对于想入数据行业的朋友来说，数据分析、数据科学、数据工程真的是傻傻分不清楚？自己到底适合哪个岗位？哪个岗位更有就业前景，能获得更多的钱？今天这篇文章就彻底讲清楚。
01数据分析师 Data Analyst
DA侧重分析与报告，简单来说就是通过整合处理数据来分析问题，得到业务洞察和决策。虽然大部分时候，DA只是数据行业中的“初级职位”，但并不是所有DA只能胜任入门级的任务。
具体流程：DA首先要理解用户需求，然后用SQL将相关数据从数据库中提取出来，之后就使用分析工具，如Excel, FineBI, Tableau, Python等对数据进行整合、分组、对比、做指标、特征提取等处理，进而对数据进行分析，最后将结果做成dashboard汇报展示给领导和业务。
- 常用软件：
Excel，SQL，Tableau，Power BI，FineBI，Python，PPT。
- 知识技能：
不需要太多的数学和编程知识，要会SQL和可视化的工具，有的工作也需要一些Python，基本的统计知识也需要知道一些。沟通能力和商业理解力很重要。
- 岗位薪资：15-20k*15（左右-大厂）
02数据科学家 Data Scientist
DS和DA相似，基本的工作流程差不多，仍然需要对数据进行清洗、分析和可视化处理。但DS在技术方面有更深的研究，他们在分析时会常会使用专业知识构建机器学习模型并训练与优化，再以此做出预测并对关键业务问题进行解答。如果数据量大还会用到Spark做分布式计算。
以下是数据科学家所做工作的示例：
- 评估统计模型以确定分析的有效性。
- 使用机器学习构建更好的预测算法。
- 测试并不断提高机器学习模型的准确性。
- 构建数据可视化以总结高级分析的结论。
- 常用软件：
Python，R，SQL，Spark，cloud，Git
- 知识技能：
数学统计知识要求较高，除了理解各种机器学习模型外，还需要理解微积分线性代数，概率分布，假设检验，AB Test等。
编程能力是必备，并需要熟练使用各种机器学习包。除此之外，SQL也是基础。会spark更好，不会也可以现学。和DA一样，沟通能力和商业理解能力很重要。
DS为理解数据带来了全新的方法和视角。虽然DA可能能够描述趋势并将这些结果转化为商业术语，但DS将提出新的问题，并能够构建模型以根据新数据进行预测。
- 岗位薪资：20-25k*15（左右-大厂）
03数据工程师 Data Engineer
这跟前两个区别很大，更像软件工程师。DE主要负责获取、转换及存储数据，把凌乱的原始数据转换成干净可用的数据并存储至数据库，并保证其他用户对数据的可访问性。DE是系统的构建者与优化者，DA和DS在DE所建立的基础上才能最大程度发挥自己的作用。
以下是数据工程师工作示例：
- 将外部或新数据集集成到现有数据管道中。
- 在新数据上应用机器学习模型的特征转换。
- 持续监控和测试系统以确保优化性能。
- 常用软件：
Python，SQL database，Data lake/warehouse，Spark，cloud，devops
- 知识技能：
对各种系统、架构等要有充分理解，编程要求高。
- 岗位薪资：25-30k*15（左右-大厂）
PS
由于数据分析师、数据科学家和数据工程师都是外文DA、DS、DE的直译，在国内的招聘软件上，他们还会对应不同的岗位。以boss直聘上的岗位为例，数据分析师就是DA，数据挖掘属于DS，ETL工程师、数据仓库和数据开发是属于DE。除此以外，还有其他不同名称的岗位，大家可以更具岗位JD来详细了解企业具体招聘的是什么样的数据人才。
04三者是如何配合工作的
DE的重心在后端，他们需要持续优化数据通道，以确保组织所依赖的数据准确可用。他们会利用各种不同的工具来确保数据得到正确处理，并确保在任何时候用户都可以顺畅地使用正确的数据。一个好的DE可以为企业的其他成员节省大量的时间和精力。
DA使用DE所构建的自定义接口来提取新的数据集，并对其中的数据趋势进行识别，同时对异常数据进行分析。分析师们将会对结果进行总结，并以一种清晰直观的方式来展示这些结果，以便于其它非技术团队能够更好地了解他们目前的工作效果。
最后，DS将会在DA分析得出的初步结果上进一步深入研究，以了解更多可能的情况与有价值的信息。无论是通过训练机器学习模型，还是利用高级统计分析技巧，DA都将对未来进行预测，并提供全新的洞察视角。