大數據開發(fā)工程師、BI工程師、數據倉庫工程師、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，商務智能。BI工程師即為從事商務智能行業(yè)的工程師。從需求分析師到數據倉庫架構師、到etl工程師、數據分析，報表開發(fā)工程師、數據挖掘工程師、etc.，都可以稱之為BI工程師。

etl工程師：是從事系統編程、數據庫編程與設計，要掌握各種常用的編程語言的專業(yè)技術人員。也叫數據庫工程師。

1

一味的解釋數據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，知道自己的產品有哪些短板有哪些長處，我分析南北地域差異，國內外客戶喜好，總之我在手機領域有著很強的行業(yè)解讀能力和數據解讀能力，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據，基于這份數據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、會寫超復雜邏輯的sql，今天那個不會自己計算數據的BI又讓我跑幾個數據，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據了，花了半個小時把數據跑好給她，希望能就這么交差吧。

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

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哦，我還負責數據ETL過程、數據建模、定時任務的分配、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，你要把原始數據從各種數據庫、各種服務器的不同業(yè)務日志歸一化到同一類格式，要約定好分隔符，然后導入到分布式文件系統HDFS，甚至你還要和業(yè)務系統定義數據格式出規(guī)范，數據收集完，你還得出中間表，數據過濾，格式統一，ID統一，維度統一，通過不同的數據現象進行數據，完了，你就得出一些日報周報之類的數據了，這時候你要按照需求把數據組織成一定的格式然后導Mysql、或者HBASE等等。

總之你就是需要把數據各種收集、各種處理、然后各種導入導出，是不是很有意思？

2

不過這些數據倉庫都非常初級，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直接去計算數據？sql太復雜，那么可不可以一切數據標簽化，BI甚至老板要什么就選什么？

2、ETL工程師可以把數據收集自動化、可以規(guī)范業(yè)務日志格式、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能把數據分析做到實時或者準實時？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據的才怪。

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

我沒有提到的還有算法工程師、大數據運維工程師等等。

3

數據倉庫的概念很廣很大，但在大數據應用面前也不值一提。

如果把數據價值分層，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，例如傳統的財務報表

第二層： 為運營提供決策支持，例如數據化非常徹底的淘寶運營們

第三層： 為產品提供支持，例如有產品經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：數據用于生產，比如直接對接廣告系統產生收益，比如直接對接推薦系統為用戶推薦商品，實現千人千面，再比如利用手機APP直接為不同用戶push消息

第五層：大數據交換，數據產生直接受益

大部分公司能做到前兩個層次就已經很不錯了，如果能做到第三層，就已經很牛逼，做到第四第五層次，國內互聯網公司不超過2家，大數據應用太大了，不知從何說起，以后聊吧。

4

針對評論中的一些問題做些統一的解釋

問：數據交換的理念

有人提到數據交換，數據交換不是簡單的我給你一點，你給我一點；也不是我給你錢，你給我點數據。

原因是這些模式基本走不通

1、數據很難定價，無法簡單的將數據定義為商品，數據供給方也無法去衡量一份數據能產生多大的價值，只有在具體的應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、數據拷貝成本幾乎沒有

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，但是數據不行，因為數據幾乎沒有拷貝成本。

那么帶來一個問題，如果我把這份數據一百萬賣給你，我?guī)缀醭恕耗愕恼\信』之外沒有任何方法去限制你不把數據折價買個其它更多第三方，那這份數據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，如果給對方一份數據，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。

所以數據的交易一定不是通過價格衡量，也不能簡單的數據拷貝

數據交換 最理想的方式應該是，雙方共同拿出一些東西，然后服務于某個場景，而數據導出等行為都是被禁止的，雙方不能看到對方的數據也不能導出對方的數據，可被導出的結果一定是無害、不侵犯隱私的、不對原數據價值產生影響的東西。

而這樣一種數據交換的方式卻需要非常大的體系建設，平臺建設，制度建設。

這樣的體系和平臺，需要長時間的摸索和市場培育，數據人任重而道遠。