Исследователь данных
Разумеется, это первый пункт в списке. «Классический» data scientist работает с предиктивными моделями, формируя прогнозы и гипотезы о развитии явлений. Специалисты по машинному обучению разрабатывают продвинутые аналитические системы, которые могут сами накапливать опыт. Такие люди двигают бизнес вперед, помогая компаниям лучше понимать собственные процессы и ближе узнавать клиентов. Что немаловажно, они умеют представлять свои открытия в наглядном и понятном виде, поэтому успешные дата-сайентисты считают самыми важными навыки коммуникации.
Архитекторы данных
В этой сфере лучше всего себя чувствуют профессионалы, пришедшие в data science из бизнес-аналитики. Вместе с разработчиками и программными дизайнерами архитекторы создают системы для управления, интеграции и поддержки множества источников неструктурированных данных. Они увязывают между собой разные форматы и придумывают сложные структуры, на которых потом вырастают целые бизнес-направления. Такая профессия требует стратегического подхода к решению задач и способности планировать развитие продукта на годы вперед.
Эксперт по машинному обучению
Умные системы распознавания, онлайн-помощники, рекомендательные сервисы — это будущее, которое наступает на наших глазах. Одни специалисты по машинному обучению создают алгоритмы, которые позволяют таким сервисам работать с огромными массивами данных и предлагать человеку варианты необходимых решений. Другая когорта ML-экспертов отвечает за внедрение продвинутых ботов у заказчиков, интеграцию данных и поддержку ПО.
Бизнес-аналитик
Этот человек может взглянуть на технологические задачи с точки зрения бизнеса — и наоборот. Нередко такой специалист и связывает заказчиков системы с разработчиками, делая так, чтобы они понимали друг друга и вместе двигали проект. Сильная черта бизнес-аналитиков — их способность проследить в данных развитие тех или иных тенденций и соотнести их с целями всей компании. Для этого они используют статистические модели и гибкие системы визуализации данных.
Аналитик данных
В отличие от своих бизнес-ориентированных коллег, data analyst глубже погружен в технические вопросы проекта. Он пишет код на С и Python, создавая для своей команды всевозможные инструменты для преобразования данных в нужный формат и вид. В его ведении также находятся вопросы бесперебойной работы хранилищ и интеграции информации в бизнес-процессы.
Статистик
Если математика — это царица наук, то статистика — повелительница data science. Задолго до появления высокопроизводительных аналитических систем люди погружались в информацию, чтобы понять происходящие явления. Сегодня статистики решают те же задачи с применением огромных вычислительных мощностей. Экспертиза в data science, владение высокоуровневыми языками программирования и профильным софтом позволяют этим экспертам формировать ценные прогнозы, которые компании используют для поиска новых источников прибыли.
Инженер данных
Эти специалисты создают масштабные приложения и информационные системы для внутренних и внешних пользователей. Они отвечают за прикладную часть решений big data, сопровождая свой продукт на всем пути развития. Эти задачи требуют от специалиста не только математических познаний, но и навыков программной разработки, желательно — в области интернет-технологий.
Администратор баз данных
В наше время от того, как работают хранилища данных, зависит множество важных процессов. Динамическое обновление онлайн-витрин, оперативная выгрузка отчетов, поддержка проектных команд из разных городов — все это возможно только при правильной организации информационных потоков. Эксперт по управлению данными лучше всех справляется с такой задачей, предотвращая конфликты между разными сервисами и обеспечивая пользователей нужным набором функций.
Эколог данных
Закономерное развитие всей области управления данными — необходимость поддерживать порядок в базах и архивах, бороться с излишней, дублированной и поврежденной информацией. Дата-экологи помогают компании меньше тратить на системы хранения и быстро предоставлять нужные данные для всех корпоративных подразделений.
Специалист по визуализации данных
Лучших дата-сайентистов отличает способность «рассказать историю» через данные — показать проблему под нужным углом и представить пути решения с учетом аудитории. Способность объяснить квантовую физику первокласснику и владение системами визуализации могут в некоторой степени компенсировать пробелы в навыках программирования. Особенно если эксперт хорошо чувствует себя при работе со статистикой.
