DS与DA与DE岗位有什么关系？DS和DA和DE工作的区别

很多科技大厂都会提供Data Scientist、Data Analyst、Data Engineer这三种职位。那么这三个岗位有什么关系呢？为大家分享一下DS和DA和DE工作的区别。

一、data scientist市场需求

个人感觉，就当前大数据时代的发展，data scientist的就业前景还是很不错的，不管公司大小，基本上都会开设data scientist相关岗位，市场需求量还是偏大的（当然和码农需求量相比，还是低了一些，据我了解，data scientist的岗位需求量大概在码农需求量的十分之一左右）。

Data Scientist这个岗位，是很多Data相关项目毕业生的理想岗位，同时对申请者背景的包容性也比较强，不仅对口专业的同学可以申请，CS、Stats、Machine Learning项目以及相关项目的毕业生，还有一些理工科背景的同学都会申请。申请者不仅背景多元，连学历也比较多元，硕士和博士学历只是正常操作，一些实力比较强的本科生也会参与其中。申请者数量多，公司自然可以在申请者中择优录取，自然竞争也就比较激烈了。

Data science这个行业的热度是从前几年开始逐渐飙升的，有些比较有前瞻性的选手，在几年前就已经进入到这个行业了，造成现在市场上，除了毕业生之外，还有一群具备工作经验的竞争者。其实综合来看，这个行业的需求量虽然大，但竞争压力也很大。

二、data scientist工作内容

Data Scientist的申请者背景多元、学历多元，究竟是什么样的岗位可以吸引到这么多的人申请呢？很多同学可能都会对这个岗位的工作内容比较好奇。在此，我就简单和大家说一下这个岗位的工作内容。

其实虽然每个公司的岗位名字都叫data scientist，但会因为公司不同，导致工作内容也会有所不同。你如果想了解data scientist这个岗位，首先你要了解你要从事的公司招聘的data scientist需要具备什么技能，这样才能根据需求，有针对性地去提升自己的水平和能力。

在最开始，我对Data方向的工作内容也是有些迷糊的，对business analytics以及data science这个两个方向的区别一点都不了解。不过在后续投简历的过程中，岗位了解得多了，自然对这两个方向的了解也就深入了一些，我还是建议各位对data scientist的工作内容深入了解一下，这样在后续的找实习和全职时，也可以做到有针对性地准备和申请。

对于data scientist的不同分支，aribnb其实有一个分类和说明，我个人感觉这个分类还是比较清晰明朗的。如果是按照工作职责来分类的话，data scientist其实可以分为三类，包括analytics、inference以及algorithms。

我们先来了解一下analytics，这个岗位有一点偏产品和商业，日常的工作内容一般包括运用SQ检测产品，有时也会运用到regression。这个岗位要求申请者具备一定的商业sense，你要知道如何才能将数据转化成商业价值，如何转化才能给公司带来利益。

再说inference，这个岗位的工作内容侧重于统计分析，比如说，如何用A/B Testing来判断出客户更喜欢的版本，对现在的产品提出完善建议等等，需要申请者熟练掌握统计学的相关知识，如果你是经济学或者统计学科班出身的同学，还是蛮适合这个岗位的。

最后我们来了解一下algorithms，这个岗位和其他两个相比，就比较偏学术了，工作内容一般是包括通过研究deep learning和machine learning的新算法，从而改良公司产品。因为对申请者的科研潜力和研发能力有一定的要求，所以一般会更倾向于录取PhD的申请者，发表过machine learning方向paper的申请者会更加分。

data scientist相关岗位可以被上述三类cover掉大部分，但个人感觉，除了上述三类之外，machine learning engineer这个岗位和data方向的相关度也是比较高的。Machine learning engineer这个岗位对申请者没有太高的学术性要求，是否在领域内发表过paper问题也不大，但你需要熟练掌握编程语言以及machine learning的相关知识，一般都要求到production，甚至有些岗位还要求申请者符合软件工程师岗位的要求。

三、如何培养自己的能力

对data scientist的工作内容有了一定的了解，那么如何针对岗位要求，培养自己的能力呢？

如果你是统计科班出身，具备良好的数学能力，那么我感觉inference track的data scientist岗位以及经常会运用到统计建模的岗位会更适合你；

如果你是商科出身，跨专业申请data science硕士项目的话，个人建议你在选课或者自学一些machine learning、SQL以及统计学的相关知识，具备一定的知识储备后，再去申请analytics track的data scientist岗位会更稳妥一点；

如果你可以熟练掌握DL以及ML算法，且具备极强的coding能力，完全可以申请一下machine learning engineer以及algorithms track的data scientist岗位。

一些大厂中，data scientist的相关岗位细分得还是很清楚的，每个岗位都有自己负责的领域，你要做的就是了解你的目标岗位的工作内容，然后朝着要求去努力和充实自己就好。但对于一些初创公司，有些岗位可能需要你是全能型人才，软件、模型或者数据等领域的知识，需要你掌握两者或者两者以上，对于这种情况的话，建议还是提前咨询一下HR，在有针对性地进行自我提升。

各位最好对自己未来的职业发展方向有一个具体的规划，这样才能做到对症下药，不过如果你有能力成为全能型选手，那自然也是很好的，每个方面都准备得面面俱到，肯定是最稳妥的。对于data scientist岗面试的问题还是比较随机的，有时候可能工作内容主要是machine learning相关的内容，但面试中也会问你统计概率的相关问题，如果你没有回答上来的话，可能也会直接gg。

Uoffer会给学⽣培养一线DS面试必备理论知识，带领学生掌握面试必备的统计学知识、必备基础模型知识以及必备深度学习知识。