很多同学在咨询的时候都会问这个问题。然而事实是。不同公司同一个title做的事可能根本不一样，DS（Data Scientist）/DA (Data Analyst) 的划分可能有时候就是没那么清晰。
技能点：
以下技能DS要求高于DA：
✅coding编程能力: DS > DA。更具体地：
👉SQL: DS = DA，要求高，必需技能点。
👉Python及其他: DS > DA > 0. DS要求高于DA，但DA的面试也会考python，工作中偶尔会用到。
✅ML机器学习理论&实践: DS > DA。更具体地：
👉常见基础算法: 如LR,各种树模型. DS > DA >> 0, DA要了解基础模型原理+会使用+会调包，面试会考，工作中偶尔会用。
👉其他专项/高阶算法: 如NLP相关等. DS >> DA ≈ 0. DA在这一部分要求不高，但DS需要根据具体的业务场景做模型训练。
✅statistics统计学：DS > DA >> 0。更具体地：
👉常见描述性统计分析、A/B实验：DS=DA
👉因果推断：DS > DA。
以下技能DA要求高于DS或持平：
📍visualization可视化: DA > DS >> 0，必备技能。
📍communication&presentation沟通交流汇报展示：DA > DS >>0。我见过和合作方交流比较少的DS（更像MLE），但没有见到不需要和大家扯皮的DA。
📍analysis分析能力。DS = DA。
🌟工作内容：
如果把大家的工作看作都在同一个滑动条上，最左侧是纯模型，最右侧是纯业务，那么在这个滑动条上，DS一般会比DA偏左。
🌟发展前景：
私以为DATA类岗位最重要的是对业务的理解、解决问题的思路，vis coding是必需能力但不是让你变得独特和不可或缺的决定性因素。所以我不会说ChatGPT就能替代DATA岗位上也不会说DS一定优于DA。最重要的是找到适合自己的方向。
YongeCareer，每天分享求职干货 本地实习保送/岗位内推/求职技能培训
