0
大家都知道，這三種角色各有不同定位，也知道他們之間有許多一致的地方，但是否能講明白這其中的區別呢？
國外 ETL 服務商 Stitch 的 CEO Jake Stein，近日對這個話題進行了總結。他還繪制了一張工具圖，來呈現他們在日常工具使用上的不同。對于新手，也可以通過這張圖來看典型的“數據科學家”、“數據工程師”和“軟件工程師”都要掌握哪些工具。
Jake Stein：隨著數據的爆炸式增長，對數據處理的專家技能需求也隨之井噴。這帶來的結果之一，是更精細的分工。對于數據管理工作的核心角色：數據科學家、數據工程師和軟件工程師，過去幾年見證了他們越來越清晰的定位。
對于新興職位“數據工程師”，它算是“軟件工程師”下面新浮現出的一個子類別。單列出該職位是一項英美近年來的趨勢。但在許多公司，遷移、管理數據仍舊是軟件工程師的活。
三種數據職位的不同技能需求
軟件工程師
軟件工程師干的活兒是開發應用和系統。這過程中的每一個環節，從設計、寫代碼、測試到檢查，開發者都要參與。生成數據的產品都是他們開發的。軟件工程是三個角色中最古老的一個，并且有相當成熟的方法體系和工具庫。
工作內容包括：
前端、后端開發
網頁應用
移動應用
操作系統開發
軟件設計
數據工程師
數據工程師需要開發能對數據進行整合、存儲和提取的系統，并從軟件工程師開發的應用和系統中獲取數據。數據工程的誕生，是作為軟件工程大類下的一個更細分的技能類別。據雷鋒網了解，根據國外統計，40% 的數據工程師原本是軟件工程師。雷鋒網獲知，這是目前一個很普遍的職業發展道路（軟件工程師專注做數據工程）。
工作內容包括：
高級數據結構
分布式計算
并發程序設計
使用 Hadoop, Spark, Kafka, Hive 等新工具
開發ETL/數據流水線（data pipelines）
數據科學家
數據科學家的職責是基于數據作分析。
或許有一只想要更好理解消費者行為的團隊，僅僅做一個單次分析。也可能是開發一個機器學習算法，然后將之在軟件工程師和數據工程師開發的代碼基礎上執行。
工作內容包括：
數據建模
機器學習
算法
商業智能的 dashboards
這些角色定位仍在進化之中。有些大公司從軟件工程團隊中拉出數據工程師，組建一支中央數據團隊。這樣，基礎設施和數據分析工作能在一起。雷鋒網獲知，有些案例中，數據科學家既需要做數據分析，也需要做數據整合。
via datascience 101
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
