數據分析師，數據挖掘師，大數據工程師，三者的工作有何區別？
首先說明一點，目前看到的公司招聘里，還沒有「數據挖掘師」這個崗位。另外「數據挖掘」是一個學科，集工程和演算法於一體，但是更偏重於工程，至於為什麼，後面細說。所以基本招聘時都分在「工程師」下面。
下面結合個人的工作經驗，說點三者之間的區別。
「數據分析師」，一般招聘這類崗位的公司規模都不會太小，人數可能不是一個唯一的衡量指標，但是業務規模肯定比較大（反而言之，業務規模太小的公司就沒什麼可分析的了）。此崗位重在「分析」，首先要有一定的數據靈敏度和數學底子，知道在什麼樣的數據規模下，需要看什麼樣的數據指標。了解常規的數據挖掘演算法，可以使用一些工具得到預期的結果。當然是用工具的話是需要公司系統支持一些數據分析軟體的，SPSS啊，Clementine什麼的，如果沒有，說句難聽的，弄個Excel表格在有些公司也叫數據分析師。當然有些數據分析師Excel玩兒的可以很溜，就像我，可以用Excel模擬一個CTR預估演算法的迭代過程。。。大部分公司會成立一個BI部門，集合了一群數據分析師，每天找開發提數據需求，然後使用工具做一些預測。
「數據挖掘工程師」，通過title就可以看出，本崗位重點是要「挖掘」，所以對於人的要求就是要熟悉挖掘的方法，挖掘的工具，或者至少知道在什麼平台應該用什麼工具，面對什麼樣的需求應該怎麼解。簡單來說就是負責接收需求然後產出結果，大部分公司的數據挖掘工程師都比較被動，比如BI找你說「我要100年內的AV女優數據，而且要知道他們每個人在什麼年代拍過什麼類型的片子」，這時候你就需要做數據採集（爬蟲啊，文本處理啊，etc.），加工整理（ETL），結果產出（可視化）。中間可能會加一些數據可視化或者演算法工作，但都要求不高。
「大數據工程師」，這年頭大數據這個概念太火了，對於一般公司來說，基本上的邏輯就是，數據一多就叫大；一叫大數據，就用Hadoop啊，Spark啊。都是近兩年的初創公司愛招這個title的人，由於業務規模不大，用不上並且用不起IOE這種體量傳統平台解決方案，想借著大數據的風頭招點兒人，用廉價的機器組個Hadoop甚至直接用阿里雲或者AWS，這樣對外也好吹牛說，我們用的「大數據」。這些公司一般招這些人，就是要求會用這些平台和工具，要是能同時兼職「數據挖掘工程師」就最好啦～找一個人干兩個人的活，簡直不要太賺了！
總而言之，要想進入現在最火熱的「大數據」圈工作，編程底子不錯的，去做「數據挖掘工程師」；數學和演算法牛逼的，去做「機器學習工程師」；數學不錯有商業sense的，去做「數據分析師」。謝邀，
數據分析師==》廚師
數據挖掘師==》廚房採購員
大數據工程師==》廚房主管
推薦閱讀：