網紅專業Data Science到底能幹什麼？八大職位詳解

過去幾年，湧現出了很多不同的數據科學角色，但很難理解之間的差異和不同的技能要求。給這些不同的角色取不同的名字（有些還非常有創意）並不能幫助我們區別它們。

數據科學產業的就業市場在今天非常火熱，意味著閱讀詳細職位描述和技能要求可以幫助我們更好地理解不同數據科學角色的含義。例如 「這些職位到底有何異同？」、「我需要掌握什麼技能？」 以及 「什麼樣的思維方式能夠幫助我贏得這個職位？」 當然末尾還有薪酬對比 ^^

1. Data Scientist 數據科學家

Data Scientist（數據科學家）可能是你能在名片上寫下的最熱頭銜之一，並且你離矽谷越近，這個職位就越有價值。數據科學家跟麒麟一樣稀有，而且每天的工作都需要有充滿好奇心的數據奇才那樣的思維體系。需要有廣泛的數據科技技能和處理，分析原始數據的天賦，以及用一個吸引人可信服的方式來與同伴分享自身的深刻見解。這也難怪為什麼像谷歌和微軟這些公司都非常渴望像這樣的人才。

2. Data Analyst 數據分析員

Data analyst（數據分析員）是數據小組的福爾摩斯。像R, Python, SQL and C語言是必備的基礎技能。就像數據科學家一樣，在不同的數據處理環節里，這個職位的具體技能要求差異很大，但都要求有一個精益求精，一絲不苟的態度。HP and IBM (將與其最新電腦系統Watson組成工作小組)等公司需要數據分析員。

3. Data Architect 數據構架師

隨著大數據的興起，數據構架師的重要性日益凸顯。數據構架師繪製數據管理系統的藍圖，來整合，集中，保護和維持數據源。他們掌管著Hive, Pig和Spark等科技，並且需要一直站在行業創新的前沿。

4. Data Engineer 數據工程師

Data engineer（數據工程師）一般都有軟體工程師的背景，並且喜歡使用資料庫和大規模處理系統。因此他們能夠很容易地掌握科技，所以不管是對統計程序語言還是程序網頁開發導向語言都很熟悉。每個公司都需要數據工程師。

5. Statistician 統計員

數據行業中歷史性的領導，代表著數據科學領域的主要職能：從數據中挖出重要涵義。具備紮實的統計理論和方法論，以及邏輯嚴密的思維體系，他們採集大量數據並將原始數據處理後得出數據信息分析報告。得益於強大的數理背景，現代統計員能處理所有類型的數據並快速掌握新技術和使用這些來提升他們的知識容量。統計員為數據產業帶來了數學基礎理論，將從根本上改變商業。

6. Database Administrator 資料庫管理員

人們常常說數據是一座金礦，意味著需要有人來開採這座礦山。資料庫管理員確保所有相關用戶都能符合規定地正確使用資料庫，規避數據使用風險。確保資料庫的備份和回復系統運行正常，安全問題和正在使用中的各項支持技術都能被實時追蹤。

7. Business Analyst（商務分析員）

商務分析員跟團隊中其他成員有所不同。一般技能要求不高，但是需要不同商業流程的知識來將數據深度分析轉化為可執行的商業計劃，並且要能使用講故事技巧來將信息傳播遍整個組織。通常作為連接商業和技術的橋樑。需要商務分析員的公司多種多樣，遍布各個行業，典型公司有：Uber, Dell和Oracle。

8. Data and Analytics Manager（數據與分析經理）

數據分析經理是團隊中的拉拉隊隊員，他們為數據科學團隊制定方向並確保制定了正確的優先順序。需要熟練掌握SQL, R, SAS等軟體，並且社交能力要強，能夠管理好團隊。這是一個很艱難的工作。但是如果你覺得這個工作適合你，一定不要忘記去查看Coursera, Slack, 和 Motorola等公司的職位。

最後，我們快速看看這些職位的平均薪資。注意這些工資會因為地點，行業等而差異巨大。一般來說，數據分析經理和數據科學家的工資最高。薪資居中的是數據工程師和數據架構師。兼有軟體工程師背景和數據分析技能的人才很受歡迎。因為在這兩個職位的招聘中更看重軟體開發，所以潛在提高了他們的平均薪資。剩下職位的薪資水平都差不多。但是因為這些職位的需求量正在增長，所以這些職位的工資可能很快會上漲。

WE Career官網很多北美DATA職位哦，趕緊點擊申請吧~