数据科学家、数据工程师和数据分析师三个角色的区别是什么

很多人搞不清楚数据科学家、数据工程师和数据分析师三个角色的区别是什么，甚至有些还是数据科学从业者也经常混为一谈，认为数据科学家、数据工程师和数据分析师三个角色可以互换。

这段视频希望为大家解释清楚三个角色的不同岗位、技能和职责。

首先说一下三个角色的岗位描述。

数据科学家采用先进的数据技术，如聚类、神经网络、决策树等来获得业务洞察力。在这个职位上，将成为团队中最资深的人，并且应该在机器学习、统计和数据处理方面拥有深厚的专业知识。在收集数据分析师和数据工程师的意见后，将负责开发可操作的业务洞察力，具备数据分析师和数据工程师的技能，但对数据科学家来说，技能组合需要更加深入和详尽。

数据工程师是数据分析师和数据科学家之间的中介。作为数据工程师，将负责为操作或分析目的配对和准备数据。这个角色需要在数据架构的构建、开发和维护方面有很多经验。这个角色负责研究大数据，编写数据报告，并将其发送给数据科学家进行分析。

数据分析师在数据分析团队中担任入门级角色。这个角色需要善于将数据转换为组织中每个人都能理解的形式。此外，需要精通多个领域，包括 Python 等编程语言、Excel 等工具、数据处理、报告和建模的基础知识。有了足够的经验，可以逐渐从数据分析师晋升为数据工程师和数据科学家的角色。

接着，我们聊聊三个角色的技能组合。

必须的说，编码是每个工作角色的核心。数据科学家也需要精通 Java、Python、SQL、R、SAS 等编程语言。此外，需要具备 Hadoop、Spark 和 Pig 等大数据框架的工作知识。了解深度学习、机器学习等技术的基础知识更可以推动职业生涯更上一层楼。

数据工程师的角色要求对 Java、SQL、SAS、Python 等编程语言有深入的了解。还应该擅长处理 Hadoop、MapReduce、Pig、Hive、Apache Spark、NoSQL 和数据流等框架。

数据分析师技术含量稍低一点，属于入门级角色，需要对 SAS Miner、Microsoft Excel、SPSS、SSAS 等工具有所了解。如果有 Python、SQL、R、SAS 和 JavaScript 的基本知识，那将是一个加分点。

第三，我们来聊聊三个角色的职责。

作为数据科学家，必须承担的职责包括：

（1）管理、挖掘和清理非结构化数据，为实际使用做好准备。

（2）开发可以在大数据上运行的模型

（3）理解和解释大数据分析

（4）负责数据团队并帮助他们实现各自的目标

（5）交付对业务成果有影响的结果

数据工程师角色所承担的职责包括：

（1）数据挖掘从数据中获得洞察力

（2）将错误数据转换为可用于数据分析的形式

（3）编写数据查询

（4）维护数据设计和架构

（5）借助额外转换负载 (ETL) 开发大型数据仓库

作为数据分析师将必须承担的职责包括：

（1）借助查询从数据库中收集信息

（2）启用数据处理并汇总结果

（3）在他们的工作中使用基本算法，如逻辑回归、线性回归等

（4）在数据处理、数据可视化、探索性数据分析和统计方面拥有并展示深厚的专业知识

最后，我们来看看 三个角色的平均薪酬 。

一般，作为一名数据科学家平均每年可以赚取高达 95 万+元的收入，数据工程师的平均年薪可达 80 万+元的收入，数据分析师的平均年薪为 46 万+元。

这个收入仅供参考，没有达到的继续加油，切记不可以拿着这个数字去找老板加薪啊。

总结来看，无论选择哪种数据科学职业道路，数据科学家、数据工程师或数据分析师，哪种角色都很有前景。因为最近 3-5 年里，全球数据科技领域人才都存在巨大的缺口。具体多大缺口呢？2021 年，工信部公布的数据显示，到 2025 年，大数据核心人才缺口将高达 230 万人，大数据产业市场规模也将会突破 3 万亿！又是一个万亿级的市场，大家可要抓住机会！