當數年前雲端及大數據概念開始興起的時候，企業數碼化已經是不可逆轉的趨勢。現在中小企已能透過數碼應用（如電子商貿、網站、雲端應用等）及公開渠道累積大量數據，加上分析軟件的價格因技術成熟及競爭激烈而有所下調，令數據分析已不再是大企業專屬技能。數碼化的時代下，企業現時追求的正是透過數據分析，為顧客提供更精準、更貼心的服務及產品，增加顧客體驗的同時，減少無謂的推廣開支。當中隨之伴生的，正是市場對商業智能分析師（Business Intelligence Analyst）及數據科學家（Data Scientist）的龐大需求。
這兩者有甚麼分別呢？商業智能（BI）主要透過整合歷史數據進行數據分析，並以圖像化表達方法去找出數據當中的商業價值。當中牽涉數據的質素一般較高及真確，以產生詳細報告及KPIs（關鍵績效指標），能夠看到過往趨勢，但對未來的展望較為缺乏。而數據科學（Data Science）則不斷從不同渠道發掘及更新相關數據，並利用統計學模型及機器學習技術去預測關鍵商業問題。
如果你也有興趣成為當中一分子，不妨朝以下方向學習增值：

商業智能分析師
．資料庫處理—包括數據探勘及資料庫設計 / 發展 / 建置 / 整合等技巧，當然不少得SQL等資料庫程式語言。
．商業領域知識—須要深入了解相關行業的商業運作及發展方向，以建議分析及計算方法。
．溝通技巧—須要經常與一般使用者及公司高階主管互動，並回應來自各方面對於提供戰略性決策輔助資訊的要求。

數據科學家
．程式編寫技術—包括統計程式語言如R、Python，以及資料庫程式語言如SQL。
．統計學知識—作為數據科學家，你須要了解統計學相關知識，如統計檢定、分類、最大概似估計量等等，以決定手上數據應該採用甚麼統計模型作有效分析及預測。
．機器學習技術—掌握應用機器學習技術甚至如何從頭開始構建，如回歸、樸素貝葉斯（Naive Bayes）、支持向量機 SVM（Support Vector Machine）、神經網絡等。

文：黃家偉
香港電腦學會（HKCS）專業及事業發展小組總監，現於香港生產力促進局任職資訊科技部總經理。