在科技界的所有角色中，數據科學家的頭銜和工作職責可能是變化最大的。一個數據科學家必須戴很多不同的帽子，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有很大不同。從發現可以從收集、分析和理解數據中受益的公司業務領域，到決定必須做出哪些戰略決策來提高客戶滿意度或購買完成率，公司可以詢問許多數據科學家。

一個數據科學家應該具備專業的統計、機器學習以及通常的經濟技能和知識。數據科學家需要在數學、統計學、機器學習、可視化、通信和算法實現方面有很高的技能。

此外，數據科學家必須徹底了解他們數據的業務應用程序。如果你在分析樹木生長數據，你應該了解高度和樹冠基高之間的差異。這種背景知識可以在工作中得到發展，但如果你已經有了在這個行業工作的經驗，如果你想成為一名數據科學家，這可能是一個很大的優勢。如果你已經做了五年的銀行家，你在金融技術領域獲得數據科學職位的幾率要比在醫療保健領域高得多。

數據科學家戴的各種帽子

數據科學是一個相對較新的領域，不是數據科學家的人很難向外行人解釋數據科學家的工作。這導致了現代數據科學家可能面臨的有時是滑稽的各種職責和頭銜。

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，或者作為可視化大師為你的公司服務。一些數據科學家更多地面向內部，而其他人則與內部、非技術團隊甚至客戶有很大關系。如果你和技術含量較低的人一起工作，你必須有出色的溝通技巧，既要寫報告總結你的分析，也要展示你的發現并為未來的行動提出建議。

數據科學家（或者公司對收集、分析、可視化或預測數據的人的稱呼）的主要職責是講述數據的故事。它是從哪里來的，我們可以從它中學到什么關于過去的東西，它如何指導我們未來？為了成功地做到這一點，您需要成為業務領域的專家或具有上下文知識，以便將拼圖的各個部分組合在一起，并向周圍的人解釋數據的重要性以及從中獲得的見解。

數據科學領域內的確切職責有很多不同，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換工作，在職稱和行業方面保持開放的心態是非常重要的。我將對數據科學領域中13個不同角色的一般職責進行分解。

公司通常不擅長給數據科學領域的人賦予頭銜，所以將這種細分作為經驗法則而不是確切的定義是很重要的。如果其中一個聽起來對你來說很完美，那么你可以把搜索范圍縮小到一個標題，但如果其中幾個聽起來很好，那么我會更靈活地使用你在搜索時使用的標題。（如果頭銜對你來說真的很重要，當你得到工作機會時，你可以隨時把它作為談判的一部分?。?

Any modern company of any significant size around the world has a data science department, and a data engineer at one company might have the same responsibilities as a marketing scientist at another company. Data science jobs are not well-labeled, so make sure to cast a wide net.

按角色劃分的數據科學家職責

1.數據分析員

數據分析師更關注數據收集、清理和聚合。您必須能夠輕松地導航復雜的SQL查詢。您將負責設計并向非技術涉眾交付報告。您還將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，包括內部實例和云實例。作為數據庫管理員，您需要構建、配置和維護生產環境。您還將負責您所負責的數據庫的性能、可用性和安全性。準備好領導數據操作并提供關鍵任務的隨叫隨到支持。

3.數據建模器

數據建模師創建概念、技術、邏輯以及有時物理數據模型。您必須果斷地選擇和維護數據建模和設計標準，以便為公司的數據創建一個統一的愿景。

數據建模人員還必須開發實體關系模型和設計數據庫。您可能需要為您的團隊或公司改進數據收集和對未充分表示的數據類別的分析，以確保您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。當您是一名軟件工程師時，準備好編寫可伸縮、可靠和性能良好的代碼。您必須將設計需求轉換為文檔充分、測試良好的代碼，以實現產品設計師的愿景。

5.數據工程師

作為一名數據工程師，識別和解決數據質量挑戰將是您的一項重要任務。您還需要支持將數據源攝取到數據存儲解決方案中。數據工程師工作的一個令人興奮的部分是獲得架構和設計數據工程解決方案的機會。您還應該準備好構建ETL管道，以提取、轉換數據并將其加載到數據倉庫中，以便進行下游報告。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。作為一名數據架構師，您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伸縮性和成本效率。您還將把數據轉換為可操作的報告、自動化和洞察力。

7.統計員

統計學家了解業務需求，開發假設，并構建統計上合理的實驗。作為一名統計學家，你將驗證其他商業集團實驗計劃的統計有效性。您還需要指導和培訓項目或研究主管，以開發統計上合理的實驗和驗證策略或指標。

除了實驗之外，統計學家還要制定和執行分析性報告策略。你可能需要像一個統計啦啦隊長，因為一些數據科學公司有他們的統計人員積極推廣統計方法，并發現新的業務領域，這些領域可以從統計合理的分析中受益。

8.商業智能分析師

商業智能分析師是數據科學中較為溫和的一面。作為商業智能分析師，您需要收集業務和功能需求，并努力使技術解決方案與業務策略保持一致。您還將創建或發現數據采購和處理策略。

您將負責提取和操作大量數據，并從中創建分析報告。商業智能分析員還向關鍵利益相關者報告、呈現和交流分析結果。

9.營銷科學家

市場營銷學家向當前和潛在的客戶提出想法和發現。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努力、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/客戶人口統計數據的數據科學家。

10.業務分析師

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范”。如果您是業務分析師或想成為業務分析師，您需要理解業務和行業需求，并使用它們來制定系統范圍和技術目標。您還將負責定義不同系統和數據庫之間的數據交互。

11.量化分析師

定量分析師使用大型數據集開發復雜的模型，以提供內部報告和產生業務洞察力。資源開發協會讓他們的量化分析師“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”。量化分析師還自動化工作流并驗證數據完整性。

12.數據科學家

作為一名數據科學家，您將被期望從多個源提取、聚合、清理和轉換數據。您將需要確定問題的重要上下文因素。數據科學家分析數據，為業務提供關鍵的、可操作的見解，以提高性能。根據公司的不同，您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。

數據科學是關于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傳達重要的事情，所以你可以用易于理解的媒體--數據可視化和引人入勝的、深思熟慮的演示--來展示發現是至關重要的。

作為一名數據科學家，您將從數據中為非技術利益相關者帶來價值和洞察力。您將有機會積極主動地在公司內部找到可以從數據驅動決策中受益的領域，并與其他團隊合作來實現這一目標。

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關注點。他們設計和實現可伸縮、可靠、性能良好的數據管道和服務。根據公司及其關注領域的不同，您可以通過將機器學習模型應用于歷史數據和動態數據來改進產品的個性化或更好地預測行業的市場趨勢。

角色和責任交叉，區別仍然重要

所有這些角色之間有很多交叉。一些人更關注于純粹的數字處理，而另一些人則更關注于將數據分析產生的洞察力應用于業務決策。不管你的確切職位是什么，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。您應該準備好發現要優化的新領域，找出重要的度量標準，找到數據來通知這些度量標準，設計和執行實驗，并以簡潔、準確和令人信服的方式呈現實驗/模型的結果。

數據科學領域很年輕，定義也很松散。很多時候，您會發現在數據科學的保護傘中，不同職位名稱下的職位描述聽起來驚人地相似。公司經常意識到他們有數據，或者可以收集數據，然后用它來改進他們的商業模式。然而，這些職位描述和他們選擇分配給他們的職位頭銜通常是由非技術人員撰寫的，這意味著有很多重疊。

一家公司的數據工程師可能和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同事解釋結果。

如果這些工作中的一個聽起來對你來說很完美，那么你可以把搜索范圍縮小到一個標題，但如果其中幾個聽起來很好，那么我會更靈活地使用你在搜索時使用的標題。如果這個頭銜對你來說非常重要，那么當你得到工作機會時，你總是可以把它作為談判的一部分。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。如果您真的想成為一名數據建模師，但又不習慣組織沿襲信息，您可以查看不同公司的數據建模師職位或數據架構師職位。

讓這13個最常見的數據科學角色的細分成為您在數據科學領域尋找工作的跳板。