4 種最搶手的數據分析職業，你會選擇？
想要成為一位數據科學家嗎？現在就是加入數據科學行業的好時機：美國著名的職位搜索網站 Glassdoor 再次將數據科學家命名為美國最好的工作。但是你應該怎樣跟著老司機上車，並且入門成功呢？
什麼是數據科學？
數據科學結合了多個學科，包括統計學、數據分析、機器學習和計算機科學。如果你是數據科學的新手，這些學科可能會令你望而生畏，但要記住，不同的角色和公司會強調不一樣的技能，所以你不必成為精通一切的專家。
閱讀數據科學職位描述
尋找工作的一個重要建議，是仔細閱讀數據科學的工作描述。這將使你能申請符合自己條件的工作，或者開發特定的數據技能組合，以匹配想要追求的工作。「數據科學家」常常被用作描述截然不同的工作內容。來看看四種數據科學工作。
4種數據科學職業
1 數據分析師
有一些公司的數據科學家就是數據分析師的代名詞。你的工作可能包括從SQL資料庫中提取數據，成為Excel或Tableau大神，及生成基本數據可視化和報告儀錶板等任務。有時可能會分析A / B測試的結果，或者在公司的Google Analytics帳戶中擔任主角。
「像這樣的公司是一個有抱負的數據科學家學習的好地方。」
一旦掌握了日常的職責，像這樣的公司可以成為嘗試新事物和擴展技能的好環境。
2 數據工程師
一些公司訪問流量很大（數據量越來越大），因此需要尋找建立公司所需的大數據架構人才。他們也需要人來提供數據分析。這種類型的職位，可能稱為「數據科學家」或「數據工程師」。由於你將是第一批數據僱員之一，強大的軟體工程技能會比統計和機器學習專業知識更重要。
「對於希望迅速增長數據量的公司來說，初級數據科學家的輔導機會可能不多。」
因此，你將有很大的機會在高壓環境下發光發熱，但是會有較少的指導，並面臨更大的風險。
3 機器學習工程師
有許多公司的數據（或其數據分析平台）就是他們的產品。在這種情況下，數據分析或機器學習的需求可能會非常高。對於那些具有正式的數學，統計學或物理學背景, 並且希望繼續走向更學術的人來說，這可能是理想的工作。
「機器學習工程師往往更關注產生頂尖的數據驅動型產品，而不是回答公司的運營問題。」
屬於這類的公司可能是面向消費者且擁有大量數據的公司，或提供基於數據服務的公司。
4 數據科學通才
許多公司則尋找數據通才，加入已經成熟的數據科學家團隊。這類的公司關心數據，但可能本身不是數據公司。同樣重要的是，加入後你也可以進行數據分析，生產代碼，與可視化數據等。
「一些最重要的」數據通才「技能，是熟悉那些為」大數據「設計的工具，以及使用混亂的」真實「數據集經驗。
一般來說，這些公司在尋找通才，或者尋找填能補他們自己團隊缺乏的特定領域，比如數據可視化或機器學習等。
你可能比想像中的更合格！
希望這篇文章可以給你一個關於「數據科學家」頭銜的概念。不同的公司正在尋求不同的技能，專業知識和經驗水平。當你尋找理想的數據科學家的工作時，一定要仔細看看工作描述，找到最適合你的技能和經驗的角色和公司。請記住，你可能比你想像中的更合格！
接下來，你要更加專註於重要技能
總結下，這些數據科學家每種類型都有不同的技能（可以參考下圖）
推薦閱讀：