大数据工程师与大数据分析师的区别是什么？

------从大数据形成到应用的工作流上看

      随着中国的科技迅速发展，从网络时代、电子商务时代、互联网时代、移动互联网时代、到今天的云计算、大数据时代，科技革命让人们应接不暇，让IT技术从业者倍感学习压力，大数据这个词大家并不陌生，已经成为最近几年最热门的词眼；而中国的大数据真正为政府、企业产生价值也才刚刚开始，谈到大数据落地就不得不谈到大数据工程师与大数据分析师这些实际的岗位，很多的人对大数据也只是一知半解，笔者今天将从大数据在实际应用的层面来剖析大数据工程师与大数据分析师的区别：

一、从大数据形成到应用的工作流上看

      大数据的形成先是通过采集手段进行数据源采集，再进行存储，因为采集的数据种类和结构不一样，所以需要进行数据转换，在此过程中，有二种存储形势，一是本次存储，那就需要架构师进行分布式存储的价格设计；二是上云，可以通过购买云端服务进行存储，这个比本次存储在成本上要减低很多；在此环节就需要云计算、架构工程师，数据存储还要考虑到数据的干净度，所以需要进行数据清洗，清洗后将数据储存在数据仓库，对于规则性的应用在此环节大数据工程师也可以做简单的数据报表，这些过程中产生大数据运维工程师、大数据研发工程师等岗位；他们主要负责数据的安全性、数据的稳定性、质量和相关联的底层研发工作；

从数据源到大数据应用工作流

大数据分析应用阶段需要大数据分析师来完成，大数据分析可以看出二种类型，一种是规则性数据分析，大部分是统计、关联性分析、聚类分析、BI报表等工作；二种是没有应用场景，这时候对大数据分析师的要求就比较高，需要进行数据挖掘、算法、建模、还要对行业数据有所了解，洞察出有价值的应用场景；大数据分析应用阶段产生出来的岗位有大数据分析师、大数据挖掘工程师、大数据算法师、大数据可视化工程师等；

      所以从上篇文章中阿里云大数据职业认证体系的分布结构可以看出，大数据有二个方向，从认证的角度看一条线为大数据工程师认证、大数据高级工程师认证、大数据架构师认证；另外一条线为大数据分析师认证、大数据高级分析师认证、大数据分析专家；在每个认证下面分布了相应的岗位。明天将揭晓二个方向下的岗位分布情况。

【大数据开发学习资料领取方式】：加入大数据技术学习交流扣扣群957205962，私信管理员即可免费领取开发工具以及入门学习资料