 알고리즘을 자동화하거나 정형 및 비정형 데이터를 모두 처리할 수 있는 예측 모델링 프로세스를 설계한다.

일반적으로 데이터 분석가의 고급 버전으로 간주되며 데이터 과학, 수학 또는 통계학 석사 또는 박사 학위를 보유.

프로그래밍 및 수학 능력을 발전시켜야 함.

 

• RAW 데이터 수집, 정리 및 처리
• 빅데이터 마이닝하기 위한 예측 모델 및 기계 학습 알고리즘 설계
• 데이터 정확성을 모니터링하고 분석하기 위한 도구 및 프로세스 개발
• 데이터 시각화 도구, 대시보드 및 보고서 작성
• 데이터 수집 및 처리를 자동화하는 프로그램 작성