大數據時代，互聯網時代，電商時代，什么東西越來越重要，不用說都知道是大數據。大數據的分析應用，可以為一個公司、一個企業、一個地區的未來發展規劃起到一針見血的作用。隨著大數據的火熱，關于數據分析師的職業領域也越來越多前仆后繼，想在大數據分析領域占得自己的一席之地，可以說，數據分析師前景是非常樂觀的，也是發展巨大的。好多人通過努力拼搏終于進入到數據分析領域，從事數據分析領域的工作，但不要以為進入了就可以無憂了。要知道，數據分析領域的薪酬職能差異，決定你在數據分析崗位上的價值大小和對公司的重要程度，你對公司越重要、越有貢獻，你在公司的地位和待遇就會越優異而不可輕易更替。除非你不想往上爬，不過這世上有誰會拒絕更好的生活呢？所以啊，在數據分析師前景的道路上，你是選擇永遠呆著數據分析助理或初級數據分析師領域，還是向上走，走到高級數據分析師、資深數據分析師，甚至是數據科學家、數據分析專家的級別，這一切都看你自己的造化。數據分析領域不同職位薪酬職能差異，下面為你點撥。

數據科學家

與數據最相關的工作頭銜大概便是數據科學家。這是一個相對新穎的頭銜，但是它正迅速成為最受歡迎的頭銜。它甚至被稱為”二十一世紀最性感的工作!”

盡管它的名氣很響，但是數據科學家的實際作用是最具有爭議的一個——可能因為這個角色隨著公司的不同而不同。

在所有相關數據中，有一定數量的技能重疊。區分他們最好的辦法就是思考一下他們的技能。他們在各種不同的領域是一個通才，但是在一個特定的領域有著深厚的經驗。對于一個數據科學家來說，深度體驗很可能是在統計和計算機學習中的。

統計和機器學習知識是需要從不同來源獲得數據的領域專業知識，創建一個模型，優化其準確性，驗證其目的，并確認其意義。至少，數據科學家需要知道如何采用一些數據，顯示它，清潔它，過濾它，挖掘它，觀察它，然后驗證。

除了所有的統計建模，數據科學家還需要知道如何對企業決策者解釋他們的發現，了解業務和產品模型，善于解決問題，并且了解一些基本的工程。

最流行的數據科學語言是R和Python語言，不過他們也知道Scala, Java 和 Closure.

“數據科學家是那些好奇的人，盯著數據和趨勢。它幾乎像一個文藝復興時期的人，他們真的想把學習和變化帶到一個組織?！盇njul Bhambhi，IBM大數據產品副總裁說。

所以，要成為一個數據科學家，你需要在計算機科學，建模，統計，分析和數學上有一個堅實的基礎。

他們的作用各不相同，但是總的來說，他們篩選通過所有輸入的數據流（包括內部和外部），帶著發現新的見解和解決業務問題的目標。然后，他們與組織領導溝通他們的研究結果和建議。

一個數據科學家幾乎可以用1000個數據工具來做他們的工作。一切從import.io（數據采集）到Tableau（數據可視化）對RJ Metrics（數據分析）。

工作的技術性（和良好的候選人的短缺），意味著數據科學家們會賺大錢。根據Glassdoor，數據科學家是目前在美國第十五大高薪的工作，平均91，000美元/年和在硅谷110，000美元/年。

數據/業務分析師

像其他的數據科學家一樣，數據分析人員在收集、組織和解釋統計信息時執行不同的任務。他們主要負責用數據去識別效率，問題區域以及可能的改進。

把它想象為”數據科學”。雖然他們可能沒有用數學印章發明新的算法，但是他們有一個很強的如何使用現有的工具來解決問題的認識。他們需要對五個核心競爭力有個基本了解：編程，統計，機器學習，數據修改，數據的可視化。

有人制作圖片和報告，以及進行初步研究（如調查）。這部分的工作意味著溝通技巧必不可少的。他們需要把復雜的思想用一種方法讓不懂技術的人也能夠理解。

業務分析師和數據分析師之間的界限變得如此模糊以至于他們基本上是相同的事情。兩者都使用他們的報告和分析去幫助管理者們決策和設定目標。

雖然他們擁有一些技術技能，但是你的傳統數據分析師，在技術上是遠低于平均數據科學技術。不使用R和Python,他們經營Microsoft Excel， 訪問Microsoft, SharePoint和SQL數據庫。

因為技能簡單，所以會有一個比較低的工資。平均數據分析師的收入約為54，000美元/年。數據分析師來自各種不同的背景，可以包括技術、信息管理、關系數據庫的設計和開發、商業智能、數據挖掘或統計等。

數據工程師

從數據分析員的另一邊——技術頻譜，你會發現數據工程師。

通常來說的軟件工程師，數據工程師是數據基礎設施的設計者，建設者和管理者。他們負責編制和安裝數據庫系統，編寫復雜的查詢，擴展到多臺機器，并將災難恢復系統投入到位。他們還要確保這些系統順利進行。

數據工程師的核心工作是確保數據流從源到目的地能夠順利進行，并且可以對數據進行處理和分析。這樣做，他們需要了解復雜的基于Hadoop的技術（MapReduce,Hive,Pig）,SQL技術（PostgreSQL和MySQL）,NoSQL技術（卡桑德拉和MongoDB）和數據倉庫解決方案。此外，他們還應該熟悉各種編碼如Python語言，C/C++,Java,perl,R和更多。

數據工程師可能主要在幕后工作，但是他們是你數據業務生態系統的重要組成部分。因此，他們得到的報酬相當不錯，平均每年91，000美元。

收集、儲存、分析和展示數據需要一個團隊的人。沒有任何一個數據工作比其他工作更重要。每個角色都有一個獨特的和重要的部分，以確保管理層擁有他們所需要的所有信息。