时，您需要知道什么？在数据科学入门 - 虚拟

部分数据科学傻瓜式备忘单

传统上， 大数据 是具有令人难以置信的音量，速度和多样性的数据的术语。传统的数据库技术无法处理大数据 - 需要更多创新的数据工程解决方案。要评估您的项目是否符合大数据项目的要求，请考虑以下标准：

• 卷： 1 TB /年至10 PB /年

  <！

• 速度： 30千字节/秒到30千字节/秒

• 品种： 非结构化，半结构化和结构化数据的组合来源

数据科学数据工程不一样

招聘经理往往混淆了数据科学家和数据工程师的角色。虽然有可能找到一个谁做一点两个，每个领域是非常复杂的。你不可能在这两个领域找到具有强大技能和经验的人。出于这个原因，能够确定什么类型的专家最适合帮助您实现特定目标是非常重要的。下面的描述应该可以帮助你做到这一点。

<！数据科学家：

• 数据科学家在他们的研究领域使用编码，定量方法（数学，统计和机器学习）以及高度专业化的专业知识来推导复杂的商业和科学问题的解决方案。 数据工程师：

• 数据工程师利用计算机科学和软件工程方面的技能来设计系统，并解决处理和操作大数据集的问题。 <！数据科学和商业智能也不尽相同999商业智能的商业数据科学家和商业分析师就像堂兄弟一样。这两种专家都使用数据来实现相同的业务目标，但是他们的方法，技术和功能是不同的。下面的描述说明了两个角色之间的区别。商业智能（BI）：

  商业智能解决方案通常是使用内部生成的数据集构建的 - 从组织内而不是从外部生成，换句话说，常用的工具和技术包括在线分析处理，提取转换和加载以及数据仓库。虽然商业智能有时涉及预测等前瞻性方法，但这些方法是基于对历史数据或当前数据的简单数学推理。

以业务为中心的数据科学：

以业务为中心的数据科学解决方案是使用组织内部和外部的数据集构建的。常用工具，技术和技能集包括基于云的分析平台，统计和数学程序设计，机器学习，使用Python和R的数据分析以及高级数据可视化。以业务为中心的数据科学家使用先进的数学或统计方法来分析和生成大量业务数据的预测。