哈佛商业评论以来，宣布数据科学家的工作作为2011年的“21世纪最性感的工作”，2012年，每个人都想成为一个数据科学家。但是，目前，数据工程师的需求比数据师更大。那么，谁是数据工程师，以及他们如何与数据科学家不同？在本文中，我们将尝试解码数据工程师与数据科学家之间的基本差异．
按Gartner.，只有15％的大数据项目将其融入生产。根据这一点Todd Goldman的文章故障背后的主要原因之一是建立一个生产流水线，这是数据工程师的主要任务之一。数据科学家在今天的分析时代得到了很多关注。但是，同样重要的是数据工程师的角色。如果没有数据工程工作台，数据科学和数据分析无法繁荣．在这篇文章中，我们将了解数据科学家VS数据工程师更好，数据工程师与数据科学家需求，数据科学家与印度的数据工程师薪水等。
甚至根据Glassdoor网站那数据工程师的职位空缺数量几乎是数据科学家的5倍．然而，根据编辑的评论KDnuggets那截至2018年5月14日，美国有2,500名数据工程师工作与4,300个数据科学家工作相比。这可能是由于一些组织并不总是（或可能无法）绘制数据工程师和数据科学家之间的行。无论如何，数据工程师和数据科学家之间存在重大显着差异。还表明大多数组织需要比其团队上的数据科学家更多的数据工程师。现在，我们将继续了解数据工程和数据工程师与数据科学家的内容。
什么是数据工程？
数据工程包括一些公司所说的数据基础架构或数据架构．数据工程师创建用于实时或分批收集或生成、存储、丰富和处理数据的流程堆栈，并通过中间件为其他学科的进一步分析提供数据服务。
数据工程通常使用工具和编程语言来构建用于大规模数据处理和查询优化的API。处理数据工程的专家也被称为大数据工程师或大数据架构师．
数据工程师vs数据科学家
数据工程师VS数据科学家：背景
数据工程师的核心是具备编程背景(Java、Scala或Python)。相反，数据科学家通常来自数学、统计学、经济学或物理学背景。
数据工程师vs数据科学家:工作简介
数据工程师开发，构建，测试和维护架构，例如数据库和大规模处理系统。
另一方面，数据科学家是清理、按摩和组织(大)数据的人。一方面，数据科学家创建高级分析;在极端情况下，他们创造了机器学习模型和人工智能。
数据工程师与数据科学家：工作职责
数据工程师处理可能包含人为、机器或仪器错误的原始数据。数据通常是未经验证的、未格式化的，并且可能包含特定于系统的代码。数据工程师需要推荐(有时还需要实施)一些方法来提高数据的可靠性、效率和质量。
数据工程师必须深入了解各种技术和框架，以及如何将它们组合以创建解决方案，以使公司的业务流程与数据流水线启用。
数据工程师使用各种语言和工具来嫁给系统，或者尝试捕获从其他系统获取新数据的机会，以便例如，可以成为数据科学家进一步处理的信息。
数据科学家通常会处理通过第一轮清理和操作的数据。他们使用处理后的数据来提供给复杂的分析程序、机器学习和统计方法，为预测和规定建模准备数据。
数据科学家利用大量的数据（来自内部和外部来源）来建立应用数学模型来回答业务需求。他们将其数学或统计背景增强了编程以探索和检查数据以识别隐藏的模式。
一旦分析完成，数据科学家将数据以故事的形式呈现给关键的利益相关者。如果结果被接受，数据科学家需要确保这项工作是自动化的，这样就可以每天、每月或每年向业务涉众提交见解。
数据工程师vs数据科学家:技术技能和工具
数据科学家的分析技能将比数据工程师的分析技能先进得多。相比之下，数据工程师的编程技能远远超过数据科学家的编程技能。
另一方面，数据工程师利用高级编程，分布式系统和数据流水线技能来设计，构建和安排要为数据科学家清理的数据进一步处理，使用Java，Python，Scala等。
数据科学家使用高级数学和统计、高级分析和机器学习/人工智能技能来创建假设、运行测试、分析数据，然后使用R、SAS、Python等工具翻译结果。
相关文章:
关于数据科学，机器学习，深度学习，人工智能和大数据分析的最佳在线课程
数据科学家vs数据分析师:
数据分析员收集、处理和执行数据的统计分析。他们的技能可能没有数据科学家那么先进(例如，他们可能无法创建新的算法)，但他们的目标是一样的——发现如何使用数据来回答问题和解决问题。阅读更多关于业务分析师VS数据分析师．
数据工程师vs数据科学家:薪水
据PayScale:
- 数据工程师:63K - 131K
- 数据科学家：79k美元 - $ 120k
根据Glassdoor网站:
- 数据工程师:172美元
- 数据科学家:8万- 13万美元
根据DataCamp：
- 数据工程师:43K - 364K
- 数据科学家:34K - 341K
数据工程师vs数据科学家:总结
相关文章:
机器学习，深度学习，人工智能和大数据分析的17个最佳在线课程
