数据分析师（Data Analyst），数据工程师（Data Engineer），数据科学家（Data Scientist）的区别

数据分析师（Data Analyst）：负责从数据中提取出有用的信息，以帮助公司形成业务决策。工作内容包括：对数据进行提取，清洗，分析（用描述统计量，趋势分析，多维度分析，假设检验等统计常用方法对数据进行分析），总结结论并提出建议。数据分析师通常从业务团队那里获取需要分析的具体问题，并提供相应的解决方案。高级数据分析师还需要了解各种模型（如线性回归，决策树等），并能调包实现这些模型。

需要掌握的技能有：熟悉业务，会使用excel，ppt等基本工具，了解统计分析方法，会使用SQL从数据库提取数据，会编程语言和模型是加分项。

数据工程师（Data Engineer）：开发，建立，测试和维护数据架构，为数据科学家获取数据提供方便。大多数公司把数据储存在不同的数据库和文件系统里，并且格式也不尽相同。数据工程师建立管道（pipelines）把数据转化为数据科学家可用的格式。（具体例子可见：https://www.dataquest.io/blog/what-is-a-data-engineer/）

需要掌握的技能有：能够构建分布式系统，创建可靠的管道，整合数据来源，构建数据存储系统，掌握传统的数据库知识，掌握大数据管理工具如Hadoop，Spark等。

数据科学家（Data Scientist）：除了数据分析师所做的工作以外，还要掌握各种模型，并能用编程语言实现。数据科学家偏重于将数据应用到业务或者其他场景中，而不是解决具体问题，以此来满足公司业务方面更复杂的需求。比如：异常检测，产品推荐。数据科学家是随大数据的出现而产生的，因为从大量的数据中才能提取出复杂的信息。高级数据科学家还需要能读懂尖端paper，并应用其理念，开发出具体的模型。

需要掌握的技能有：会使用编程语言操作数据（清洗，分析，可视化）；会使用SQL从数据仓库提取数据；掌握大数据管理工具如Hadoop，Spark等；掌握统计，概率，数学方面的知识；掌握各种模型和算法并能编程实现（机器学习，深度学习）。