在数据科学团队中有一个业务分析师会有什么价值呢？

Question

如果我错了，请纠正我，虽然业务分析师通常是软件交付团队中的一个重要角色，但在数据科学领域，情况似乎并非如此。

常用的数据科学家技能集也说明了讲故事技巧和理解客户业务的重要性，但这就足够了吗？

Answer 1

我认为将业务分析师(S)整合到数据科学团队中是非常有意义的。

有几个原因：

• 业务本身和数据科学团队之间将有大量的交互作用。BAs用于充当IT和业务功能之间的接口层。这比看起来困难得多，因为it人员和(例如)销售和市场营销人员本质上是非常不同的。这需要很大的耐心和经验，使他们在同一页。提示:当与销售或会计交谈时，不要以开放源码的优点开始！
• BAs通常比DSs具有更好的领域知识。在项目的初始阶段，它们会有很大的帮助，因为它们往往对企业有一种更自然的“感觉”(例如，哪些结果是可能的，哪些不是，我们是否预测了一个罕见的事件，有些情况下/过抽样是适当的，什么样的结果不是新闻，什么样的结果是如此令人惊讶，应该立即引起注意等等)。数据科学类型善于找到正确的答案，一旦一个问题被提出，但问正确的问题可以说是更重要的。这是一个BA可以帮助完成的任务。
• 业务分析的时间更长，所以周围有一群经验丰富的人。“数据科学”虽然年轻，但很性感，在简历中也很好看，所以很容易说服一个聪明的家伙/女孩，对公司的潜在业务有很强的理解，并与公司的关键人物建立良好的关系，成为项目成员。这是一个双赢的局面。

Answer 2

我不是一个业务分析师，所以我想你必须接受我必须说的话。根据我的理解，业务分析人员的职责集中于改进公司内部的流程，例如，如何实现某些技术来改进工作流，希望他们了解这些技术如何改进工作流或产品等，并管理这些改进项目。

这似乎与数据科学在抽象层面上的不同之处在于，它探索的是已知的未知数(“我们的过程可以改进吗?有哪些技术/方法可以改进它？”)，而数据科学对于探索未知的未知数很有帮助。例如，为什么这对我们的工作流/产品更好呢？“数据科学”( Data )擅长于抛出你不期望的结果，这也是为什么它如此有价值的原因之一。我可能说错了，但商业分析似乎是相对自由的形式，取决于公司和需求，而数据科学则没有那么主观的方法。

考虑到这一点，也许可以使用数据科学家来更好地通知您的业务分析人员的决策？但反过来，巴斯或许可以用于更好地告知数据科学家业务流程，或者您的BA可以专注于改进流程，使您的数据科学家的生活更轻松，比如在非自动化环境中的数据管道(例如:我们如何从我们的汽车陈列室收集更多有用的数据？)决策支持系统需要哪些技术，我们如何实现它们？)