数仓建模—数据领域常见概念与职位划分

数仓建模—数据领域常见概念与职位划分 数据领域常见概念

随着大数据时代的普及以及国家战略层面上的数字化转型，越来越多的客户意识到了“数据”的重要性，无论是走在前面的互联网企业、银行，还是传统有一定数据积累的零售、医药行业，又或是曾经毫无数据可言的商业地产，纷纷掀起了一波数据累积浪潮，也因此，带动了一批数据的岗位需求。

相信有很多朋友和我一样，之前听过数据分析、数据挖掘、数据开发、数据建模、数据洞察 等等概念或者角色，但是对其区别和关系又不是很清楚，今天我们主要看一下这些概念。

数据分析（Business Analysis）：传统定义的数据分析，一般通过SQL/Python/Excel等工具汇总数据，结合对业务的理解和经验，主要是由人将数据转换为信息；

数据挖掘：一般通过建模来挖掘数据内在的关联和信息，主要是机器从训练集中发现一定的规律，从而将数据转换为信息；

数据洞察：通过数据分析/挖掘，将数据转换为信息，结合业务场景，梳理出影响业务结果的因素和作用链路，从而正确地对于问题进行归因和得出改进的方向。

数据建模：

在大数据领域，指的是将业务抽象为数据表以及表与表之间关系的过程,也就是数仓建模的过程，你可以参考数仓建模—数仓建模和业务建模、数仓建模—建模流程 在数据分析领域，更多的含义指的是“数学建模