大数据分析的几个新角色：数据科学家、数据分析师、数据（算法）工程师
数学科学家：（发明算法）
运用统计分析、机器学习、分布式处理等技术，从大量数据中提取出对业务有意义的信息，以易懂的形式传达给决策者，并创造出新的数据应用服务的人才。
对享有的模型进行优化、改进，所以涉及到对具体算法的精通和理解，并不断通过AB Test进行验证。
例如：Google的搜索PageRank算法的创始人拉里佩奇Larry Page，他是博士而且在读书期间创造的此算法。
李开复也应该算一个，解决中文搜索及尝试了语音识别的关键技术算法。
还有我司的客户信用评分模型也是MIT的高端开发设计出来的。
近期我们还没有应用或者发展到这个阶层，很少需要修改或者创造算法和模型来解决问题的层面，主要还在算法应用层面。
关键要求：IT技术知识，例如对处理大数据所必需的Hadoop、Mahout等大规模并行处理技术与机器学习相关的技能；
数学、统计、数据挖掘，可以使用SAS、R等挖掘工具并对统计算法足够掌握；
数据可视化能力，可以把复杂的模型和数字逻辑通过易懂直观的展示方式
标杆人才：虚位以待，还有可能就是2012的诺亚方舟的。
数据（算法）工程师：（使用算法）
深刻理解统计学及挖掘分析工具的开发工程师，可以通过数据，借助工具和建模开发，解决一类业务问题的工程师。
关键时候需要客户化算法、修改算法解决关键问题。
关键要求：对统计学或者数学有一定理论背景，知道什么是逻辑回归，什么是T/F检验；
代码或模型开发能力，最好包括大规模非结构化数据处理能力；
特定行业和领域应用的经验会加速数据算法的开发和应用。
标杆人才：潘柱新+陈国富，他俩结合起来应该是我认识最牛的算法工程师了。
数据分析师：（使用数据）
数据分析师能洞悉一个方程式的商业意义。他们知道如何提出正确的问题，搜罗和管理相关的数据，通过数据探索和分析，佐以数据可视化、数据呈现或分析报告解决问题。
关键要求：
除了对数据的理解和把握，懂业务和懂工具（Excel、SQL是基础，SAS、SPSS是进阶等数据分析相关的工具）之外，还有两个容易被忽视的技能
懂分析：指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。
基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
懂设计：懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图表的选择（什么时候用柱状图、什么时候用折线图，这是最基本的能力）、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。特别是42公里的漫长、富有创新的数据价值发现之旅，不能毁在最后一公里的呈现和报告中。
）
标杆人才：潘旭（即熟悉信用业务；又可以熟练使用分析方法；
懂一些SAS的工具；还懂可视化、图表、版式等高体验性设计），DMP项目中数据管理部的王刚也在成长中。
