深入了解13位数据科学家的角色及其职责

世界上任何有规模的现代公司都有一个数据科学部门，一家公司的数据工程师可能与另一家公司的营销科学家有相同的职责。数据科学工作没有很好的标签，所以一定要广撒网。

此外，数据科学家必须彻底了解其数据的商业应用。如果你在分析树木的生长数据，你应该了解高度和树冠基部高度之间的区别。这种背景知识可以在工作中培养，但如果你想成为一名数据科学家，如果你已经有了行业工作经验，这可能是一个很大的优势。如果你已经做了五年的银行家，那么你在金融科技领域获得数据科学职位的几率要比在医疗保健领域好得多。

数据科学是一个相对较新的领域，对于不是数据科学家的人来说，要向普通人解释数据科学家的工作可能很困难。这就导致了现代数据科学家有时会有各种滑稽的职责和头衔可以适用。

数据科学家（或者你们公司对收集、分析、可视化或预测数据的人的任何称呼）的关键职责是讲述数据的故事。它是从哪里来的，我们可以从它那里了解到过去的情况，以及它如何在未来指导我们？为了成功地做到这一点，你需要成为业务领域的专家，或者拥有背景知识，将拼图的碎片拼凑起来，并向你周围的人解释数据的意义和你从中获得的洞察力。

数据科学领域内的具体职责差别很大，而且数据科学领域内有很多不同的角色。无论你是想进入这个领域还是想转换工作，在工作职位和行业方面保持开放的心态真的很重要。我给你分析一下数据科学领域内十三个不同角色的一般职责。

公司一般不善于给数据科学领域的人冠以头衔，所以你一定要把这个细目作为一个经验法则，而不是一个确切的定义。如果其中一个听起来很完美，那么你可以把你的搜索范围缩小到这一个头衔，但如果其中几个听起来都不错，那么我会在搜索时对你使用的头衔更加灵活。(如果头衔对你来说真的很重要，当你得到工作机会时，你总是可以把它作为你谈判的一部分！)

1.数据分析师

2.数据库管理员

数据库管理员管理数据库实例，包括内部和云实例。作为一名数据库管理员，你要建立、配置和维护生产环境。你还将负责你所负责的数据库的性能、可用性和安全性。准备好带头进行数据操作并提供关键任务的随叫随到支持。

4.软件工程师

软件工程师设计和维护软件系统。当你成为一名软件工程师时，准备好编写可扩展、可靠和高性能的代码。你必须将设计要求转化为有据可查、经过良好测试的代码，将产品设计师的设想变为现实。

5.数据工程师

7.统计员

统计学家了解业务需求，提出假设，并构建统计学上合理的实验。作为一名统计员，你将验证其他业务组的实验计划的统计有效性。你还需要指导和培训项目或研究主任开发统计学上合理的实验和验证策略或指标。

除了实验之外，统计员还要制定和执行分析报告策略。你可能需要像一个统计学的拉拉队员一样，因为一些数据科学公司让他们的统计员积极推广统计学方法，并发现可以从统计学上的分析中获益的新业务领域。

9.营销科学家

根据MaxisITInc的要求，业务分析师"分析业务和用户需求，记录需求，并设计系统和报告的功能规格"。如果你是一名业务分析员或想成为一名业务分析员，你需要了解业务和行业要求，并利用它们来制定系统范围和技术目标。你还将负责定义不同系统和数据库之间的数据互动。

11.量化分析员

定量分析员使用大型数据集开发复杂的模型，为内部报告提供信息，并产生商业洞察力。资源开发协会让他们的定量分析员"开发和领导分析计划的实施，概述研究方法、问题、抽样和迭代计划"。定量分析员还将工作流程自动化，并努力验证数据的完整性。

12.数据科学家

角色和职责相互交叉，区别仍然很重要

所有这些角色之间有很多交叉的地方。有些人更专注于纯粹的数字计算，而另一些人则更专注于将数据分析产生的洞察力应用于商业决策。无论你的具体职位是什么，如果你在数据科学领域，你将被期望参与数据驱动的产品开发周期中的许多不同步骤。你应该准备好发现新的优化领域，弄清楚重要的指标，寻找数据来告知这些指标，设计和执行实验，并以简洁、准确和令人信服的方式展示实验/模型的结果。

数据科学领域很年轻，定义也很松散。很多时候，你会发现在数据科学的大伞下，不同的工作头衔下的工作描述听起来惊人的相似。公司往往意识到他们有数据或可以收集数据，然后用它来改善他们的商业模式。然而，这些工作描述和他们选择分配的工作头衔往往是由非技术人员撰写的，这意味着有很多重叠之处。

一家公司的数据工程师可能与另一家公司的数据分析师做同样的工作。所有这些职位都涉及到收集或验证数据，应用某种形式的分析，然后通过报告、预测或可视化向非技术类同事解释结果。

让这十三种最常见的数据科学角色的细分成为你寻找数据科学工作的跳板。