大数据频道 频道

数据工程师,解救混乱大数据中的数据科学家

  【IT168 资讯】 最近《福布斯》发表了一篇关于对2018“人工智能、大数据和分析”10大预测的文章中指出,数据工程师即将取代数据科学家的角色,成为炙手可热的新一代职位。Gil Press写道,Indeed.com上有13%的岗位是关于数据工程师的,而数据科学家所占的比例还不到1%。

  有趣的是,笔者在LinkedIn上查到如亚马逊和Facebook这样的领先数据驱动公司发布的数据工程师职位描述。具备数据抽取、转换、加载(ETL)流程和数据管道建设专业知识的全面了解,丰富的数据仓库技能,是理想数据工程师的必备和基本素质。


  什么是数据工程师?

  如果建筑工程涉及到建筑、道路和轨道等物理基础设施的设计、规划、建设和管理,数据工程也要应用同样复杂的数据。

  数据工程师计划、设计、构建和维护一个可靠的体系架构,以确保稳定的清洁和结构化数据流,以便进行进一步分析,并适用于生产环境。

  数据工程之所以越来越引人注目,是因为企业被大量非结构化的有价值的商业信息数据所淹没了。

  随着数据科学家和公民数据科学的统计和编程能力开始激增,管理和维护大量的数据成了他们共同的痛点。分析和构建模型的数据科学家,近80%的时间都花费在查找和清理数据。

  数据工程师通过了解企业所需的数据、识别相关的新数据源、提取可用的格式数据,确保数据不出错并将数据加载到数据科学家和分析师的工作中,从而实现对数据的救援计划。

  数据工程师必备工具集

  数据工程师的工作内容常常与数据架构师、数据库管理员和软件工程师的工作重叠,这意味着他们需要预先熟悉这些工作的内容。数据架构师或管理员只局限于数据基础架构的规划和维护的位置上,但从起源到最终分析展览的过程中,数据工程师都要参与在内。

  因此,数据工程师的技能包括:

  * 精通R或Python编程

  * 强大的SQL技能

  * 基于Hadoop的技术,如MapReduce、Hive和Pig

  * ETL和数据仓库专业知识

  除上述以外,数据工程师还应为传统的ETL过程提供新的重新配置选项。在并行处理方法之后,为复制数据构建数据管道,将其转移到存储解决方案上,重新格式化和加入数据。

  随着多条数据流水线开始出现,Airflow和Luigi等开源工作流管理工具可用于创建和监控数据流水线。因此,对这些工具的了解又是一个优势。数据工程师也可以使用机器学习来自动化数据管道流程。

  数据准备 —— 主要标准

  数据的清洁度和质量越好,建模的效果越好,这就是从训练模型中得出的见解。

  Urthecast的数据工程师David Bianco解释说,数据工程师的最终目标是向需要的人提供干净、可用的数据。这种收集、清理、处理和整合数据的方法被称为数据准备或数据处理。

  数据分析中的两个主要数据问题。

  小(无)或大数据问题:数据工程师应该在公司内外寻找新的数据来源。没有足够的数据来源,分析师和数据科学家会很难建立培训模式。相反,大数据集也可能很难处理,而且“垃圾进,垃圾出”是数据科学中一个残酷的现实。

  杂乱的数据问题:一旦确定了数据源,就需要对元数据进行编目和组织,定义数据提取方法。Airbnb的数据工程师Maxime Beauchemin把数据工程师称为数据仓库的“图书管理员”,他们把凌乱的数据梳理好。相互冲突的术语和不一致的数据会使整个流程变得拖沓。

  尽管大多数数据看起来微不足道,但提炼和清洗后的数据却能产生大价值。

  为数据工程师减轻数据准备压力

  数据准备工作可能很乏味,但是如果正确使用了自动化和工具,将会节省不少时间。在R / Python编程方面的专业知识,有助于简化他们在自动化方面的工作。

  数据冠层正在以前所未有的速度扩张,越来越有趣也越来越混乱。数据工程师的职责就是清理混乱的数据生态系统,为所有人提供一个健康的数据集。

0
相关文章