原文：
www.kdnuggets.com/2022/08/data-scientists-data-engineers-work-together.html
图片由 fauxels 提供，通过 Pexels
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT 需求
数据科学家和数据工程师常常被初学者混淆，特别是那些在数据科学领域没有显著经验的人。虽然他们的工作乍一看可能似乎相似，但实际上存在一些重要的根本差异。如果你正在考虑数据科学的职业生涯，了解这两个领域的不同之处非常重要，以确定哪个领域可能更适合你的技能和兴趣。
数据科学家 直接参与分析方面的工作。他们处理数据模型，提出特定问题的解决方案，并探索数据科学领域的极限，以寻找应对挑战的合适方法。数据科学家的工作涉及大量数学和对数据科学背后统计概念的深刻理解。强大的数学和统计背景对于成为数据科学家并在知名公司获得职位是必要的。
另一方面，数据工程师 更多地关注于解决方案的实际技术实施。一旦科学家提出了一个模型，工程师就需要弄清楚如何将其整合到整体的数据处理流程中。数据工程师必须小心平衡他们所工作的系统的可访问性、灵活性和性能。
他们还必须尽可能全面地理解他们正在使用的技术栈。在实施解决方案时，数据工程师需要确定应该使用哪些语言、数据库和其他技术组件来组建最终结果。通常需要大量的脚本编写来将所有部分连接起来。
观察数据科学家和数据工程师的一个好方法是通过建筑师和土木工程师的类比。建筑师提出最初的计划，而工程师则在考虑结构限制和其他类似问题的同时实施这些计划。在数据科学的世界里也是如此。数据科学家进行规划，数据工程师则构建和实施。
尽管如此，这两个角色也紧密合作以提出最终解决方案。在双方都拥有良好的沟通技巧非常重要，因为通常需要整合想法和限制，这必须以不削弱任何人项目参与的方式进行。优秀的数据科学家和工程师的组合在这种通常混乱的工作环境中可以证明是不可或缺的。
如果你想参与数据科学，选择你是否想成为数据科学家或数据工程师是重要的。如果你喜欢数学并探索该领域的理论概念，作为数据科学家的工作可能更适合你。你需要对统计学、线性代数以及其他各种数学领域有很好的理解。你还需要阅读大量的已发表论文，以便对该领域如何整体联系有一个良好的理解。
另一方面，如果你喜欢“动手实践”，经常发现自己编写脚本来自动化工作，重新安排管道的部分以提高效率，并担心技术限制，那么作为数据工程师的工作可能非常适合你。这是一个非常技术性的领域，你不一定需要对数学基础有很好的理解才能成功。但这确实会有帮助。
无论你选择哪一方，花些时间熟悉两端的概念都是一个好主意。一名优秀的数据工程师必须至少了解他们实现的模型最初是如何形成的，而一名优秀的数据科学家则必须了解他们可能遇到的粗略限制。这就是为什么这些领域中的最佳专家通常都会投入一些精力去学习另一方的工作方式。这在尝试传达复杂概念时也会非常有用。
无论你是决定先专注于一方面，然后再涉猎另一面，还是最初将注意力分散于两者之间，都由你决定。两种方法都可行，这取决于个人偏好。无论你选择哪个方向，Springboard 都有相关课程可以加深你的理解，并让你在感兴趣的领域中为求职做好准备。如果你对这一方面感兴趣，Springboard 的数据科学职业课程是一个很好的起点。
赖利·普雷杜姆 曾在多个数据领域，如产品和数据分析，以及数据科学和数据/分析工程领域，具有丰富的专业经验。他热衷于写作和教学，并喜欢为在线社区提供学习材料，专注于一般学习以及职业发展。赖利在他的Medium 博客上编写编码教程。