在大数据的世界里，你可能经常听到两个词：数据科学（DataScience）和数据分析（DataAnalytics）。尽管它们在纸面上有些相似，但它们强调的是大数据背景下的不同能力和技能。下面，我将从职业决策和规划的角度来探讨两者的区别。1.知识储备无论是数据分析还是数据科学，都在变得越来越丰富，越来越专业。因此，如果你想进入这两个职业领域中的任何一个，你都需要做好充分的准备，以满足各种实际工作的需求。其中：数据分析数据分析领域的相关工作往往需要预先了解RDBMS（关系数据库管理系统）、用于操作数据结构模式（StructureSchema）的SQL和查询开发。同时，你还需要具备R或Python语言统计编程的相关知识。此外，机器学习（MachineLearning，ML）、人工智能（ArtificialIntelligence，AI）、自定义算法的开发，以及围绕信息收集和存储的数据管理知识，也会让你事半功倍。简而言之，您需要具备IT、计算机科学、数学和统计学方面的相关应用知识和技能。数据科学数据科学家通常具有计算机科学、信息技术、应用数学或统计学方面的教育背景。该核心知识使您能够提供、收集、组织、处理和建模业务数据。同时，你还可以学习和掌握数据可视化、基于API的数据采集和准备等专业知识，这些对于进行探索性数据分析、跟踪和构建模型、自定义设计和测试模型都有帮助。此外，当你在做基于人工智能的预测建模时，上面提到的机器学习和人工智能领域的相关技能总是非常宝贵的。2.工作角色和职责无论是数据分析师还是数据科学家，他们的日常角色和工作职能会根据其专业水平和企业性质的不同而有所不同。主要体现在：数据分析数据分析师往往专注于业务特定数据的分析、可视化和挖掘。其角色功能包括：清理、处理、验证和举例说明数据完整性对大数据集进行探索性数据分析实施ETL（extract提取、转换transform、load加载）管道，并进行数据分析挖掘使用逻辑回归、KNN（KNN）进行统计分析K-最近邻、K-最近邻分类算法）、随机森林和决策树在编写自动化代码的同时构建和管理机器学习(ML)库获得对ML工具和算法的访问权支持的预测数据科学数据科学主要是关于在业务背景下从数据中获得洞察力和得出推论。其角色和功能包括：收集和解释数据，识别数据集中的相关模式，执行基于SQL的数据查询和子查询，使用SQL、Python、SAS（统计分析软件）和其他RDBMS工具查询数据，精通各种预测、规范、描述和诊断分析工具掌握Tableau和IBMCognosAnalytics等可视化工具的使用3.基本技能由于这两个角色都是专业领域，他们需要特定的技能来执行日常的基本任务-天的基础。具体来说：数据分析除了具备中级统计知识和具有解决问题能力的高级分析技能外，数据分析师的技能还包括：能够使用业务智能工具通过MicrosoftExcel和SQL数据库对数据进行切片和切块生成相关报告使用Python、R和SAS等工具管理、操作和使用数据集与IT工程经验相比，数据分析师需要掌握学习统计学、数据库管理、数据建模和预测分析等技能。数据科学作为一名数据科学家，除了精通数学、高级统计、预测建模和机器学习之外，还需要具备以下领域的软件知识：Hadoop和Spark大数据工具方面的专业知识SQL、NoSQL和PostgreSQL数据库数据可视化工具和语言的知识，例如Scala和Python4.ToolSpectrum数据科学很关键。为了方便下载选择，我将目前市面上的工具进行了针对性的分类：数据分析数据可视化类：Splunk、QlikView、PowerBI、TableauETL类：Talend大数据处理类：Spark和RapidMiner数据分析类课程：MicrosoftExcel、R和Python数据科学应用数据科学课程：SAS、KNIME、RapidMiner、PowerBI和DataRobotETL课程：ApacheKafka大数据处理课程：ApacheHadoop、Spark数据可视化课程：Tableau、BigML、Trifacta、QlikView、MicroStrategy、GoogleAnalytics数据分析类：MicrosoftExcel、ApacheFlink、SAPHana、MongoDB、MiniTab、SPSS编程类：R、Julia、Python编程库类：可用于TensorFlow5基于Python的数据建模。Opportunity看了前面的信息，你一定想知道企业中有哪些热门职业适合做数据分析和数据科学？数据分析商业智能分析师数据分析师定量分析师数据分析顾问运营分析营销分析师、项目经理、IT系统分析师、运输物流专家、数据科学、数据分析师、数据工程师、数据库管理员、机器学习工程师、数据科学家、数据架构师、Statistician,BusinessAnalyst,DataandAnalysisManager对数据科学家本身及其技能的要求高于普通数据分析师。然而，在工作场所，人们通常以数据分析师的身份开始他们的职业生涯，然后逐渐进入数据科学领域。对于初学者，也可以从数据架构和数据工程相关岗位入手，不断打磨和体验自己，最终成为该领域的专家。译者介绍51CTO社区编辑JulianChen。他在实施IT项目方面拥有超过十年的经验。善于控制内外部资源和风险。专注传播网络与信息安全知识与经验；翻译等形式分享前沿技术和新知识；经常在线上和线下开展信息安全培训和讲座。原标题：DataAnalysisvs.DataScience:5ThingstoConsider，作者：GAURAVSIYAL
