各種IT工程師的區(qū)別

大數(shù)據(jù)開發(fā)工程師、BI工程師、數(shù)據(jù)倉庫工程師、ETL工程師、有什么區(qū)別？

今天我們來看一位大神如何解釋。

BI，商務(wù)智能。BI工程師即為從事商務(wù)智能行業(yè)的工程師。從需求分析師到數(shù)據(jù)倉庫架構(gòu)師、到etl工程師、數(shù)據(jù)分析，報表開發(fā)工程師、數(shù)據(jù)挖掘工程師、etc.，都可以稱之為BI工程師。

etl工程師：是從事系統(tǒng)編程、數(shù)據(jù)庫編程與設(shè)計，要掌握各種常用的編程語言的專業(yè)技術(shù)人員。也叫數(shù)據(jù)庫工程師。

1

一味的解釋數(shù)據(jù)倉庫概念可能沒意思，我們從不同角色出發(fā)吧

老板 ：我是一家手機公司的老板，今天要向去董事局匯報，我要準(zhǔn)備一份介紹過去三年的用戶增長、用戶留存、用戶活躍度、手機里面每個APP使用率等情況的報表，假如下面沒我下面沒有BI，那我肯定就蒙逼了。。

BI ： 我是一名非技術(shù)BI，我天天看競品的分析報告，看雙十一銷量，看各種評論，知道自己的產(chǎn)品有哪些短板有哪些長處，我分析南北地域差異，國內(nèi)外客戶喜好，總之我在手機領(lǐng)域有著很強的行業(yè)解讀能力和數(shù)據(jù)解讀能力，我可以畫出非常漂亮的圖表和PPT。今天老板讓我出一份報表，我還要去刷臉找ETL工程師幫我跑出這次報告的數(shù)據(jù)，基于這份數(shù)據(jù)我要給出一定的解讀，為啥這個月手機賣得不如上個月，為啥用戶流失越來越嚴(yán)重等等都是我要去做的。

ETL工程師 ： 我是食物鏈最底層的苦逼ETL工程師，我會寫shell、我會搭hadoop/hive/hbase、會寫超復(fù)雜邏輯的sql，今天那個不會自己計算數(shù)據(jù)的BI又讓我跑幾個數(shù)據(jù)，我本想讓她提需求流程的，但她說這是老板要的（運營慣用的殺手锏！?。。?，要加急處理，我只能放下手頭的活兒給她跑數(shù)據(jù)了，花了半個小時把數(shù)據(jù)跑好給她，希望能就這么交差吧。

大數(shù)據(jù)工程師，就是我們所知的大數(shù)據(jù)開發(fā)工程師，主要從事大數(shù)據(jù)平臺的搭建，對個人技術(shù)要求偏高，需要從業(yè)者具備java基礎(chǔ)，還得具備以下技術(shù)能力，hadoop、hive、hase、flume、storm、kafka、spark等，是一個非常龐大的技術(shù)集群。

如果你以為我每天就做這點事那你就錯了，我平時的工作可不僅僅就是完成上面交給我的任務(wù)哦，我還負責(zé)數(shù)據(jù)ETL過程、數(shù)據(jù)建模、定時任務(wù)的分配、甚至有時Hadoop集群的維護等等都得我去做，每件事單獨拿出來都可以拿出來寫本書。

就拿ETL過程來說吧，你要把原始數(shù)據(jù)從各種數(shù)據(jù)庫、各種服務(wù)器的不同業(yè)務(wù)日志歸一化到同一類格式，要約定好分隔符，然后導(dǎo)入到分布式文件系統(tǒng)HDFS，甚至你還要和業(yè)務(wù)系統(tǒng)定義數(shù)據(jù)格式出規(guī)范，數(shù)據(jù)收集完，你還得出中間表，數(shù)據(jù)過濾，格式統(tǒng)一，ID統(tǒng)一，維度統(tǒng)一，通過不同的數(shù)據(jù)現(xiàn)象進行數(shù)據(jù)，完了，你就得出一些日報周報之類的數(shù)據(jù)了，這時候你要按照需求把數(shù)據(jù)組織成一定的格式然后導(dǎo)Mysql、或者HBASE等等。

總之你就是需要把數(shù)據(jù)各種收集、各種處理、然后各種導(dǎo)入導(dǎo)出，是不是很有意思？

2

不過這些數(shù)據(jù)倉庫都非常初級，其中ETL工程師可發(fā)揮的空間太多了

1、正常情況下，老板 —》 BI —》 ETL 出一份報告，這中間能否BI直接去計算數(shù)據(jù)？sql太復(fù)雜，那么可不可以一切數(shù)據(jù)標(biāo)簽化，BI甚至老板要什么就選什么？

2、ETL工程師可以把數(shù)據(jù)收集自動化、可以規(guī)范業(yè)務(wù)日志格式、可以將一切都配置化，但是這些都是基于N+1的，也就是說今天的發(fā)生了什么一定要到明天才能看到，那么有沒有一個系統(tǒng)能把數(shù)據(jù)分析做到實時或者準(zhǔn)實時？參考雙十一大屏，馬總要是到12號才能知道成交了多少筆不劈了那幫做數(shù)據(jù)的才怪。

3、目前絕大部分分析系統(tǒng)都基于離線計算（HADOOP/ODPS），那這里有個問題了，運營或BI想看個數(shù)據(jù)還得你離線慢騰騰跑完才能看到，那么有沒有一個系統(tǒng)可以支持你再大的數(shù)據(jù)量，再復(fù)雜的邏輯，毫秒出數(shù)據(jù)？

我沒有提到的還有算法工程師、大數(shù)據(jù)運維工程師等等。

3

數(shù)據(jù)倉庫的概念很廣很大，但在大數(shù)據(jù)應(yīng)用面前也不值一提。

如果把數(shù)據(jù)價值分層，這里分層的辦法很多，我只列舉一種方法，有人分過5層

第一層： 為老板提供決策支持，例如傳統(tǒng)的財務(wù)報表

第二層： 為運營提供決策支持，例如數(shù)據(jù)化非常徹底的淘寶運營們

第三層： 為產(chǎn)品提供支持，例如有產(chǎn)品經(jīng)理們會拿著報表天天看研究自己的某一個按鈕擺放位置對不對

第四層：數(shù)據(jù)用于生產(chǎn)，比如直接對接廣告系統(tǒng)產(chǎn)生收益，比如直接對接推薦系統(tǒng)為用戶推薦商品，實現(xiàn)千人千面，再比如利用手機APP直接為不同用戶push消息

第五層：大數(shù)據(jù)交換，數(shù)據(jù)產(chǎn)生直接受益

大部分公司能做到前兩個層次就已經(jīng)很不錯了，如果能做到第三層，就已經(jīng)很牛逼，做到第四第五層次，國內(nèi)互聯(lián)網(wǎng)公司不超過2家，大數(shù)據(jù)應(yīng)用太大了，不知從何說起，以后聊吧。

4

針對評論中的一些問題做些統(tǒng)一的解釋

問：數(shù)據(jù)交換的理念

有人提到數(shù)據(jù)交換，數(shù)據(jù)交換不是簡單的我給你一點，你給我一點；也不是我給你錢，你給我點數(shù)據(jù)。

原因是這些模式基本走不通

1、數(shù)據(jù)很難定價，無法簡單的將數(shù)據(jù)定義為商品，數(shù)據(jù)供給方也無法去衡量一份數(shù)據(jù)能產(chǎn)生多大的價值，只有在具體的應(yīng)用場景中才能大概估計它的價值，因此幾乎沒有一種簡單公平的機制去為交易雙反指定交易規(guī)則。

2、數(shù)據(jù)拷貝成本幾乎沒有

如果是一部iPhone，如果想要造出一模一樣的一部iPhone成本奇高，所以蘋果公司可以放心大膽的把手機賣給你而不怕你仿制，但是數(shù)據(jù)不行，因為數(shù)據(jù)幾乎沒有拷貝成本。

那么帶來一個問題，如果我把這份數(shù)據(jù)一百萬賣給你，我?guī)缀醭恕耗愕恼\信』之外沒有任何方法去限制你不把數(shù)據(jù)折價買個其它更多第三方，那這份數(shù)據(jù)的市場價值很快蕩然無存。

3、隱私

商業(yè)有很多隱私規(guī)則，用戶也有很多隱私，這些都是不能簡單的通過拷貝的去交換的，如果給對方一份數(shù)據(jù)，例如：用戶的在某APP的瀏覽行為，那么如果被第三方運用在電話騷擾，廣告彈窗之類的場景中，肯定是不行的。

所以數(shù)據(jù)的交易一定不是通過價格衡量，也不能簡單的數(shù)據(jù)拷貝

數(shù)據(jù)交換 最理想的方式應(yīng)該是，雙方共同拿出一些東西，然后服務(wù)于某個場景，而數(shù)據(jù)導(dǎo)出等行為都是被禁止的，雙方不能看到對方的數(shù)據(jù)也不能導(dǎo)出對方的數(shù)據(jù)，可被導(dǎo)出的結(jié)果一定是無害、不侵犯隱私的、不對原數(shù)據(jù)價值產(chǎn)生影響的東西。

而這樣一種數(shù)據(jù)交換的方式卻需要非常大的體系建設(shè)，平臺建設(shè)，制度建設(shè)。

這樣的體系和平臺，需要長時間的摸索和市場培育，數(shù)據(jù)人任重而道遠。