Data有許多細分領域，其就業方向大致可以分為Data Scientist，Data Analyst，Data Engineer，Business Intelligence和Business Analyst等。
下圖的表格比較權威，也很清晰地寫明各個崗位對於模組技能的需求程度。
Data Scientist（DS）
-
DS需要孩子具備強大的數理分析能力，尤其在數理統計，人工智慧演算法方面的理解程度要高於Data Track的平均水平。
-
在工作中面對龐大的資料群，要想從中找到目標答案，需要針對資料群進行統計分析選擇合適的資料特徵，然後利用機器學習與深度學習演算法建模，根據模型結果進行核心演算法最佳化。
-
偏向於建模與最佳化的工作內容使得資料科學家必須具備深度理解演算法的能力。
Data Analyst（DA）
-
DA的工作與DS是密切配合的。
-
DA降低了對於數理模型的理解深度，孩子不必理解到數理模型公式級別。
-
但是，DA需要對常用的機器學習與深度學習建模演算法比較瞭解，且知道其中各個引數的物理意義，同時懂得如何呼叫與測試相關演算法，要求具備Database的操作技能以及基本的清洗資料技術能力。
Data Engineer（DE）
-
DE更像是DA與SED的交叉方向。
-
對於資料工程師的要求提升了coding的能力，資料結構與演算法成為這個崗位測試程式碼能力的主要方法。
-
另外，由於大資料方向發展迅猛，雲服務與分散式系統架構成為科技與金融頭部公司關注的重點，因此，大資料平臺的分散式系統框架理解與分散式儲存的技術棧應用成為了資料工程師的必備技能。
Business Intelligence
-
Business Intelligence偏向於DS與Business Analyst的交叉崗位。
-
這個崗位既需求數理分析與建模能力，也對孩子的商業敏感度(Business Sense)，產品敏感度(Product Sense)，市場敏感度(Marketing Sense)提出了額外要求。
-
注意Soft skills和Data Driven下的商業驅動，這都是面試中的重點部分。
Business Analyst
-
Business Analyst可以理解為與商業決策更緊密的DA崗位。
-
在工作中不但需要具備DA的能力，還需要具備較強的商業洞察能力與溝通能力。
-
最後，透過漂亮的dashboard來表達從資料分析中得出的結論，即資料視覺化的技術能力，也是十分重要的。
建議
招聘市場上Data崗位的Title實際有些混亂，例如掛著DS但也會做DE工作，寫著DS實際更偏向DA工作等。
為了增加上岸機會，或者說為了幫助孩子找到更適合的工作，凡是Data相關的都可開啟看看。
不要在意崗位Title，要看職位詳情是否匹配。
