发帖
雷达卡
揭秘硅谷数据科学家&业务分析师&数据工程师的薪酬职能差异
好的数据分析师的收入是非常高，差不多平均水平在25k左右，但是处境不好的数据分析人员只能拿到跟内勤同等收入的水平。传统行业的数据分析师差不多只能拿到8-10K水平，这些大多数是处在数据处理、整理数据为统一口径的数据农民工，一般只接触的工具只有EXECEL，这类岗位三大招聘网站上有很多的传统行业里都有招这些数据分析专员，你可以对应看一下；第二阶段是刚刚进入互联网数据分析师行业的初中级数据分析师，待遇范围一般在5-8K，一般承担是从数据库里取到数据进行初级数据分析并形成报告，一般接触到的工具有SPSS、SQL等。
数据普及现象在企业中正在增加，与之相关的数据工作也丰富起来。
在任何一个特定的日子里，你可能会与一个数据科学家聊天到茶水凉透，或者在办公室聚会上，与一位机器学习专家或者商务智能专家共享一桌。
有了这么多数据，科学家和工程师四处游荡，可是依然很难知道一个工作什么时候结束或者另一个工作什么时候开始。更不用说，谁要跟你一起分析你的问题？
本指南将大概描述最流行的各种数据工作，他们的角色，责任，技能，薪酬，以及为什么每个人都对你的业务如此重要。
数据科学家
与数据最相关的工作头衔大概便是数据科学家。这是一个相对新颖的头衔，但是它正迅速成为最受欢迎的头衔。它甚至被称为”二十一世纪最性感的工作!”
尽管它的名气很响，但是数据科学家的实际作用是最具有争议的一个——可能因为这个角色随着公司的不同而不同。
在所有相关数据中，有一定数量的技能重叠。区分他们最好的办法就是思考一下他们的技能。他们在各种不同的领域是一个通才，但是在一个特定的领域有着深厚的经验。对于一个数据科学家来说，深度体验很可能是在统计和计算机学习中的。
统计和机器学习知识是需要从不同来源获得数据的领域专业知识，创建一个模型，优化其准确性，验证其目的，并确认其意义。至少，数据科学家需要知道如何采用一些数据，显示它，清洁它，过滤它，挖掘它，观察它，然后验证。
除了所有的统计建模，数据科学家还需要知道如何对企业决策者解释他们的发现，了解业务和产品模型，善于解决问题，并且了解一些基本的工程。
最流行的数据科学语言是R和Python语言，不过他们也知道Scala, Java 和 Closure.
“数据科学家是那些好奇的人，盯着数据和趋势。它几乎像一个文艺复兴时期的人，他们真的想把学习和变化带到一个组织。”Anjul Bhambhi，IBM大数据产品副总裁说。
所以，要成为一个数据科学家，你需要在计算机科学，建模，统计，分析和数学上有一个坚实的基础。
他们的作用各不相同，但是总的来说，他们筛选通过所有输入的数据流（包括内部和外部），带着发现新的见解和解决业务问题的目标。然后，他们与组织领导沟通他们的研究结果和建议。
一个数据科学家几乎可以用1000个数据工具来做他们的工作。一切从import.io（数据采集）到Tableau（数据可视化）对RJ Metrics（数据分析）。
工作的技术性（和良好的候选人的短缺），意味着数据科学家们会赚大钱。根据Glassdoor，数据科学家是目前在美国第十五大高薪的工作，平均91，000美元/年和在硅谷110，000美元/年。
数据/业务分析师
像其他的数据科学家一样，数据分析人员在收集、组织和解释统计信息时执行不同的任务。他们主要负责用数据去识别效率，问题区域以及可能的改进。
把它想象为”数据科学”。虽然他们可能没有用数学印章发明新的算法，但是他们有一个很强的如何使用现有的工具来解决问题的认识。他们需要对五个核心竞争力有个基本了解：编程，统计，机器学习，数据修改，数据的可视化。
有人制作图片和报告，以及进行初步研究（如调查）。这部分的工作意味着沟通技巧必不可少的。他们需要把复杂的思想用一种方法让不懂技术的人也能够理解。
业务分析师和数据分析师之间的界限变得如此模糊以至于他们基本上是相同的事情。两者都使用他们的报告和分析去帮助管理者们决策和设定目标。
虽然他们拥有一些技术技能，但是你的传统数据分析师，在技术上是远低于平均数据科学技术。不使用R和Python,他们经营Microsoft Excel， 访问Microsoft, SharePoint和SQL数据库。
因为技能简单，所以会有一个比较低的工资。平均数据分析师的收入约为54，000美元/年。数据分析师来自各种不同的背景，可以包括技术、信息管理、关系数据库的设计和开发、商业智能、数据挖掘或统计等。
数据工程师
从数据分析员的另一边——技术频谱，你会发现数据工程师。
通常来说的软件工程师，数据工程师是数据基础设施的设计者，建设者和管理者。他们负责编制和安装数据库系统，编写复杂的查询，扩展到多台机器，并将灾难恢复系统投入到位。他们还要确保这些系统顺利进行。
数据工程师的核心工作是确保数据流从源到目的地能够顺利进行，并且可以对数据进行处理和分析。这样做，他们需要了解复杂的基于Hadoop的技术（MapReduce,Hive,Pig）,SQL技术（PostgreSQL和MySQL）,NoSQL技术（卡桑德拉和MongoDB）和数据仓库解决方案。此外，他们还应该熟悉各种编码如Python语言，C/C++,Java,perl,R和更多。
数据工程师可能主要在幕后工作，但是他们是你数据业务生态系统的重要组成部分。因此，他们得到的报酬相当不错，平均每年91，000美元。
收集、储存、分析和展示数据需要一个团队的人。没有任何一个数据工作比其他工作更重要。每个角色都有一个独特的和重要的部分，以确保管理层拥有他们所需要的所有信息。
京公网安备 11010802022788号
