{"id":77176,"date":"2020-04-08T13:42:19","date_gmt":"2020-04-08T11:42:19","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza"},"modified":"2020-04-08T13:42:19","modified_gmt":"2020-04-08T11:42:19","slug":"data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","title":{"rendered":"Data Engineer und Data Scientist: Was ist der Unterschied?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Die Berufe Data Scientist und Data Engineer werden oft verwechselt. Jede Firma hat ihre eigenen Arbeitsmethoden mit Daten, unterschiedliche Analyseziele und Vorstellungen davon, welche Aufgaben die Fachkr\u00e4fte \u00fcbernehmen sollen, weshalb auch die Anforderungen variieren.\u00a0<\/p>\n

Wir kl\u00e4ren die Unterschiede zwischen diesen Fachrichtungen, welche Gesch\u00e4ftsaufgaben sie l\u00f6sen, \u00fcber welche F\u00e4higkeiten sie verf\u00fcgen und welches Einkommen sie erzielen. Der Artikel ist umfangreich, daher haben wir ihn in zwei Teile aufgeteilt.<\/p>\n

Im ersten Artikel erkl\u00e4rt Elena Gerasimova, Leiterin des Fachbereichs \u201eData Science und Analytics<\/a><\/noindex>\u201c an der Netologie, den Unterschied zwischen Data Scientist und Data Engineer und welche Tools sie verwenden.<\/a><\/noindex><\/p>\n

Wie sich die Rollen von Ingenieuren und Wissenschaftlern unterscheiden<\/h2>\n

\nEin Dateningenieur ist ein Spezialist, der einerseits die Infrastruktur f\u00fcr die Datenverarbeitung entwickelt, testet und wartet: Datenbanken, Speichersysteme und Systeme zur Verarbeitung gro\u00dfer Datenmengen. Andererseits ist er daf\u00fcr verantwortlich, die Daten f\u00fcr die Verwendung durch Analysten und Data Scientists zu bereinigen und zu \u201ebereinigen\u201c, also Datenverarbeitungspipelines zu erstellen.<\/p>\n

Ein Data Scientist erstellt und trainiert pr\u00e4diktive (und nicht nur pr\u00e4diktive) Modelle mithilfe von Algorithmen des maschinellen Lernens und neuronalen Netzwerken. Dabei hilft er Unternehmen, verborgene Muster zu finden, Entwicklungen vorherzusagen und wichtige Gesch\u00e4ftsprozesse zu optimieren.<\/p>\n

Der Hauptunterschied zwischen Data Scientist und Data Engineer besteht darin, dass sie in der Regel unterschiedliche Ziele verfolgen. Beide arbeiten daran, dass Daten zug\u00e4nglich und qualitativ hochwertig sind. Der Data Scientist findet Antworten auf seine Fragen und testet Hypothesen innerhalb des Daten\u00f6kosystems (zum Beispiel auf Basis von Hadoop), w\u00e4hrend der Data Engineer die Pipeline f\u00fcr den Betrieb des vom Data Scientist entwickelten maschinellen Lernalgorithmus in einem Spark-Cluster innerhalb desselben \u00d6kosystems erstellt.\u00a0<\/p>\n

Ein Data Engineer schafft Wert f\u00fcr das Unternehmen, indem er im Team arbeitet. Seine Aufgabe ist es, eine wichtige Verbindung zwischen verschiedenen Beteiligten herzustellen: von Entwicklern bis zu den Gesch\u00e4ftsnutzern von Berichten, und die Produktivit\u00e4t der Analysten \u2013 von Marketing- und Produktanalysten bis zu BI \u2013 zu steigern.\u00a0<\/p>\n

Der Data Scientist hingegen ist aktiv an der Unternehmensstrategie beteiligt, extrahiert Insights, trifft Entscheidungen, implementiert Automatisierungsalgorithmen und generiert Wert aus Daten.
\n\"Data
\n
\nDie Arbeit mit Daten unterliegt dem GIGO-Prinzip (garbage in \u2014 garbage out): Wenn Analysten und Data Scientists mit unvorbereiteten und potenziell fehlerhaften Daten arbeiten, werden die Ergebnisse selbst mit den raffiniertesten Analysealgorithmen falsch sein.\u00a0<\/p>\n

Data Engineers l\u00f6sen dieses Problem, indem sie Pipelines f\u00fcr die Verarbeitung, Reinigung und Transformation von Daten aufbauen, sodass Data Scientists bereits mit qualitativ hochwertigen Daten arbeiten k\u00f6nnen.\u00a0<\/p>\n

Der Markt bietet viele Tools f\u00fcr die Datenverarbeitung, die jeden Schritt abdecken: von der Datenerfassung bis zur Anzeige auf dem Dashboard f\u00fcr den Vorstand. Es ist wichtig, dass die Entscheidung \u00fcber deren Verwendung vom Engineer getroffen wird \u2014 nicht, weil es modisch ist, sondern weil es tats\u00e4chlich den anderen Beteiligten im Prozess hilft.\u00a0<\/p>\n

Bedingung: Wenn ein Unternehmen BI und ETL zusammenf\u00fchren muss \u2013 Datenlade- und Berichtaktualisierungsprozesse \u2013 dann ist dies eine typische Legacy-Infrastruktur, mit der ein Data Engineer umgehen muss (es w\u00e4re gut, wenn im Team zus\u00e4tzlich ein Architekt vorhanden ist).<\/p>\n

Aufgaben des Data Engineers<\/b><\/p>\n