{"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\/no\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","title":{"rendered":"Data Engineer og Data Scientist: hva er forskjellen?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Data Scientist-yrket og Data Engineer-yrket blir ofte forvekslet. Hver bedrift har sine egne spesifikasjoner for hvordan de jobber med data, ulike m\u00e5l for analyse og forskjellige oppfatninger om hvilke spesialister som skal ha ansvar for hvilke deler av arbeidet, derfor er kravene ogs\u00e5 forskjellige.\u00a0<\/p>\n

Vi ser n\u00e6rmere p\u00e5 forskjellene mellom disse spesialistene, hvilke forretningsoppgaver de l\u00f8ser, hvilke ferdigheter de har, og hvor mye de tjener. Materialet ble omfattende, derfor har vi delt det opp i to publikasjoner.<\/p>\n

I den f\u00f8rste artikkelen forteller Elena Gerasimova, leder for fakultetet \"Data Science og analyse<\/a><\/noindex>\" i Netology, om forskjellene mellom Data Scientist og Data Engineer og hvilke verkt\u00f8y de arbeider med.<\/a><\/noindex><\/p>\n

Hvordan rollene til ingeni\u00f8rer og dataforskere skiller seg<\/h2>\n

\nDataingeni\u00f8r er en spesialist som, p\u00e5 den ene siden, utvikler, tester og vedlikeholder infrastrukturen for databehandling: databaser, lagringssystemer og systemer for massebehandling. P\u00e5 den andre siden er det personen som renser og \u00abkjemmer\u00bb data for bruk av analytikere og dataforskere, alts\u00e5 skaper databehandlingspipelines.<\/p>\n

Data Scientist skaper og trener prediktive (og andre) modeller ved hjelp av algoritmer for maskinl\u00e6ring og nevrale nettverk, som hjelper bedriften med \u00e5 finne skjulte m\u00f8nstre, forutsi hendelser og optimalisere n\u00f8kkeldriftsprosesser.<\/p>\n

Hovedforskjellen mellom Data Scientist og Data Engineer ligger i at de vanligvis har forskjellige m\u00e5l. Begge jobber for \u00e5 sikre at dataene er tilgjengelige og av god kvalitet. Men Data Scientist finner svar p\u00e5 sine sp\u00f8rsm\u00e5l og tester hypoteser i datamilj\u00f8et (for eksempel p\u00e5 en Hadoop-plattform), mens Data Engineer skaper en pipeline for vedlikehold av algoritmen for maskinl\u00e6ring skrevet av dataforskeren, i en Spark-klynge innenfor det samme milj\u00f8et.\u00a0<\/p>\n

Dataingeni\u00f8ren tilf\u00f8rer verdi til virksomheten ved \u00e5 jobbe i team. Hans oppgave er \u00e5 fungere som en viktig kobling mellom forskjellige akt\u00f8rer: fra utviklere til forretningsforbrukere av rapporter \u2014 og \u00f8ke produktiviteten til analytikere \u2014 fra markedsf\u00f8rings- og produktteam til BI.\u00a0<\/p>\n

Data Scientist, derimot, deltar aktivt i selskapets strategi og innhenting av innsikt, beslutningstaking, implementering av automatiseringsalgoritmer, modellering og generering av verdi fra data.
\n\"Data
\n
\nArbeidet med data f\u00f8lger prinsippet GIGO (garbage in \u2014 garbage out): hvis analytikere og datavitere h\u00e5ndterer uforberedte og potensielt feilaktige data, vil resultatene, selv med de mest sofistikerte analysealgoritmene, v\u00e6re un\u00f8yaktige.\u00a0<\/p>\n

Dataingeni\u00f8rer l\u00f8ser dette problemet ved \u00e5 bygge r\u00f8rledninger for behandling, rensing og transformasjon av data, slik at datavitere kan arbeide med kvalitetsdata.\u00a0<\/p>\n

Det finnes mange verkt\u00f8y for databehandling p\u00e5 markedet som dekker hvert trinn: fra datakilde til presentasjon p\u00e5 dashbordet for styret. Det er viktig at beslutningen om \u00e5 bruke dem tas av ingeni\u00f8ren, ikke fordi det er trendy, men fordi det faktisk vil hjelpe de andre deltagere i prosessen.\u00a0<\/p>\n

Kort sagt: hvis selskapet trenger \u00e5 koble BI og ETL \u2014 datainnhenting og rapportoppdateringer, her er det typiske legacy-grunnlaget som Data Engineer m\u00e5 h\u00e5ndtere (det er bra hvis det ogs\u00e5 er en arkitekt i teamet).<\/p>\n

Ansvarsomr\u00e5der for Data Engineer<\/b><\/p>\n