大家都知道， 這三種角色各有不同定位， 也知道他們之間有許多一致的地方， 但是否能講明白這其中的區別呢？
國外 ETL 服務商 Stitch 的 CEO Jake Stein， 近日對這個話題進行了總結。 他還繪製了一張工具圖， 來呈現他們在日常工具使用上的不同。 對於新手， 也可以通過這張圖來看典型的“資料科學家”、“資料工程師”和“軟體工程師”都要掌握哪些工具。
Jake Stein：隨著資料的爆炸式增長， 對資料處理的專家技能需求也隨之井噴。 這帶來的結果之一， 是更精細的分工。 對於資料管理工作的核心角色：資料科學家、資料工程師和軟體工程師，
對於新興職位“資料工程師”， 它算是“軟體工程師”下面新浮現出的一個子類別。 單列出該職位是一項英美近年來的趨勢。 但在許多公司， 遷移、管理資料仍舊是軟體工程師的活。
三種資料職位的不同技能需求
職能概括
軟體工程師
軟體工程師幹的活兒是開發應用和系統。 這過程中的每一個環節， 從設計、寫代碼、測試到檢查， 開發者都要參與。 生成資料的產品都是他們開發的。 軟體工程是三個角色中最古老的一個， 並且有相當成熟的方法體系和工具庫。
工作內容包括：
前端、後端開發
網頁應用
移動應用
作業系統開發
軟體設計
資料工程師
資料工程師需要開發能對資料進行整合、存儲和提取的系統， 並從軟體工程師開發的應用和系統中獲取資料。 資料工程的誕生， 是作為軟體工程大類下的一個更細分的技能類別。 據雷鋒網瞭解， 根據國外統計， 40% 的資料工程師原本是軟體工程師。 雷鋒網獲知， 這是目前一個很普遍的職業發展道路（軟體工程師專注做資料工程）。
工作內容包括：
高級資料結構
分散式運算
併發程式設計
使用 Hadoop, Spark, Kafka, Hive 等新工具
開發ETL/資料流水線（data pipelines）
資料科學家
資料科學家的職責是基於資料作分析。
或許有一隻想要更好理解消費者行為的團隊， 僅僅做一個單次分析。 也可能是開發一個機器學習演算法， 然後將之在軟體工程師和資料工程師開發的代碼基礎上執行。
工作內容包括：
資料建模
機器學習
演算法
商業智慧的 dashboards
這些角色定位仍在進化之中。 有些大公司從軟體工程團隊中拉出資料工程師， 組建一支中央資料團隊。 這樣， 基礎設施和資料分析工作能在一起。 雷鋒網獲知， 有些案例中， 資料科學家既需要做資料分析， 也需要做資料整合。
via datascience 101