“小瑞，大姨听说你找到新工作啦？数据构架师？你在哪个工地哦，大姨去看你！”

各位数据行业的工作者们，

快过年了。

今天这篇文章，

主要为大家解决逢年过节，回家相亲

带来的两个致命问题：

一个是“你是干什么的？”

一个是“我是干什么的？”

随着数据行业近几年的大热，各种相关职位五花八门的出现。作为一名数据科学家 (Data Scientist)，经常被误认为是 Data Analyst。作为一名 BI Analyst， 要苦心解释我为什么不是商业分析师 (Business Analyst)? 如果你还在这些问题里徘徊，小编就来带你一起梳理不同职位的职责和区别。

数据人员根据自身背景分为两部分：Business 和 Engineering。Business 指将技术和商业背景结合，比如与客户的沟通和产品展现，Engineering 主要从事建模和软件工程。数据行业的现状是传统职位依然存在，同时新的职位不断出现并逐渐合并，所以数据职位从发展时间来说分为两类：Traditional和Emerging。总的来说数据行业可以分为四个部分。?

Data Scientist(DS)/Data Analyst(DA)

这两个职位行使类似的职能，不同的是，DA 是从数据中找到行业发展的信息，而 DS 是运用更深层的技术方法来帮助产品进行研发。

DA 的日常工作中可能会回答以下问题：“网站的浏览量激增是为什么？” “客户流失的主要原因是什么？” DS 通常会通过 A/B testing 来提升产品，他们需要回答“A类还是B类用户会更可能取消他们的订阅？” 以及 “一个大 button 不会不会增加点击量？”

我们可以看出 DA 偏向于解释过去，并提取出对未来发展有用的信息，而 DS 偏向于预测未来。 DS 通常要比DA 经验更丰富，因为他们研究的问题需要更深层次的技术，这也是为什么公司更倾向于应聘 PhD 来做DS。需要说明的是，这里提到的DS 是做数据建模和A/B testing， 机器学习和数据可视化的综合型 DS，只做机器学习的 DS 我们通常称为 ML Researcher/ Scientist，我们后面会解释这一职位。

Data Engineer (DE)

基本所有 DS 都需要 DE 的辅助。而 DE 的主要职能就是建立 Data Pipeline，将原始的复杂数据处理到一定的等级来递送给 DS 进行建模分析。我们的数据来源非常的多，内部数据库的客户信息，外部广告信息平台的后台数据，第三方提供的业务数据。DE 将这些数据建立一个 dashboard 交给 DS 分析，同时要创建一个 Data Warehouse 使数据的查询不影响服务器的运行。DE 需要的是做到这些的软件工程技术。

 ML/ DL/ AI Researcher/Scientist

ML /DL / AI Engineer

这些职位都是指专注于是研发新的Machine Learning（ML）的方法建模分析解决公司实际问题。而Researcher 与 Engineer 的区别在于，researcher 主要负责研发出机器学习的模型，而 engineer 要将模型应用于产品开发当中。也就是说， researcher 将机器学习的模型研发出来，并在实验范围内提高它的准确性，而 engineer 需要将这些模型运动到生产系统、软件、客户数据系统和不同的 libraries 中，保证模型在现实的系统中也能运用得很好。

Business Analyst (Various Functions)

这类职位已经不是传统的 BA 角色，即作为技术与商业部门的联络人。现在的 BA 要用数据技能，来分析特定领域商业情况。并且每个领域都有了自己的 BA，在找工作时，我们回看到该类职位通常会在名称前加一些关键字，比如 Healthcare Data Analyst， Performance Analyst, Demand Planning Analyst等。

BI Analyst, BI Engineer/ Developer

BI Analyst 是一个相对传统的职业，与 DA 的职能很相似。BI Analyst 通常只在有钱有资源的大公司做的BI系统下工作，常见的 BI 系统包括 ERP，CRM。BI Analyst 和 Business Analyst 很相似，都是分析和汇报数据但不做预测模型。这里，我又不得不说，BI 只在有 BI 系统的大企业里才有，但是 BA就是anywhere。BI Engineers/ Developers之于BI Analyst， 就像Data engineer 之于 Data scientists，Engineers就是数据的漏斗和搬运工。

Data/ ML Product Manager

得益于数据的大量存在，以及上述职位的堆砌分析的共同结果，现在越来越多的商业产品都是依赖于数据而产生的。对于此类产品的管理就需要有数据背景的人来管理，于是就有了 Data/ ML Product Manager这个职位。

看到这里四大类主要数据职位和所需要的相关技能，我相信大家已经有了一定的了解。想要深入解锁这些技能，且听下回分解。

原文作者：George Liu 

翻译作者：创作小废物

美工编辑：喝豆奶的Narcia 

校对审稿：卡里

原文链接：https://hackernoon.com/navigating-the-data-science-career-landscape-db746a61ac62