原文：
www.kdnuggets.com/2021/11/difference-data-scientist-data-analyst.html
评论
“数据科学家是被雇佣来分析和解释复杂数字数据的人，例如网站的使用统计信息，特别是为了帮助企业做出决策。”
1. Google 网络安全证书 - 快速进入网络安全职业。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT
—Oxford Dictionary
“数据分析师是一位与数据工作以提供洞察的专业人士，他们处理原始或非结构化的数据，并进行分析，以生成高层管理人员和其他人可以用来做决策的易于理解的结果。”
—Techopedia
“数据科学家是一个能够根据过去的模式预测未来的人，而数据分析师只是从数据中策划有意义的洞察。”
既然我们有了定义，我认为真正理解两者之间差异的最佳方法是进行比较。
- 这是推荐的。成为数据科学家/分析师还有其他途径。查看我之前的文章。
尽管这两条职业道路有很多相似之处，但也有许多不同之处。数据科学家获得的更高薪水伴随着更多的责任。这些额外的责任包括更多的学习、更多的知识以及更多的编程技能实践。
以下是一些建议，如果你希望从数据分析师转型为数据科学家，我推荐你采取的措施。
扮演数据科学家的角色。
如果你已经决定转型成为数据科学家，你一定做了大量额外的阅读，以全面理解成为数据科学家的要求。你将从描述数据中的趋势，转变为利用现有数据发现新数据，并构建机器学习模型以支持你的假设。
数据科学家：
-
花费大量时间使用如 Python 或 R 等语言清理数据。
-
使用机器学习算法，如梯度提升、线性回归、逻辑回归、决策树、随机森林等，构建预测模型。
-
评估他们创建的模型，以获得高百分比的准确率，从而验证分析结果。
-
测试和改进已建立的机器学习模型的准确性。
-
构建可视化图表来叙述高级分析结果。
提升你的技能。
作为数据分析师，你可能不会每天都编写代码。你的工作要求包括编写代码和运用技术技能，但你的部分时间可能会分配到其他地方，例如识别趋势以帮助业务决策。作为数据科学家，能够编写代码是至关重要的，因为你大部分时间都在编写代码，并且需要能够适应和使用不同的编程环境。这可能要求你理解频繁使用的不同编程语言的语法，如 R、Python 和 Java。
数据分析师使用的数学和统计方法远少于数据科学家。因此，复习数学和统计将对你大有裨益，因为你将需要在日常生活中应用这些知识。你需要从头编写算法，并全面理解这些机器学习算法的工作原理。
你编写的代码越多，学习的编程语言越多，你就会成为更出色的数据科学家。你可以通过练习代码、创建副项目、参与像 Kaggle、LeetCode 等代码挑战来实现上述目标。你只有通过实践数据科学家的生活，才能知道自己是否能成为一名数据科学家。
我希望这能帮助你了解这两个角色之间的区别，并为你计划从数据分析师转型为数据科学家提供一些指导。
本文最初发布在 AI Time Journal。
简介：Nisha Arya Ahmed 是一位年轻的数据科学家，希望探索人工智能在延长人类生命和攻克绝症方面的不同方式。Nisha 还希望了解人们对人工智能的看法，以及他们认为人工智能带来了什么或没有带来什么。
原文。经授权转载。
相关：
-
从新手到第一份工作的数据科学家职业路径
-
区分数据科学家的五个要素
-
别浪费时间建立你的数据科学网络