Was bedeutet Data Science und Data Engineering?

 data science is a critical component of many industries, and it is one of the most contentious topics in IT circles. Its popularity has grown over time, and organisations have started to use data science tactics to expand their operations and boost customer satisfaction. In this article, we'll learn what data science is and how to become a data scientist.Data Science Course In Pune

Im Data Engineering geht es vor allem darum, Daten zu sammeln bzw. zu generieren, zu speichern, zu historisieren, anzureichern und interessierten Instanzen (den sog. Data Scientists) zur Verfügung zu stellen. Genauer:

|

Ein Data Engineer, je nach Rang oft auch als Big Data Engineer oder Big Data Architect bezeichnet, modelliert skalierbare Datenbank- und Datenfluss-Architekturen, entwickelt und verbessert die IT-Infrastruktur hardware- und softwareseitig, befasst sich dabei auch mit Themen wie IT-Security, Datensicherheit und Datenschutz. Er ist je nach Bedarf teilweise Administrator der IT-Systeme, nicht selten aber auch ein Software Entwickler, denn er erweitert die Software-Landschaft bei Bedarf um eigene Komponenten. Neben den Aufgaben im Bereich ETL / Data Warehousing, führt er auch Analysen durch, z.B. mit dem Ziel, Datenqualität oder Nutzerzugriffe zu untersuchen.

Ein Data Engineer arbeitet vor allem mit Datenbanken und Data Warehousing Tools.

|

Auch wenn es viele Überschneidungspunkte mit dem Tätigkeitsfeld des Data Engineers geben mag, so lässt sich der Data Scientist dadurch abgrenzen, dass er seine Arbeitszeit möglichst dazu nutzt, zur Verfügung stehende Daten explorativ und gezielt zu analysieren, die Analyseergebnisse zu visualisieren und in einen roten Faden einzuspannen (Storytelling).

Anders als der Data Engineer, bekommt ein Data Scientist ein Rechenzentrum nur selten zu Gesicht, denn er zapft Daten über Schnittstellen an, die ihm der Data Engineer bereitstellt.

Ein Data Scientist befasst sich mit mathematischen Modellen, arbeitet vornehmlich mit statistischen Verfahren, die er auf Datenbestände anwendet, um Wissen zu generieren.

Gängige Methoden des Data Mining, Machine Learning und Predictive Modelling sollten einem Data Scientist bekannt sein, wobei natürlich jeder ganz individuell Schwerpunkte setzt. Data Scientists arbeiten grundsätzlich nahe am Fachbereich und benötigen entsprechendes Fachbereichswissen. Sie arbeiten mit proprietären Tools (z. B. von IBM, SAS oder QlikTech), programmieren Analysen aber nicht selten auch selbst, beispielsweise in Scala, Java, Python, Julia oder R.

|

Lies bitte zudem noch:

https://www.datacamp.com/community/blog/data-scientist-vs-data-engineer