杰夫贝索斯是我早年钦佩的企业家。这些年来，他总结了亚马逊数字化运营的一些企业实践和创新案例。
本次将重点分析亚马逊的数据挖掘团队，成功数据分析团队的构成和运作模式，总结亚马逊数据竞争力的关键成功因素。
亚马逊数据分析中心(内部称为机器学习小组)是做什么的？
我借用印度R & amp；amp；m机器学习小组主任Rajeev的总结。d中心：
亚马逊的ML小组专注于解决当今计算机科学中最大的问题：深刻理解每天生成的海量数据，并利用这些数据做出极具影响力的决策。
亚马逊数据分析团队的三个核心角色：
简单来说，亚马逊数据分析团队的三个核心角色如下：
分析师、数据建模科学家和软件工程师三个角色的详细职责，结合我个人的梳理和经验，如下图所示：
PS:我根据自己的行业经验，把数据分析师分为：业务数据分析师(或者业务部门的资深分析师)和数据分析师；
(注：这里简单介绍一下Software Developer，有很多大数据开发的信息，大家应该都很了解。)
人们往往认为数据分析师是全能的、完美的，但要成为很多领域综合技能的专家是非常困难的。(我会在后面单独写的文章里分析“数据科学家”这个热词，这里就不深入讨论了。)
需要注意的是，每个角色在技能集上各有侧重，只有在团队中共同努力，才能实现实用的数据分析。
有关数据分析师团队技能领域的分析，请参见下图。
这两个图表非常有名，来源于：哈兰哈里斯(Harlan Harris)基于2012年对数百名数据科学从业者的调查分析，通过聚类总结出数据科学的子领域。在但,数据科学从业者的角色分类过于模糊，因此根据我的个人经验，数据中每个角色的术语和技能的定义需要稍微调整。比如核心角色数据分析师：50%的技能在统计学，这其实是一个更适合分析科学家的术语定义。我把原来的角色名词和我调整后的同时放在这里，欢迎大家讨论。
