世界上任何有規模的現代公司都有一個數據科學部門，一家公司的數據工程師可能與另一家公司的營銷科學家有相同的職責。數據科學工作沒有很好的標簽，所以一定要廣撒網。

分享69

在科技界的所有角色中，數據科學家的頭銜和工作職責的變化可能是最大的。數據科學家必須戴上很多不同的帽子，亞馬遜的數據科學家的日常工作可能與微軟的數據科學家的工作有很大不同。從找到公司業務中可以從收集、分析和理解數據中受益的領域，到決定必須做出什么戰略決策以提高客戶滿意度或購買完成率，公司可以向數據科學家提出很多要求。

一個數據科學家被期望擁有專業的統計學、機器學習，通常還有經濟方面的技能和知識。一個數據科學家需要在數學、統計學、機器學習、可視化、溝通和算法實施方面有很高的技能。

此外，數據科學家必須徹底了解其數據的商業應用。如果你在分析樹木的生長數據，你應該了解高度和樹冠基部高度之間的區別。這種背景知識可以在工作中培養，但如果你想成為一名數據科學家，如果你已經有了行業工作經驗，這可能是一個很大的優勢。如果你已經做了五年的銀行家，那么你在金融科技領域獲得數據科學職位的幾率要比在醫療保健領域好得多。

數據科學家所戴的各種帽子 

 

數據科學是一個相對較新的領域，對于不是數據科學家的人來說，要向普通人解釋數據科學家的工作可能很困難。這就導致了現代數據科學家有時會有各種滑稽的職責和頭銜可以適用。

一個數據科學家，根據公司和具體的工作，可以負責數據收集和清理。你也可能被要求開發機器學習模型和管道，或作為可視化大師為公司服務。一些數據科學家更多的是面向內部，而另一些則與內部的、非技術團隊甚至客戶有很多關系。如果你和技術性不強的人一起工作，你就必須有出色的溝通技巧，既要寫報告來總結你的分析，也要介紹你的發現，并為未來的行動提出建議。

數據科學家（或者你們公司對收集、分析、可視化或預測數據的人的任何稱呼）的關鍵職責是講述數據的故事。它是從哪里來的，我們可以從它那里了解到過去的情況，以及它如何在未來指導我們？為了成功地做到這一點，你需要成為業務領域的專家，或者擁有背景知識，將拼圖的碎片拼湊起來，并向你周圍的人解釋數據的意義和你從中獲得的洞察力。

數據科學領域內的具體職責差別很大，而且數據科學領域內有很多不同的角色。無論你是想進入這個領域還是想轉換工作，在工作職位和行業方面保持開放的心態真的很重要。我給你分析一下數據科學領域內十三個不同角色的一般職責。

公司一般不善于給數據科學領域的人冠以頭銜，所以你一定要把這個細目作為一個經驗法則，而不是一個確切的定義。如果其中一個聽起來很完美，那么你可以把你的搜索范圍縮小到這一個頭銜，但如果其中幾個聽起來都不錯，那么我會在搜索時對你使用的頭銜更加靈活。(如果頭銜對你來說真的很重要，當你得到工作機會時，你總是可以把它作為你談判的一部分！)

世界上任何有規模的現代公司都有一個數據科學部門，一家公司的數據工程師可能與另一家公司的營銷科學家有相同的職責。數據科學工作沒有很好的標簽，所以一定要廣撒網。

數據科學家的職責按角色細分 

 

1. 數據分析師

數據分析師更注重于數據的收集、清理和匯總。你必須能夠自如地駕馭復雜的SQL查詢。你將負責設計并向非技術性的利益相關者提供報告。你也會有機會設計數據模型、可視化和預測模型。

2. 數據庫管理員

數據庫管理員管理數據庫實例，包括內部和云實例。作為一名數據庫管理員，你要建立、配置和維護生產環境。你還將負責你所負責的數據庫的性能、可用性和安全性。準備好帶頭進行數據操作并提供關鍵任務的隨叫隨到支持。

3. 數據建模員

數據建模人員創建概念性的、技術性的、邏輯性的、有時是物理性的數據模型。你必須果斷地選擇和維護數據建模和設計標準，為你公司的數據創造一個有凝聚力的愿景。

數據建模人員還必須開發實體關系模型和設計數據庫。你可能需要為你的團隊或公司改進數據收集和分析代表性不足的數據類別，以確保你的數據集具有代表性。

4. 軟件工程師

軟件工程師設計和維護軟件系統。當你成為一名軟件工程師時，準備好編寫可擴展、可靠和高性能的代碼。你必須將設計要求轉化為有據可查、經過良好測試的代碼，將產品設計師的設想變為現實。

5. 數據工程師

識別和解決數據質量挑戰將是你作為數據工程師的一項重要任務。你還需要支持將數據源納入數據存儲解決方案。數據工程師工作的一個令人興奮的部分是有機會架構和設計數據工程解決方案。你還應該準備好建立ETL管道，以提取、轉換和加載數據到數據倉庫，用于下游報告。數據工程師還負責數據復制、提取、加載、清理和整理。

6. 數據架構師

數據架構師主要負責設計和維護數據管道。數據架構師工作的另一個重要部分是管理數據庫。作為一個數據架構師，你將編寫高效的查詢，并優化現有的查詢，以最大限度地提高可擴展性和成本效益。你還將把數據轉化為可操作的報告、自動化和洞察力。

7. 統計員

統計學家了解業務需求，提出假設，并構建統計學上合理的實驗。作為一名統計員，你將驗證其他業務組的實驗計劃的統計有效性。你還需要指導和培訓項目或研究主任開發統計學上合理的實驗和驗證策略或指標。

除了實驗之外，統計員還要制定和執行分析報告策略。你可能需要像一個統計學的拉拉隊員一樣，因為一些數據科學公司讓他們的統計員積極推廣統計學方法，并發現可以從統計學上的分析中獲益的新業務領域。

8. 商業智能分析師

商業智能分析員是數據科學中比較柔和的一面。作為一個商業智能分析師，你需要收集業務和功能需求，并努力使技術解決方案與業務戰略保持一致。你還將致力于創建或發現數據采購和處理策略。

你將負責提取和處理大量的數據，從中創建分析報告。商業智能分析師還將向關鍵的利益相關者報告、介紹和溝通分析結果。

9. 營銷科學家

營銷科學家向當前和潛在的客戶展示想法和發現。他們還將數據挖掘和分析策略應用于數據，如人口統計或營銷數據。根據Stone Alliance Group對營銷科學家的描述，你必須 "跟蹤和評估客戶獲取工作、市場趨勢和客戶行為"。營銷科學家是專門從事廣告、營銷或用戶/客戶人口統計學數據的數據科學家。

10. 商業分析師

根據MaxisIT Inc的要求，業務分析師 "分析業務和用戶需求，記錄需求，并設計系統和報告的功能規格"。如果你是一名業務分析員或想成為一名業務分析員，你需要了解業務和行業要求，并利用它們來制定系統范圍和技術目標。你還將負責定義不同系統和數據庫之間的數據互動。

11. 量化分析員

定量分析員使用大型數據集開發復雜的模型，為內部報告提供信息，并產生商業洞察力。資源開發協會讓他們的定量分析員 "開發和領導分析計劃的實施，概述研究方法、問題、抽樣和迭代計劃"。定量分析員還將工作流程自動化，并努力驗證數據的完整性。

12. 數據科學家

作為一名數據科學家，你將被期望從多個來源提取、匯總、清理和轉換數據。你將需要確定問題的重要背景因素。數據科學家通過分析數據，為企業產生關鍵的可操作的見解，以提高業績。根據公司的情況，你可能需要預測市場趨勢，以幫助公司戰略性地發展其分支機構。

數據科學就是要在短期分析指導和長期預測和實驗之間找到平衡。你需要在正確的時間溝通重要的事情，所以你能以可消化的媒體--數據可視化和吸引人的、深思熟慮的演講--來呈現研究結果，這一點至關重要。

作為一名數據科學家，你將為非技術性的利益相關者帶來數據的價值和洞察力。你將有機會主動找到公司內部可以從數據驅動的決策中受益的領域，并與其他團隊合作來完成這一任務。

13. 機器學習工程師

為生產建立機器學習模型是機器學習工程師的主要重點。他們設計和實施可擴展的、可靠的、性能良好的數據管道和服務。根據公司和它的重點領域，你可以改善產品的個性化，或者通過將機器學習模型應用于歷史和實時數據，更好地預測行業的市場趨勢。

角色和職責相互交叉，區別仍然很重要

所有這些角色之間有很多交叉的地方。有些人更專注于純粹的數字計算，而另一些人則更專注于將數據分析產生的洞察力應用于商業決策。無論你的具體職位是什么，如果你在數據科學領域，你將被期望參與數據驅動的產品開發周期中的許多不同步驟。你應該準備好發現新的優化領域，弄清楚重要的指標，尋找數據來告知這些指標，設計和執行實驗，并以簡潔、準確和令人信服的方式展示實驗/模型的結果。

數據科學領域很年輕，定義也很松散。很多時候，你會發現在數據科學的大傘下，不同的工作頭銜下的工作描述聽起來驚人的相似。公司往往意識到他們有數據或可以收集數據，然后用它來改善他們的商業模式。然而，這些工作描述和他們選擇分配的工作頭銜往往是由非技術人員撰寫的，這意味著有很多重疊之處。

一家公司的數據工程師可能與另一家公司的數據分析師做同樣的工作。所有這些職位都涉及到收集或驗證數據，應用某種形式的分析，然后通過報告、預測或可視化向非技術類同事解釋結果。

如果這些工作中有一個聽起來很完美，那么你可以把搜索范圍縮小到這一個職位，但如果其中有幾個聽起來不錯，那么我會在搜索時對你使用的標題更加靈活。如果頭銜對你來說真的很重要，當你得到工作機會時，你總是可以把它作為你談判的一部分。不要讓這份責任清單把你從一份聽起來很有趣的工作中嚇跑了。如果你真的想成為一個數據建模者，但你對組織行文信息不適應，你可以看看不同公司的數據建模者職位或數據架構師職位。

讓這十三種最常見的數據科學角色的細分成為你尋找數據科學工作的跳板。