市場上有很多工作需要你有數據科學背景。有時會讓人困惑。這讓你很難知道你是否勝任一份工作。有時，公司有重疊的工作描述，甚至他們自己對工作應該涵蓋的任務的具體理解（和名稱）也沒有幫助。

我們將為您提供一個指南，幫助您應付所有需要數據科學背景的不同數據科學職位。因為這些數據科學工作需要相同或非常相似的技能，所以我們將首先討論這些工作之間的相似之處。我們還將介紹找到一份工作所需的資格和數據科學技能，以及你可能會遇到的面試問題。然后我們會討論一些具體的工作描述，技術技能和職業軌跡，包括工資。

數據科學職位背景

如何獲??？

數據科學，顧名思義，是幾個學科之間的十字路口。它涉及編程技能，結合數學和/或統計知識以及業務領域的專業知識。從這個定義中，我們可以回答科學家的數據通常來自哪里。

他們的正規教育通常包括計算機科學、數學、統計學、經濟學或任何類似的定量領域的學位。對于一些數據科學工作來說，人文領域的學位也是不錯的選擇，尤其是如果這份工作更注重人的行為。

根據工作資歷的不同，你可能會被要求擁有碩士學位甚至博士學位。

我需要什么技能？

這取決于很多因素，當然，不同的數據科學工作之間也有差異。然而，對于幾乎所有需要數據科學背景的工作，您都需要具備一些技能。唯一的區別是你在工作中會在多大程度上使用這種技能。

• 使用數據-收集、組織、清理和操作數據
• 編碼-通常是SQL、蟒蛇或R，有時也是Java、C++······
• 可視化數據-通常使用BI工具，如Tableau、Power BI、Looker…
• 數據庫建模-了解數據庫如何工作
• 統計分析--應用于數據分析，獲得洞察力
• 數學知識-將其應用于數據分析以計算度量

職業軌跡

你可以成為一名數據科學家，沒有一種方法，也只有一種方法。這取決于你的教育和以前的工作經驗。然而，人們通常是從數據分析師開始的。然后，根據他們的興趣和技能，他們通常朝著兩個方向前進：一個是更多地與數據和數據基礎設施合作，另一個是更專注于數據分析。

你可以在下面的插圖中看到這個軌跡。有些工作有時需要其他教育，如商業或人文學位。

所有這些途徑都可以讓你成為一名數據科學家。你可以在多個方向移動；這完全取決于你的公司，職業發展，興趣等等。

我能掙多少錢？

以下是你可以在下面的工作細分中找到的數據科學工作標題列表。該表顯示了數據科學工作標題和平均年度總薪酬。我們已經根據上面的職業軌跡安排了工作。這樣，如果你走一條典型的成為數據科學家的道路，你就能明白你的工資會如何上漲。

查看我們以前的文章，科學家們用多少數據來發現工資，以及工資是如何受到幾個因素的影響的。

14個不同的數據科學職位分類

數據科學家的一般描述

職務描述

數據科學家是使用數學、統計和編程技能從數據中獲得洞察力的人。他們將收集、組織、清理和分析數據。這部分與數據分析員一樣。但是，它們更具有前瞻性和預測性。他們將使用這些數據來建立機器學習模型。他們通過在可用數據中發現趨勢、模式和行為來幫助他們做出預測。他們這樣做是為了解決業務問題，提高公司在銷售、客戶經驗、成本、收入等方面的業績。

這是最一般的角色描述，它涵蓋了作為具有數據科學背景的人所需要的大部分技能。下面你會發現的所有其他工作都是這份工作的衍生物，需要不同的數據科學知識和技能的技術重點。

所需技能

編程語言

• SQL
• R
• 蟒蛇
• Java/JavaScript
• C/C++/C#

平臺工具

• 數據科學和機器學習平臺（例如，Jupyter筆記本、MATLAB、KNIME、MS Azure-learning Studio、IBM Watson machine learning等）
• BI工具（例如，Tableau、Power BI、Looker、QlikSense等）
• 關系數據庫（如MS SQL Server、PostgreSQL、MySQL、Oracle、HIVE、Snowflake等）
• 云數據庫（例如，Amazon Web Service、Microsoft Azure、去吧ogle Cloud等）

技術技能

• 程序設計
• 數據操作、分析和可視化
• 數據建模
• 模型構建、測試和部署
• 機器學習
• AI
• 云計算
• 原料藥
• 統計與數學

數據分析員

技術重點

數據分析和報告。

職務描述

本數據科學職位要求收集、組織和清理數據。之后，他們被要求執行定期和臨時分析并提供報告。通過這種方式，它們可以幫助做出業務決策，并解開一些業務問題的答案。數據分析員通常需要將數據可視化并交流他們的分析結果。在某種程度上，我們可以說，數據分析師是在用數據來描述過去和現在，而數據科學家則是在用數據來預測未來。

與數據科學家相比所需的其他技能

編程語言

• Same as a data scientist, but more data-analysis oriented, so SQL is the primary language with 蟒蛇 used for statistical work and automation

平臺工具

• 與數據科學家相同，但更多地使用Jupyter筆記本和SQL IDE等編程平臺

技術技能

• 與數據科學家一樣，但專注于數據操作和分析

數據工程師

技術重點

數據基礎設施、數據清洗、數據準備和操作。

職務描述

數據工程師的主要任務是開發和維護數據基礎設施。它的目的是將數據轉換成“可分析”的格式，并使數據科學家和數據分析員能夠獲得這些數據。這意味著他們必須收集、維護、操作和加載數據以供其他人使用。與數據分析師和數據科學家相比，數據工程師更專注于提取、轉換和加載(ETL)數據。

與數據科學家相比所需的其他技能

編程語言

• 斯卡拉
• 去吧

平臺工具

• ETL工具（如Microsoft SSIS、XDembry、Talend、Cognos數據管理器等）

技術技能

• ETL

機器學習工程師

技術重點

模型構建和部署到生產

職務描述

這個數據科學的職位要求你設計、構建和維護人工智能(AI)軟件和算法，這些軟件和算法將自動預測模型，并使機器能夠在沒有任何操作指令的情況下運行。為此，您必須組織和分析用于訓練和驗證機器學習模型的數據。這一描述表明，機器學習工程師與數據科學家是相同的，只是專注于構建和部署機器學習模型。

與數據科學家相比所需的其他技能

編程語言

• 朱莉婭
• 斯卡拉
• 去吧

平臺工具

• 應用程序框架（如Django、Flask等）

技術技能

• 軟件體系結構

研究科學家

技術重點

研究計算、用戶和業務問題。試圖理解用戶、產品和功能的深層次問題和行為。

職務描述

這個數據科學的職位比我們經歷過的其他職位更多的是理論和研究層面。研究科學家探索計算問題，然后改進現有算法或編寫新算法來解決這些問題。他們還創造了新的計算語言、工具和軟件，以改善計算機的工作方式和用戶的使用體驗。

通常，你會在三個領域中的一個領域工作，重點是硬件、軟件或機器人。

與數據科學家相比所需的其他技能

編程語言

• 對程序設計理論和原理有較深的了解

平臺工具

• 由于工作的理論性質，不需要特定的工具

技術技能

• 硬件工程
• 軟件體系結構

營銷學家

技術重點

應用于營銷和銷售數據的數據科學，解決與營銷和銷售相關的業務問題（例如，現場力量規模和營銷ROI）

職務描述

在這個數據科學職稱下工作的人是使用科學方法處理營銷數據的人。通過正確解釋數據，在數據中找到揭示客戶行為的公共模式，您將這樣做以支持決策。為了達到這個目的，你將進行實驗來證實或否定這些假設。這與數據科學家基本相同，但您使用的是營銷類型的數據，如電子郵件參與數據。

與數據科學家相比所需的其他技能

編程語言

• Same as a data scientist, but primarily SQL for data querying, and 蟒蛇/R for statistical and econometric modeling

平臺工具

• Same as a data scientist, but more marketing-data oriented with marketing analytics tools such as 去吧ogle Analytics or Heap Analytics

技術技能

• 市場營銷和商業知識

商業智能(BI)開發人員

技術重點

構建圖形儀表板

職務描述

BI開發人員是一個精通數據的工程師，他開發和維護BI接口，并使用BI工具。這些工具允許查詢和可視化數據、創建儀表板、定期和臨時報告。在某種程度上，這是一個數據工程師(ETL)、數據分析師（分析和報告）和軟件工程師（軟件開發）的組合。

與數據科學家相比所需的其他技能

編程語言

• Same as a data scientist, but focused on data-querying, so SQL is a primary language with 蟒蛇 and R used for more complex applications and statistical modeling

平臺工具

• 與數據科學家相同，但更多的是面向雙向的（儀表板工具，如Tableau）

技術技能

• ETL/ELT
• 數據倉庫
• 軟件開發
• 商業背景

業務分析員

技術重點

類似于數據分析師，但也可以專注于內部報告，如財務和改善公司的系統和流程。

職務描述

這個數據科學的職稱評估公司的系統和流程。他們分析它們并提出解決方案，通常以改進或新的系統和其他技術改進的形式。這樣做的目的是為了降低成本，提高公司的效率和決策，從而賺取更多的錢。

與數據科學家相比所需的其他技能

編程語言

• 一般只有SQL

平臺工具

• 業務分析工具（如現代需求、Axure、企業架構等）

技術技能

• 項目管理
• 軟件測試
• 商業背景

數據建模器

技術重點

數據建模與數據庫設計

職務描述

他們的工作是設計、改進和維護數據模型，然后將其轉換為數據庫實現。他們這樣做的目的是提高數據可用性和數據庫性能。為此，他們需要與數據管理員和數據架構師合作。

與數據科學家相比所需的其他技能

編程語言

• 一般只有SQL

平臺工具

• 數據建模 (e.g., DbSchema, ER/Studio, Draw.io, etc.)

技術技能

• 數據庫設計
• 數據倉庫
• ETL/ELT

數據庫管理員

技術重點

數據庫管理與維護

職務描述

這個數據科學的職位是負責，嗯，數據庫管理。這意味著他們在數據庫實現中與數據建模師和數據架構師一起工作。只是它們更側重于實際和技術問題，而不是概念問題。他們的工作是確保數據庫的可用性，這包括允許（或不允許）訪問數據庫，備份和恢復數據，確保數據的安全性和完整性，以及數據庫的高性能。

與數據科學家相比所需的其他技能

編程語言

• 一般只有SQL

平臺工具

• 數據庫管理（例如，PGAdmin4、SQL Server Management Studio、phpMyAdmin等）

技術技能

• 數據庫設計
• 數據倉庫
• ETL/ELT
• 數據庫管理

數據架構師

技術重點

數據管理的體系結構和基礎設施

職務描述

與數據建模師和數據庫管理員相比，數據架構師是一個需要高層次觀點的數據科學職位。數據架構師的工作是考慮公司的業務需求，并開發完整的數據管理體系結構。這不僅僅涉及數據庫，還包括如何收集、使用、建模、檢索和保護數據的框架。一般來說，這意味著提供一個從數據進入公司到離開公司的體系結構。

與數據科學家相比所需的其他技能

編程語言

• Same as a data scientist, but primarily SQL, since they’re focused on data and databases, with 蟒蛇 and Java, used for building applications when needed

平臺工具

• 數據庫管理（例如，PGAdmin4、SQL Server Management Studio、phpMyAdmin等）
• 大數據（Apache Hadoop、Cassandra、MongoDB等）
• 數據建模 (e.g., DbSchema, ER/Studio, Draw.io, etc.)

技術技能

• 數據庫設計
• 數據倉庫
• ETL/ELT
• 數據庫管理

軟件工程師

技術重點

軟件開發

職務描述

這個數據科學的職位頭銜相對類似于數據工程師。主要的區別是他們通常不像數據工程師那樣關心數據基礎設施。相反，他們在此數據基礎設施之上構建軟件，這允許最終用戶使用底層數據和數據基礎設施。

與數據科學家相比所需的其他技能

程序設計語言

• 斯卡拉

平臺工具

• DevOps（例如，Docker、Kubernetes等）
• 持續集成/持續交付（CI/CD）（如Jenkins、Circoleci、B竹、GitLab等）

技術技能

• 軟件體系結構, developing, and testing
• 數據庫設計
• 數據倉庫
• ETL/ELT
• 數據庫管理

統計學家

技術重點

數據統計分析

職務描述

這個職位頭銜與數據科學家基本相同。不同的是，它只專注于數據科學家工作的統計部分。他們還分析數據，將統計方法應用于數據，并識別模式和趨勢，這將提供業務洞察力和支持決策。

與數據科學家相比所需的其他技能

程序設計語言

• 和數據科學家一樣，但更多的是面向統計和數據分析的 (many more R users in this field, but 蟒蛇 is also popular)

平臺工具

• 與數據科學家相同，但更多地使用統計分析工具（如SPSS、MATLAB、SAS）

技術技能

• 和數據科學家一樣，但更多的是面向統計和數據分析的

定量分析家

技術重點

專注于金融數據的數據科學家

職務描述

這份工作與數據科學家基本相同，但專注于金融數據。量化分析師（或“量化員”）將分析數據并建立模型，以幫助公司了解金融市場及其趨勢。根據這些分析和模型，公司將決定其投資、外匯和股權交易、貸款批準等。

與數據科學家相比所需的其他技能

編程語言

• Same as a data scientist, but focused on 蟒蛇/R for quant model prototyping

平臺工具

• 自動化交易平臺(MetaTrader4、eToro等）

技術技能

• 金融數學
• 風險管理

摘要

數據科學是一個廣闊而不斷發展的領域。我們給你的14個不同的數據科學工作類型的列表不是最終列表，因為新的數據科學工作類型幾乎每天都在創建。這也取決于公司的組織和規模，他們將如何稱呼某個職位。這可能意味著將幾個工作類型合并為一個，或者將一個工作類型分解為幾個子類型和專門化，所有這些都由幾個人執行。

然而，這些數據科學工作標題通常涵蓋了具有數據科學背景的工作。每個職位描述都是具體的，但我們相信你會在我們的網站上找到適合所有職位的面試問題。您可以在不同的編碼問題和非編碼問題之間進行選擇，所以請自便。

相關:

• 數據科學適合我嗎？需要考慮的14道自考題
• 不常見的數據科學工作指南
• Why So Many Data Scientists Quit 去吧od Jobs at Great Companies