Data Analyst
A Data Analyst meglévő adatokból von le üzleti következtetéseket, dashboardokat és riportokat készít, és kommunikálja az eredményeket a döntéshozóknak.
Fő eszközök: SQL, Excel, Tableau, Power BI, Python/Pandas alapszinten. Jellemző feladat: heti értékesítési riport, konverziós tölcsér elemzés, A/B teszt kiértékelés.
Data Scientist
A Data Scientist prediktív modelleket épít, kísérleteket futtat, és gépi tanulási megoldásokat fejleszt üzleti problémákra. Az elemzés mellett mélyebb matematikai és ML ismeretek szükségesek.
Fő eszközök: Python, Scikit-learn, PyTorch/TensorFlow, SQL, cloud. Jellemző feladat: ügyfél-lemorzsolódás előrejelzés, ajánlórendszer fejlesztés.
ML Engineer
Az ML Engineer a Data Scientist által fejlesztett modelleket productionizálja: API-ba csomagolja, monitorozza és karbantartja a futó rendszereket.
Fő eszközök: Python, Docker, Kubernetes, MLflow, cloud ML platformok. Jellemző feladat: ML pipeline építése, modell deploymentek, teljesítménymonitorozás.
Data Engineer
A Data Engineer az adatinfrastruktúrát tervezi és üzemelteti: adatcsatornákat (pipeline), adattárházakat és adattavakat (data lake) épít és tart karban.
Fő eszközök: SQL, Spark, Airflow, dbt, Kafka, cloud adatszolgáltatások. Jellemző feladat: ETL folyamatok tervezése, adatmodellek karbantartása.
Összehasonlítás
| Szempont | Data Analyst | Data Scientist | ML Engineer | Data Engineer |
|---|---|---|---|---|
| ML szint | Alap | Magas | Magas | Közepes |
| Szoftver | Alap | Közepes | Magas | Magas |
| Üzleti | Magas | Közepes | Alacsony | Alacsony |
| Adatinfra | Alacsony | Közepes | Közepes | Magas |