1樓：偷故事的人
資料分析師和科學家的區別還是相當大的，資料分析師主要是以資料的而應用為主，資料科學家主要是以資料的分析識別模型和概念的完善以及資料的整體的價值所在為重，科學家主要是搞研究，往往科學家研究出來的成果經過幾十年才會被應用到顯示中，這是科學的整體的乙個壽命。
2樓：宋宋
資料分析公司不同每個企業對資料分析師的要求又區別的，但是相對來說資料分析統計、數學相關做二三年經驗就可以了，資料科學家可以說是資料分析到一定層級了
3樓：者行孫
原則上差別挺大的。資料科學家對演算法，程式設計，大資料方面的要求高，而且需要有全域性意識，設計優化演算法流程，對於統計能力的要求反而其次。
分析師就是那些傳統處理資料的，從資料中挖掘資訊來為企業運營服務的，報表啊visualization 要求啊會多一點。
但是現在兩者混淆的很多，很多企業也打著資料科學家的名號招人而實際做的是簡單的資料分析。為什麼呢？因為聽起來高大上啊，找人會簡單的多，但實際根本沒有對資料科學家的需求。
我為什麼知道呢，因為我的職位就是資料科學家，而且是高階資料科學家，但我知道自己的斤兩，水平最多能做個初級吧，而我們單位招的一些初級資料科學家，連Excel 都用不熟，非常的水。而我工作中也接觸到同領域一些其他所謂資料科學家，大多數也就是個分析師的水平。
總之現在這兩個概念已經漸漸用混了，滿滿資料科學家會爛大街，變成秘書跟行政助理之間的區別，只是另乙個名字聽上去更高大上罷了。
4樓：
我看了下答案很多都是瞎jb扯淡；國內BAT這種大公司根本沒有嚴格意義上的data scientist一說，這個title拿來忽悠學生（我學生的時候也很嚮往這個title）還行，在業界沒人說的（美國例外）；
資料分析是做bi用的，有聽說過公司領導人是從做bi的人公升上去的麼;
我知道的title基本上都是資料演算法工程師，資料探勘工程師，自然語言處理工程師，機器學習工程師；想要積累實力，到帶團隊的積累，做資料分析或者演算法遠不夠的，還是得有工程方面的能力；
5樓：一公尺見方文化
就像包含了許多專業和領域的科學一樣，資料科學也是獲取資訊的各種模型和方法的廣義術語。在資料科學的範疇內，科學方法、數學、統計學和其他工具用來分析和操縱資料。如果乙個工具或過程通過資料分析，從中獲取某種資訊，那麼，它可能屬於資料科學。
實踐資料科學歸結為連線資訊和資料點，以找到可用於業務的連線。資料科學通過嘗試找到新的模式和視角，深入了解未知世界。
資料科學試圖建立連線並為未來做好計畫，而不是像資料分析所做的那樣，檢查假設。資料科學通常通過提供資料上的新觀點，或以前沒看到不知道的所有的連線，幫助組織從查詢資料轉移到洞察力上。
如果資料科學是掌握工具和方法的房子，那麼資料分析就是該房屋的特定空間。它與資料科學有關係，但是更具體和集中。資料分析通常比資料科學更受到關注，因為資料分析師不僅僅尋找資料之間的連線，而是關注乙個特定的目標，通過資料排序來尋找支援的方法。
資料分析通常是自動化的，可以在某些領域提供意見和見解。
資料分析包括梳理資料，找出可用於幫助實現組織目標的巨大財富。基本上，分析將資料分類成組織知道自己了解的資料和知道自己不了解的資料，並且可以用來衡量過去，現在或將來的事件。資料分析通過將趨勢和模式與公司的真實目標聯絡起來，從精準分析轉移到會給公司帶來什麼影響，並逐漸轉向提公升業務率和尋找戰略重點。
資料科學和資料分析之間看起來只有微妙的差異，但是實際上兩者可能對公司產生很大的影響。
一開始，資料科學家和資料分析師就有不同的背景，履行不同的職責，所以能正確使用這些術語有助於公司聘請合適的人員來處理各自的任務。資料分析和資料科學可以用來找到不同的東西，對於企業來說這些都是有用的，兩者都不能單獨應用於所有情況。資料分析常用於如醫療保健，遊戲和旅遊等行業，而資料科學常用於網際網路搜尋和數字廣告中。
資料科學在人工智慧和機器學習的發展中也發揮著越來越重要的作用。許多公司正在轉向允許他們使用計算機篩選大量資料的系統，例如在企業快閃儲存器系統上，使用演算法來找到最有助於其組織實現目標的連線。機器學習在許多行業具有巨大的潛力，無疑在未來如何運作企業方面發揮巨大的作用。
因此，組織和員工了解資料科學與資料分析之間的區別，以及對每個學科的作用至關重要。
雖然存在差異，但資料科學和資料分析都是未來工作和資料的重要組成部分。這兩個術語應該被希望理解資料，並能引領技術變革的公司所接受。
6樓：Ray Chase
"Data Scientist" is a Data Analyst who lives in California.
出處：https://
7樓：NLPlearner
這是科學和技術範疇問題，Data Analyst：技術工程，Data Scientist：科學研究。看一看歪果仁的回答社群Quora：https://www.
8樓：Fang Wang
我背景數學加統計一開始在乙個做資料公司作statistician 後來轉作data scientist 感覺statistician或modeler階段對原始資料的加工少於data scientist階段很多都是it弄好的資料過來分析就行了主要用sas 轉為data scientist後確實有statistics和computer science結合的感覺資料從選擇處理整合分析要求一路做完因為用的資料很多都是新的 it的人也無法幫你弄使用工具也以開源軟體r Python Hadoop spark等為主處理資料量更大因為用sas cluster太貴公司一般不願意搭建Sas cluster的這就是為啥都用開源軟體感覺如果不喜歡處理data 作ds會比較痛苦因為這個不是純建模的工作更多時候希望你挖掘資料作一些dirty work 純屬個人經歷 ds現在五花八門幹什麼的都有也有一部分人主作建模的就日常來說 ds新tool層出不窮真的是每天都需要學新東西 Hadoop hive pig剛用熟忽然公司又轉去更快的spark了資料量似乎每天都在更大每天有新的困難
9樓：
知乎的這個回答不錯。Data Scientist、Data Analyst、Data Engineer 的區別是什麼？ http://www.
10樓：
這個問題在Quora 看到過，高票回答：
11樓：justneon
"Data Science are data analysis inBay Area, onMacplatform"
12樓：idont know
Quora 上的最佳答案 http://
qr.ae/RgPE4h
基本上區別就是資料分析師（data analyst）和大資料關係不大，是任何乙個適當規模的公司都可以有的，而資料科學家（data scientist）是隨大資料的出現而產生的，由於資料規模的問題而需要engineering/statistics/analytics等多方面綜合技能和知識。
13樓：軟軟
data analyst 和 data scientist，請看圖：
另外，推薦乙個coursera上的課程，week2有講business analyst, business data analyst和data scientist的職能，及對三者的採訪：
14樓：
這篇blog很好的區分了這兩個工作，先放這裡，有空來翻譯一下。
15樓：大魔頭-諾鐵
感謝@靳遠 告知的Drew Conway's data scientist Venn diagram， 資料科學家就是綜合應用軟硬體技能、數學統計技能、業務知識的人。 資料分析師可能偏重一部分吧。
16樓：Michael
我比較贊同劉希漢的觀點。以下補充一下自己的看法。
1. Data Scientist是資料領域的複合性崗位，要求具備很高的計算機，軟體程式設計和統計學習與分析技術和技能，工作可以覆蓋整個資料處理加工週期；
2. 資料分析師，側重於利用統計學，數學知識對資料進行統計，挖掘，得出分析結論，提交分析報告，大部分資料分析師不具備較強的前兩種技能，工作在資料工作的後期；
17樓：
Levin菠蘿說的已經很全面，我補充一下自己的看法。
在企業裡，與資料相關的職位很多。相較於架構師、倉庫開發、資料探勘工程師，資料科學家要更接近資料分析師。前三者職責是資料的架構、清洗、抽取、聚類、分類等整個將非結構化資料逐漸結構化的過程（資料——資料）；而資料分析師是從結構化或非結構化的資料中提煉資訊和價值（資料——資訊）。
資料分析師對業務要求高於對技術的要求，你可以只會excel，也可以懂hadoop、mapreduce，會從hive裡提數，會用機器學習演算法去做挖掘，會做各種型別的資料視覺化，但前提是一定能直接產出對業務有價值的分析結論，其他技術僅僅是工具。
而如果乙個資料分析師，具備了從原始資料到最終價值呈現整個過程中的原理、方法，可以獨力的完成整個過程，並能產出商業價值較高的分析報告，那麼可以冠以資料科學家的名號了。
大資料工程師 資料科學家（或資料探勘科學家） AI演算法工程師，這三個方向，哪個會在未來平均薪資更高？
資料的追隨者 資料科學家職位基本上資料分析 資料倉儲 資料爬蟲清洗 演算法 資料探勘 資料產品等5個領域中的乙個或者多個專家。個人觀點資料科學家至少是以上5個領域中的1個領域的大神，另外還要是2個領域方面的專家，而且 並且對業務有獨到的見解 趨勢判斷，這樣才能對得起小時候理解的 科學家 這三個字。資...
資料分析師自學之路如何？
冷凡 我就是自學轉行到資料分析行業內的。學習的路徑是EXCEL MYSQL Power bi python 資料分析師 大學的專業是心理學，從業近兩年了我在這個問題下有近詳細的描述。如何成長為一名資料從業者，可以說下你的經歷麼？不負好時光的回答 知乎 https www. ENTER BACK 個人...
資料分析師的成長之路？
農夫三拳有點疼 初級 中級 高階。初級 工具EXCEL，分析知識基礎統計學，套用現成模型，對資料進行指標分析。中級 工具SQL EXCEL Python 資料提取 資料清洗，統計性分析。高階 機器學習，資料探勘 python SQL高階 pytorch IT界不禿頭的姑娘 首先，做資料分析師，基礎入...