這篇文章的目的不是比較角色，好像一個人應該得到更多的錢或不應該得到更多的錢，而是一個指導，允許這兩個領域的專業人士根據他們目前的工資進行評估。然而，這是陳詞濫調，當要求更高的工資時，記住這兩件事仍然很重要：要求無妨，有時，你不會得到你沒有要求的東西。請記住，這些是更一般的統計數據，因為你可以根據你想要的具體情況來了解你的工資應該是多少。相反，這些值是供您使用的方向性指南。

數據科學家和數據工程師彼此分享某些技能和經驗，然而，也有一些關鍵的差異，這些差異可能導致不同的工資。話雖如此，讓我們從真實數據中跳到下面這兩個角色的一些薪酬例子。

數據科學家

由于我已經寫了幾篇關于數據科學薪酬的文章，我將在這里包括最重要的信息，以及幾個不同的例子。

以下是作為數據科學家，你可以看到的一些預期的職位，這些職位的工資也可能會有很大的變化：

入門級數據科學家→數據科學家→高級數據科學家

首席數據科學家-數據科學經理-數據科學總監

除了這些頭銜，還有一些資歷級別，如I級、II級和III級。

下面，我將按職稱和他們各自所需或預期的年數顯示工資范圍。

請記住，這些角色基于美國平均值（基于PayScale[3]):

• Average Overall 數據科學家 →$96,455
• Average Entry-Level 數據科學家 →$85,312(1 year)
• Average Early-Career 數據科學家 →$95,121(1–4 years)
• Average Mid-Career 數據科學家 →$109,696(5–9 years)
• Average Experienced 數據科學家 →$136,051(10–19 years)

我同意這些數字嗎？

沒有。

如果你讀過以前的文章，下面是我將包括不同城市的報告工資，以及不同的技能。

• 密歇根州安阿伯→$88，197
• 馬薩諸塞州劍橋→$110,213
• 科羅拉多州丹佛→$92,924

以下是具體的城市和技能：

• 北卡羅來納州夏洛特+自然語言處理(NLP)→70,000美元
• 北卡羅來納州夏洛特+Tableau軟件→$79,096
• 亞特蘭大，佐治亞州+爪哇→$80,000

城市的平均工資本身似乎更符合現實，而與城市相關的具體技能似乎太低了。我相信這是因為當你按照特定的技能進行過濾時，你就會剝離掉所有其他的技能。因此，一個解決辦法可能是找到城市的平均工資，然后比較以上技能之間的差異，以獲得更現實的工資估計。

我確實認為NLP技能不如Tableau有利可圖是很有趣的，然而，我認為NLP可能太具體了，可能更少被誤解，而Tableau被廣泛理解，大多數數據科學家不認為在他們的簡歷中添加這一點，因為它更多的是面向數據分析師的--在你意識到你的工資或編輯你的簡歷時，這一點可能需要記住--長話短說，不要做假設，用你的技能來尋找獨特的東西。

我不知道很多使用Java的數據科學家，但我確實認為這些報告中包含的數據有這種技能作為選擇是很有趣的，所以也許Java有一個市場，原因我不確定（也許，這是軟件工程師向數據科學家的過渡）。

數據工程師

現在，我們對數據科學的工資有了很好的了解，包括不同的因素，如地點和技能，讓我們更深入地研究一下更具體的數據工程師工資是什么樣子的。

在所有這些薪酬比較中，數據工程師和數據科學家似乎有一個更相似的范圍，我們將在下面看到。

以下是作為一名數據工程師，你可以看到的一些預期的職位，這些職位的工資也可能會有很大的變化：

數據工程師→高級數據工程師→數據工程經理

首席軟件工程師-數據科學家（是的，專攻數據工程）

除了這些頭銜，還有一些資歷級別，如I級、II級和III級。

下面，我將按職稱和他們各自所需或預期的年數顯示工資范圍。

請記住，這些角色基于美國平均值（基于PayScale[5]):

• Average Overall 數據工程師 →$92,519
• Average Entry-Level 數據工程師 →$77,350(1 year)
• Average Early-Career 數據工程師 →$87,851(1–4 years)
• Average Mid-Career 數據工程師 →$103,467(5–9 years)
• Average Experienced 數據工程師 →$117,918(10–19 years)

我同意這些數字嗎？

沒有。

我認為每個職位至少應該換一次，因為在職業生涯早期，工資應該是職業生涯中期或有經驗的數據工程師的工資，這也取決于你住在哪里--所以讓我們深入研究具體的平均位置。

• 紐約，紐約→$104,615
• 華盛頓州西雅圖→$105076
• 加利福尼亞州舊金山→$123,859
• 德克薩斯州奧斯汀→<代碼>$96,290

這些城市平均數比總體平均數更有意義。最有趣的是舊金山的不同，然而，仍然是意料之中的，因為那里的生活成本高得令人難以置信。

現在，讓我們來看看這些城市的具體技能：

• 紐約，紐約+Scala→$121,755
• 華盛頓州西雅圖+大數據分析→$107，442
• 加利福尼亞州舊金山+Apache Hadoop技能→$123,672
• 德克薩斯州奧斯汀+亞馬遜網絡服務(AWS)→$97,436

在所有這些工資中，舊金山市的工資在增加一項技能時有所下降--這一聲明重申，在查看個性化報告時，你可能想增加所有技能，而不僅僅是一項技能。紐約看到了Scala最大的進步，我個人同意這一點，因為它是一項偉大的技能，很難掌握。

摘要

Salary has several characteristics that can either allow it to increase or decrease. We just talked about two factors, years of experience, location (city) and skills. There are other factors to consider as well, including, but not limited to: the interview itself, resume itself, negotiation skills, bonuses, shares, education, and certifications.

概括地說，以下是數據科學家與數據工程師薪酬的一些關鍵要點：

我希望你覺得我的文章既有趣又有用。如果你同意或不同意這些工資比較，請隨時在下面發表評論。為什么或為什么不？你認為在工資方面還有哪些重要的因素需要指出？這些當然可以進一步澄清，但我希望我能夠揭示一些數據科學家和數據工程師工資之間的差異。

最后，我可以再問一遍同樣的問題，你如何看待偏遠職位對薪酬的影響，尤其是當城市是決定薪酬的一個重要因素時？

我也寫了一篇類似的文章，討論機器學習工程師的工資與數據科學家的工資在這里[6]，以及數據科學家和數據分析師的工資在這里[7]的區別。這篇文章概述并強調了每一個，各自的工資的類似特點。請記住，對于這兩篇文章，這些都不是我的工資，而是由PayScale和其他實際的數據科學家、數據工程師、數據分析師和機器學習工程師報告的。因此，這些文章是圍繞真實數據進行的討論，目的是讓您更好地理解是什么使一個角色(一般)根據某些因素增加或減少工資金額。

同樣，這個工資數據是從PayScale收集的，如果你想要一個更具體的估計，那么你可以使用salary survey[8]。

參考文獻

[1] Photo byRyan QuintalonUnsplash, (2019)

[2]Copernicoonunsplash的照片，(2020)

[3]PayScale，數據科學家薪酬，(2021)

[4]照片byFotis FotopoulosonUnsplash，(2018)

[5]PayScale，數據工程師薪酬，(2021)

[6]M.Przybyla，《數據科學家vs機器學習工程師工資》，(2021)

[7]M.Przybyla，《數據科學家vs數據分析師工資》，(2021)

[8]PayScale，PayScale薪酬調查，(2021)