DS数据科学家和DA数据分析师：要学习什么不同内容？

今日份知识你摄入了么？

1. 引言
2. 数据科学家
3. 数据分析师
4. 共同点及不同点
5. 总结

图源：Unsplash 摄影：Kimberly Farmer

引言

数据科学家和数据分析师的工作职责存在许多共同之处，但在日常工作中也存在很大的区别。当然，一家公司可以称某个岗位为数据科学家，他们主要从事数据分析师的工作，反之，对数据分析师也可以这样说，虽然该这样的情况很少见，但确实存在。例如，一家著名的科技公司的数据科学家职位描述中，并不需要机器学习算法经验。

这个例子很重要，因为这也可以说明，你的学习经历有多重要。但是，你最好去了解每个职位的工作内容，以及你在每个领域的特定兴趣——例如，数据科学家的自然语言处理 (NLP) 将是你可以专攻的特定领域。下面，让我们用一些例子说明数据科学家或数据分析师的学习区别。

数据科学家（Data scientist）

图源：Unsplash 摄影：Arseny Togulev

岗位对教育程度和工作经验的要求一直在改变，对于数据科学家来说，更是如此。数据科学可以走传统路线，同时也可以走一条更新、更快的路线。下面，我将讨论这些路线，并举例说明你在开始数据科学职业生涯时可以遵循的方法。

传统路线（Traditional Route）

A → 实际上，大多数职业走的都是传统路线，但数据科学领域这种现象并不普遍。尤其是最近一段时间，传统路线普遍要求数据相关的本科学位。
B → 在数据科学领域，研究生学位更受欢迎。目前大部分人都走的这条路线，他们在数学、商业、经济学、甚至生物学等学科的毕业生拿到本科学位，然后在原学科领域工作后，决定尝试一些新东西，即数据科学研究生学位。这并不一定意味着你需要学习 6 年的数据科学（本科加研究生），实际上可能只需要 1-2 年。

现代路线（Modern Route）

A → 软件工程和数据分析的在线训练营已经存在了一段时间，但最近，数据科学家训练营的欢迎度在直线上升。如果你想要在最短时间内花最少的钱得到辅导，这种方法非常再适合不过了。你可能会觉得，跟正规学校获得的学位相比，在线训练营没那么可靠，但我认为，情况已经变了，雇主并不在乎你的学习方式，他们更注重的是你学到了什么，并通过面试、take home项目，和编程考试来测试你的相关知识。
B → 在有技术背景的基础之上，参加在线训练营。此路线适用于已经拥有数据分析、软件工程或数据工程背景的人，他们可以参加时间更短的 BootCamp ，或同时参加在线课程和认证，以最快的速度开始数据科学职业生涯（这种情况仅适用于你之前调查过技术/数据职位）。

现在，我们已经讨论了数据科学家可以采取的 4 条的学习路线，接下来，我们可以研究数据分析师可以采取的具体路线。但首先，我们快速总结一下上面讨论过的路线：

1. 传统的数据科学（或软件工程）本科学位路线
2. 传统的数据科学研究生学位路线
3. 现代的长期在线数据科学训练营路线
4. 现代的、短期数据科学训练营/课程/认证路线

数据分析师（Data Analyst）

图源：Unsplash 摄影：Mario Gogh

数据分析师这个职位已经存在相当一段时间了，非常受欢迎，但传统路线并不多。我们仍然可以研究传统路线，就像研究数据科学一样，同时再分析一些现代路线。

传统路线（Traditional Route）

A → 实际上，最传统的路线并不是数据分析学位，而是获得商业、经济学或统计学的本科学位。
B → 最近，数据分析领域又出现了一种传统路线——研究生学位。我认为接下来的发展趋势如下：数据科学和数据分析领域首先会要求研究生学位，然后降至本科学位。这会让你怀疑，是否真的有必要上四年制学校，因为在你研究生期间1-2年的工作经验中已经证明了这一点。

现代路线（Modern Route）

A → 数据分析的在线训练营，课程通常讲述你在日常工作中最常用的技能，例如 SQL 和数据可视化等等。
B → 在有技术背景的基础之上，参加在线训练营。此路线适用于已经拥有软件工程、数据工程甚至产品管理背景的人，他们可以参加为其更短的 BootCamp，或同时参加在线课程和认证，以最快的速度开始你的数据分析职业生涯（这种情况仅适用于你之前调查过技术/数据职位）。

就像上述对数据科学家学习路线进行的分析一样，下面，我们总结一下你可以采取的数据分析学习路线：