关于作者：姓名：Sudeepti Bandi职位：分析实践首席顾问

简介："数据科学"、"数据分析师"、"首席数据官"……这是IT、数据仓库和报告领域人们现在最热门的词汇！除了创造有前途的职业选择，淘客如何推广，他们还创造了人们的兴趣，因为分析空间使他们接近商业战略的方式。这些工作挑战人的大脑，创造激情，给人很多满足感。话虽如此，我只是想知道一个人在数据科学的保护伞下做任何事情是多么明智。在破解算法并将其用于构建模型的过程中，我想到了这个想法，为什么不将"数据科学家"的角色划分为更小、更明智和简单的角色呢？好的，在一个端到端分析项目中有哪些不同的步骤？数据科学-项目生命周期数据科学至少有7个步骤，其中一些步骤可以根据需要重复。•步骤1–确定业务问题/增值/问题–这必须是起点，步骤2–数据可用性–定义数据集的结构–真正的挑战从这里开始-我们有数据吗？o我们是否可以访问所需的数据？•步骤3-获取数据-如何从系统中的不同来源收集数据•第4步-数据准备-一旦有了数据，就需要进行大量的清理和准备，减少/增加/合并/拆分预测值，确定并消除异常值，填充缺失值，将一些分类变量转换为数值等。•第5步-探索性数据分析-在这一步中，云服务器租用，物联网概念，我们对现有数据进行描述性和诊断性分析。我们构建了多个图表，云服务器怎么样，为预测分析的下一步指明了方向。我们还可以考虑对数据进行聚类并检查模式。•第6步-在这一步中，我们将应用一个或多个算法/计算来获得预测模型。•第7步-报告和可视化-尽可能以图形化方式表示见解/结果，并使业务部门易于理解。•第8步-解释结果-在决策过程中与业务部门合作并适当执行所做的决策。

第1步和第8步-应由业务分析师完成步骤2、3和4—针对数据专家/数据工程师步骤5和6–数据分析师第7步-报告专家

业务分析师和数据分析师应具备行业技能。因此，与其只是一个"数据分析师"，国内的云服务器，不如有一个"零售数据分析师"或"数据分析师-制药公司"等等。通过这种方式，数据分析师可以专注于掌握（使用和定制）他/她需要的一些算法，以预测/创建对该行业有用的模型。数据工程师和报告专家应该掌握有助于他们工作的工具和技术。如果数据科学家的角色被简化并细分为其他专注的角色，人们可以根据自己的兴趣和优势选择行业和角色。在分析数据时，我不想担心数据库如何连接到环境中的各种数据源，也不想担心如何提高报表性能！