數據科學的崗位大概分為四類：數據產品經理，大數據工程師、數據挖掘師、數據分析師。數據產品經理顯而易見就是精通并擅長數據產品設計的PM。這里我們具體了解一下大數據工程師、數據挖掘師和數據分析師有什么區別。

工作內容區別

大數據工程師：大數據工程師是利用大戶數技術處理大量數據的專業技術人員。其工作重點在于通過開發技術實現數據倉庫管理、數據的實時計算等，可以定位為數據倉庫的管理員。

數據挖掘師：主要指從大量的數據中通過算法搜索隱藏域其中知識的工程技術人員。其工作重點在與通過將算法運用到開發技術中，從而挖掘數據中的價值，其核心在于算法的運營，具體崗位有算法工程師、機器學習工程師等。

數據分析師：專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。數據分析師更注重業務層的分析能力，而不需要過多的掌握數據倉儲以及獲取，有人認為數據分析師相對來說層次較低，可能是沒有看到在大數據領域的數據分析師的強悍吧。

入門門檻區別

大數據工程師：大數據工程師可以說是沒有學歷的入門門檻，主要是應用層面的開發能力，只要能掌握大數據開發技術，并且能夠順利并且出色的完成相關的開發任務就可以達到企業用人標準。但是大數據技術學習的過程還是會形成一個分水嶺，因為大數據開發技術內容相對較多，甚至如果從Java基礎開始學習，所需要學習的內容體系非常龐大，完全掌握大數據開發技術也并非易事。

數據挖掘師：數據挖掘工程師在算法層面對從業人員是一個天然的屏障。應該說是在數據科學領域中數據挖掘是入門要求較高的。一般要求從業者具備數據、算法等核心技能，而這些知識的學習一般都在要求在理工科專業本科及以上層次的人才才能接觸到的。

數據分析師：初級的數據分析師(一般指中小企業少量數據的分析)基本是沒有入門門檻的，只要掌握了相應的工具應用即可從事該工作，而在大數據分析領域，同樣需要大量的統計學以及算法知識做為支撐，但是相對另外兩個崗位而言，在開發技術方向的要求并不高。因此相對來說更好入門一些。

職業前景

大數據工程師：大數據開發工程師以技術為核心，其職業發展方向包括高級開發、大數據開發架構，或者通過系統學習成為大數據分析師。然而有算法作為天然屏障，大數據工程師很難成為數據挖掘工程師，甚至數據科學家。

數據挖掘師：數據挖掘工程師是較接近數據科學家的數據崗位方向，業發展前景方面，主要還是圍繞算法進一步發展成為算法研究員、高級算法工程師、數據科學家等。

數據分析師：數據分析師作為業務層面的高級人才，其職業發展路線同樣與業務直接相關，如業務、企業管理、策略、高級分析師等等。

想學習數據科學的你是否對這三個方向了解了呢?目前較適合大家學習的領域就是大數據開發工程師方向，對你自身的學歷和知識儲備沒有太苛刻的要求，只要你肯下功夫學習，還是可以進入大數據開發工程師崗位的大門，而如果你具備較高層次的數學和算法基礎，可以考慮數據挖掘工程師和數據分析師崗位。當然這里有必要提一下，對于初級數據分析師崗位未來可能會成為每個崗位的基本技能要求，單純的學習初級數據分析師的技能可能在未來的職業發展中會遇到瓶頸。

更多培訓課程： 青島大數據 更多學校信息： 青島達內IT教育培訓 咨詢電話：