数据分析师与数据科学家的区别

时下，互联网大风盛行，数据科学家凭借“科学家”这一高大上的名称，成功盖过数据分析师的“名气”，被很多企业当作业务指导的“神明”。一旦企业在经营过程中，遇到业务发展问题，他们第一个就会想到找数据科学家处理，而不是数据分析师。但是，这真的是最好、最正确的选择吗？

今天，我们就来好好聊一聊数据科学家与数据分析师的区别。相信你在看完这篇内容后，会对这两个角色有更深入的了解。

1）角色与技能层面

话不多说，我们先来看看数据科学家与数据分析师间的区别。其实，从角色定义上来看，这二者就有极大的不同。

我们通常认为，数据科学家必须具备3个关键学科的知识，才能称之为数据科学家，即：数据分析学科、统计学和机器学科。其中，机器学习涉及数据分析的过程，以学习并生成分析模型为主。这些模型可以对可见的数据，执行智能操作，无需人工干预。

而数据分析师，则只需具备数据分析学科与统计学科的知识即可。

2）专业能力层面

基于数据分析家拥有3大核心技能，而数据分析师一般只需要具前2个技能，对比三合一与二合一，哪个性价比更高？由此，数据科学家更受到企业的青睐，在数据分析师面前“高一头”，似乎也就更加合理了。

然而，真的是这样的嘛？如果你冷静下来想一想，就会发现越品越有问题。

试想，有多少人能同时在3个职位上尽善尽美的？有多少人能在几个领域都深入专研，并有非常出色的表现的？即便有这样的人，他的精力足够支撑他完成所有领域内容的钻研吗？

当然不能。我们常说，术业有专攻，对于数据科学家和数据分析师而言，他们专攻的领域就有所不同，分析的方法差异性也很大，因此，我们不能说哪一个更好，应从哪个更适合企业来选择；

3）薪资待遇层面

数据科学家和数据分析师在薪资待遇上，也是有差别的。

大家看图片可以知道，数据科学家有接近一半的从业者，平均薪资在28.2K；而数据分析师则不同，其中有25%的新伙伴均薪为13.3K。但是，你仔细看还会发现，有约44%的从业者平均薪资超过15K；其中更是有高达19%的小伙伴军心在20-30K之间。

可能有的小伙伴一看就迷糊了。这能说明什么呢？我认为主要有这么两点：

①数据科学家与数据分析师薪资，都能凭借自己的能力，获得高薪；
②数据科学家普遍薪资待遇高，但不是一定比数据分析师薪资高。通过自己的经验积累，数据分析师也能获得高薪。

反过来说，就是企业招聘数据科学家和招聘数据分析师的成本，不一定哪个更低。换句话说，在招聘时，企业应该根据自己的业务需求，寻找性价比更高的员工，而不是自认为数据科学家更“高大上”或性价比更高。

4）业务能力方面

在对业务做分析，以及给业务做指导时，数据分析师通常会用更简洁明了、更快捷的方式，去表达他们心中的“完美模型”；而数据科学家则会用更精准、不计时间的方式，去表达他们严谨的逻辑观。这之间，没有对错，只取决于业务需求。举个两个直观的例子给你说说。

【案例1】

比如电商公司，他们更适合聘请数据分析师，因为他们只需要数据分析师对明年或者近期的销售数据及销售业绩，做一个相对精确的预估即可，这里的误差将会有一个比较大的空间。

比如预计卖掉1万件货物，销售额预计为100万，而实际销售中，由于打折，或者送了赠品，导致最终销售额为95万。这对于企业来说，是完全可以接受的、也可以承受的范围。自然也就不会找数据分析师“兴师问罪”了。

【案例2】

但如果是互联网公司，尤其是产品研发端，则聘请数据科学家更合适。为什么呢？

因为我们都知道，当一个机器人再执行操作步骤前，都需要我们人工为之设置执行程序。在这种情况下，我们是要求bug越少越好，但相对来说，对时效就不会有过多的要求（只要在工期内完成即可）。

综上述，数据科学家与数据分析师两者间，并不存在哪个更“高人一等”，因此，企业也无需厚此薄彼对待，只需根据实际业务需求，合理用人即可。

那么，企业究竟应该聘请什么样的数据分析人员呢？究竟什么的数据分析师，才能在招聘中，获得更多企业的青睐呢？我们下期在为大家讲解。小伙伴们也可以在留言区发表你的观点，我们将对优秀评论上墙公示，并为公示的小伙伴颁发定制礼品哦_{赶紧来留言吧}