从初创到顶级技术公司，都在用哪些数据科学技术栈？

大数据文摘出品

来源：medium

编译：睡不着的iris

说到技术栈，你能想到什么？

组织在构建自己专属的技术栈时，会使用到各种不同的相似技术。但也存在一些趋势，如果你正在组建一个新的团队、组织或公司的时候，一开始你可能需要效仿某个现成的技术栈，再依据需求来构建自己的技术栈，还需要对一些过时的技术进行升级。

medium上的一位博主最近与数据工程师、数据科学家和分析师交流后，总结了技术栈信息，并分享了每个部分都有哪些最常使用的栈，至于云服务选择、容器、CI/CD工具等应用和模型部署相关的技术，就留给工程师和DevOps伙伴们来探索。

一起看看。

公司A—SaaS创业公司

数据库：MySQL

数据仓库：PostgreSQL, Snowflake

ETL：Embulk, Python, Airflow

可视化：Redash, Metabase

人工智能/机器学习：暂无

公司B—AI创业公司

数据库：PostgreSQL

数据仓库：PostgreSQL + Stitch

ETL：大量使用Python

可视化：Matplotlib, TensorBoard (sorta？)

人工智能/机器学习：无处不在的TensorFlow，部分Sklearn或开始尝试使用

公司C—中型技术公司

数据库：MongoDB (NoSQL), 或迁移至 DynamoDB (NoSQL)

数据仓库：Amazon Redshif

ETL：Airflow, Python

可视化：什么都有一些

人工智能/机器学习：投入可观

公司D—大量分析需求的大型组织

数据库：SQL Server （几乎钟情于Azure SQL DB）

数据仓库：Azure Synapse (SQL DW), Snowflake

ETL：Azure Data Factory, Python

可视化：Tableau, Power BI

分析：什么都有一点

人工智能/机器学习：什么都有一点

公司E—较少分析需求的大型组织

数据库：Redis, SQL Server

数据仓库：Azure Databricks (Spark)

ETL：Azure Data Factory, Python

可视化：Redash

人工智能/机器学习：随机一次性使用，或依据用户偏好来

公司F—中型数据公司

数据库：MySQL（其他基本用的很少）

数据仓库：Hive （以Hive为主，其他随意）

ETL：50 种不同工具 （有些夸张，但真没什么结构）

可视化：使用各种主流可视化工具

人工智能/机器学习：什么都有，看用户偏好

公司G—技术公司（顶尖数据文化）

数据库：MySQL, Cassandra (NoSQL), 定制其他数据库

数据仓库：Hadoop&定制/从头开始构建

ETL：各种用例所需的栈都不同，该公司对技术栈选型所考虑的因素比较多……最终自己开发了不少ETL工具，或使用现成的工具

可视化：常用的有Python库、R和Tableau，但也会自己开发一些工具，并将工具开源

人工智能/机器学习：采用TensorFlow框架实现深度学习，常见的机器学习标准库，自行开发各类用于模型管理、追踪指标的工具

最高效的方法是直接效仿，但你得搞清楚他们都能帮忙你做什么，才可以用好。比如同是学习勒布朗·詹姆斯电影，你可能成为一个好的篮球选手，你可以花费大量时间来研究他的比赛，或模仿他的比赛方式来提升球技，但你终究不是詹姆斯。如果你和我一样，远没有詹姆斯那样的超能力，也不能跳过天花板，你就需要研究如何在比赛中表现得更好，变得更加优秀。

需要注意的是，很多技术我都没有列出，你可能也发现了其中缺少一些流行的技术，例如Impala（Hadoop引擎）、Rapidminer（分析工具）、R（编程语言）、PyTorch（机器学习库）等。如果你没有看到自己喜欢的技术，请不要生气，这只能说明我只访谈了小部分人，他们没有用到这些技术。

相关报道：

https://towardsdatascience.com/some-common-data-science-stacks-7525477c0dd0