数据已经成为当前社会发展的重要驱动力。从释放创新到改进决策流程，数据具有开启每个行业成功的潜力。正如我们所知，这个社会已经彻底被数据改变了，以至于如果没有任何领域的数据产生的洞察力，它的功能就会瘫痪。
随着数据科技的蓬勃发展，一些与数据相关的工作角色和机会在全球范围内如雨后春笋般涌现。有报告显示，数据科学占所有数字工作的28%。由于数据创建的快速步伐以及理解数据的新兴需求，这些工作非常有利可图。然而，同一份报告强调了数据科技领域人才的巨大稀缺性。
该领域人才短缺的主要原因是每个角色所需的技能缺乏明确性。公司正在寻求招聘利基、专业技能，而不是万事通。如果想避免被贴上多面手的标签，首先需要了解三个主要数据角色之间的区别：数据科学家、数据工程师和数据分析师。
一个常见的误解是，数据科学家、数据工程师和数据分析师三个角色可以互换。在整篇文章中，我们将探讨一些令人兴奋的数据职业的职位描述、组织中的角色、所需的技能组合以及薪水期望。
数据科学家vs数据工程师vs数据分析师一、三个角色的职位描述和组织分工
数据科学家采用先进的数据技术，如聚类、神经网络、决策树等来获得业务洞察力。在这个职位上，将成为团队中最资深的人，并且应该在机器学习、统计和数据处理方面拥有深厚的专业知识。在获得数据分析师和数据工程师的意见后，将负责开发可操作的业务洞察力。应该具备数据分析师和数据工程师的技能。但是，对于数据科学家来说，技能组合需要更加深入和详尽。
数据工程师是数据分析师和数据科学家之间的中介。作为数据工程师，将负责为操作或分析目的配对和准备数据。这个角色需要在数据架构的构建、开发和维护方面有很多经验。通常，在这个角色中，将开始研究大数据，编写关于它的报告，并将其发送给数据科学家进行分析。
数据分析师在数据分析团队中担任入门级角色。在这个角色中，需要善于将数据转换为组织中每个人都能理解的形式。此外，需要精通多个领域，包括Python等编程语言、Excel等工具、数据处理、报告和建模的基础知识。有了足够的经验，可以逐渐从数据分析师晋升为数据工程师和数据科学家的角色。
二、三个角色的技能组合
编码技能是每个工作角色的核心——数据科学家需要精通Java、Python、SQL、R、SAS等编程语言。此外，需要具备Hadoop、Spark和Pig等大数据框架的工作知识。了解深度学习、机器学习等技术的基础知识也可以推动在这个职位上的职业生涯。
数据工程师的角色要求对Java、SQL、SAS、Python等编程语言有深入的了解。还应该擅长处理Hadoop、MapReduce、Pig、Hive、ApacheSpark、NoSQL和数据流等框架，仅举几例。
当我们谈论数据分析师的角色时，应该知道它的技术含量较低。属于入门级角色，需要对SASMiner、MicrosoftExcel、SPSS、SSAS等工具有所了解。如果有Python、SQL、R、SAS和JavaScript的基本知识，那将是一个加分点。
三、三个角色的平均薪酬
作为一名数据科学家平均每年可以赚取高达95万+元（,美元）的收入。
数据工程师的平均年薪可达80万+元（,美元）的收入。
数据分析师的平均年薪为46万+元（67,美元），考虑到这是一个入门级职位，这个收入已经非常了不起。
四、三个角色的职责
1、数据科学家
作为数据科学家，必须承担的责任包括：
（1）管理、挖掘和清理非结构化数据，为实际使用做好准备。
（2）开发可以在大数据上运行的模型
（3）理解和解释大数据分析
（4）负责数据团队并帮助他们实现各自的目标
（5）交付对业务成果有影响的结果
2、数据工程师
在此角色中的职责是：
（1）数据挖掘从数据中获得洞察力
（2）将错误数据转换为可用于数据分析的形式
（3）编写数据查询
（4）维护数据设计和架构
（5）借助额外转换负载(ETL)开发大型数据仓库
3、数据分析师
作为数据分析师，将必须承担特定责任，包括：
（1）借助查询从数据库中收集信息
（2）启用数据处理并汇总结果
（3）在他们的工作中使用基本算法，如逻辑回归、线性回归等
（4）在数据处理、数据可视化、探索性数据分析和统计方面拥有并展示深厚的专业知识
无论选择哪种数据科学职业道路，可能是数据科学家、数据工程师或数据分析师，哪种角色都是非常有利可图的，并且还会继续从未来人工智能和机器学习等新兴技术的影响中获益。但是需要记住，这些角色不可互换并且需要不同的技能组合，要学会区分不同角色，因为该行业已经充斥着通才，现在正在为缺乏专家而苦恼。