# 對於分類：資料科學 的定義

**URL:** https://vip.studycamp.tw/t/%E5%B0%8D%E6%96%BC%E5%88%86%E9%A1%9E%EF%BC%9A%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8-%E7%9A%84%E5%AE%9A%E7%BE%A9/5129
**Category:** 資料科學
**Created:** [2022年十一月23日 01:59 UTC](https://vip.studycamp.tw/t/%E5%B0%8D%E6%96%BC%E5%88%86%E9%A1%9E%EF%BC%9A%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8-%E7%9A%84%E5%AE%9A%E7%BE%A9/5129 "2022-11-23T01:59:16Z")
**Posts on this page:** 1
**Page:** 1

<div class="post-metadata">

### Author: ![sky](https://vip.studycamp.tw/user_avatar/vip.studycamp.tw/sky/32/8098_2.png) [@sky](https://vip.studycamp.tw/u/sky)
#### Post date: [2022年十一月23日 01:59 UTC](https://vip.studycamp.tw/t/%E5%B0%8D%E6%96%BC%E5%88%86%E9%A1%9E%EF%BC%9A%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8-%E7%9A%84%E5%AE%9A%E7%BE%A9/5129/1 "2022-11-23T01:59:16Z")

</div>

世界經濟論壇《2020 年未來就業報告》中，資料分析師和資料科學家是工作需求量成長最大、薪資最高的兩個職業。

應網友要求，新建【資料科學】分類。先放在綜合教學大樓，等到貼文夠多時，再獨立為主分類。

## 未來趨勢

世界經濟論壇《2020 年未來就業報告》中，工作需求量成長最大的前五種職業：

1. 資料分析師和資料科學家

2. 人工智慧和機器學習專家

3. 大數據專家

4. 數位行銷策略專家

5. 流程自動化專家

> 已經是該類報告的最新版，前一版是 2018年，但並沒有 2021 和 2022 版。

 ![World Economic Forum - Top 20 job roles in increasing and decreasing demand across industries](https://vip.studycamp.tw/uploads/default/original/2X/e/ee9c8b38c85d10b6e5a8834a4cfff905b46672d1.jpeg)

圖表來源：The Future of Jobs Report 2020

整份報告（pdf 檔），你可以到 [**世界經濟論壇的官網下載**](https://www.weforum.org/reports/the-future-of-jobs-report-2020)。

* * *

## 資料分析師和資料科學家

**資料分析師** 和 **資料科學家** ，有什麼不同呢？

### 工作內容

資料分析師和資料科學家，最大的差異是他們對資料的處理方式。

**資料分析師** 通常利用結構化資料來解決有形的商業問題，使用的工具包含：SQL、R 或 Python 程式語言、資料視覺化軟體和統計分析等。

常見的工作包含：

- 與組織主管合作，以確定資訊需求

- 從主要和次要來源取得資料

- 清理和重組資料

- 分析資料集，描繪其趨勢和模式，進而提供具體行動建議

- 以易於理解的方式呈現調查結果，為資料驅動的決策提供資訊

**資料科學家** 使用更先進的技術來預測未來，處理未知的商業問題。設計預測模型，自動化機器學習演算法，來處理結構化和非結構化的資料。這個職位通常被認為是資料分析師的進階版。

常見的工作包含：

- 收集、清理和處理原始資料

- 設計預測模型和機器學習演算法，來挖掘大數據集

- 開發工具和流程，以監控和分析資料準確性

- 建立資料視覺化工具、儀表板和報告

- 撰寫程式來自動收集和處理資料

### 教育背景

資料分析師：數學、統計學、計算機科學或金融等領域的學士學位。

資料科學家：資料科學、資訊科技(IT)、數學或統計學的碩士或博士學位。

### 資料處理技能

| | 資料分析師 | 資料科學家 |
| --- | --- | --- |
| 數學 | 基礎數學、統計學 | 高級統計學、預測分析 |
| 程式 | R（基本使用）、Python、SQL | 物件導向程式設計 |
| 軟體和工具 | SAS、Excel、商業智慧軟體 | Hadoop、MySQL、TensorFlow、Spark |
| 其它技巧 | 分析思維，資料視覺化 | 機器學習、資料建模 |

資料分析師和資料科學家都在處理資料，但使用的技能和工具略有不同。數據科學中涉及的許多技能都建立在數據分析師使用的基礎上。

關於資料分析師和資料科學家的比較，主要參考資料是這篇：

> **[Data Science vs Data Analytics: What’s the Difference?](https://www.coursera.org/articles/data-analyst-vs-data-scientist-whats-the-difference)**
>
> Looking to build a career in data science? Learn about the roles and responsibilities of data analysts vs data scientists and key differences in their skill sets and career paths.