原文：
www.kdnuggets.com/2022/01/data-scientist-data-analyst-data-engineer.html
信息图向量由 stories 创建 - www.freepik.com
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持组织的 IT 需求
三年多前，我面临一个将伴随我一生的决定——“我将来要做什么工作？”我刚刚完成了高等教育，刚从高中毕业。
在与朋友和家人进行长时间讨论后，我决定追求被称为“21 世纪最性感的工作”的职位。我决定攻读数据科学本科专业。
当时，我选择了数据科学，因为我对自己的选择并不清楚。我听说了一个流行的领域，它承诺灵活的工作时间和丰厚的薪水，于是决定专注于此。
然而，在数据行业工作了一年多后，我意识到数据科学只是我可以选择的众多职业路径之一。
数据行业中还有许多不那么热门但需求高、薪资丰厚的职位。
在这篇文章中，我将描述数据行业中三种最有前景的职业选择——数据分析、数据科学和数据工程。
数据工程师是数据行业中被忽视的英雄。他们整合大量数据，并建立可扩展的管道，使其他数据专业人士可以轻松访问。
数据科学家无法建立机器学习模型，而没有数据工程师完成的数据准备工作。
随着公司开始认识到建立可扩展数据框架的重要性，数据工程师的需求在过去几年中增长了。
数据工程师是这个列表中三种角色中最具技术性的。他们设计数据库模式，管理系统中的数据流，并执行质量检查以确保数据的一致性。
要成为数据工程师，你需要具备软件设计、数据库架构、DevOps 和数据建模方面的技能。你还需要对 SQL 有很强的掌握。数据工程职位描述中通常要求了解 Python 和 Bash 等脚本语言。
数据分析师是那些组织数据以识别可以支持决策趋势的个人。
这些人利用他们的技术和领域知识来提出可以帮助企业增长的建议。
以下是数据分析师工作流程的一个简单例子：
-
ABC 商店希望更好地了解他们的客户基础。
-
他们希望根据品牌忠诚度和每次购买的金额等因素将客户细分为不同的群体。然后，他们将通过不同的促销活动吸引每个客户群体。
-
数据分析师可以根据客户购买行为识别趋势并执行这种细分。
-
例如，有一组客户曾经每月光顾 ABC 商店（第一组）。然而，在过去的几个月里，他们突然停止了购买。这意味着他们可能决定转向竞争品牌购物，或者他们根本不再需要这个产品。
-
第二组客户只有在特定产品打折时才光顾 ABC 商店（第二组）。他们不是常客，仅对某个产品的促销活动做出反应。
-
这两组客户需要不同的接触方式。第一组客户表现出品牌忠诚度，这需要通过个性化信息和礼品卡等策略来重新获得。
-
另一方面，第二组客户应该通过基于他们经常购买的产品的特定促销活动来进行定位。
数据分析师通常执行上述描述的任务。
为了识别客户价值并像上述那样对其进行分组，分析师需要对公司的产品供应有深入了解。他们还需要在商业和市场营销等领域具备专业知识。
数据科学家的工作范围经常与数据分析师的工作范围混淆，这是因为他们的技能集有很大的重叠。
然而，这些角色之间的主要区别在于数据科学家构建机器学习模型，而数据分析师则不构建。
数据科学家需要具备与分析师非常相似的技能。他们需要了解如何收集和转换数据，创建
可视化，执行分析任务，并通过数据解决业务问题。
除了以上列出的所有技能外，数据科学家还需要知道如何创建预测模型。
以下是数据科学家工作流程的一个例子：
-
ABC 商店希望了解他们客户的终身价值。数据科学家将执行上述所有分析。
-
然后，他们将进一步构建一个聚类模型，将这些客户细分为不同的群体。
-
为了根据每个客户的偏好提出个性化的产品推荐，数据科学家还可以在每个细分群体中构建一个推荐系统。
数据科学非常受欢迎，围绕这个领域有很多炒作。然而，数据行业还有其他快速发展的职业，在薪资和需求方面同样具有前景。
数据科学家、工程师和分析师在数据生命周期中同样重要。组织需要这些领域的专业知识，以便做出具有商业价值的数据驱动决策。
Natassha Selvaraj 是一位自学成才的数据科学家，热衷于写作。你可以通过LinkedIn与她联系。