►前言：
还不太清楚数据行业可以从事哪些工作？快来看看Heather学姐呕心沥血制作的这张图：
从本科学CS和统计，到研究生毕业做数据科学，Heather学姐曾经也对数据行业有很多疑问。有哪些选择？我喜欢、适合什么？希望通过她的细致整理对现在迷茫的你们有所帮助！
►数据分析：
这是最适合数据行业入手的方向，要求的技术没那么深入。
这里面其实也有一定的鄙视链… 比如，如果你只是SQL取数师，没有业务话语权，那么你的工作天花板就会很低。好的机会，是你能看到更好的晋升空间，自己能在业务上影响KPI的制定和完成的。
科技行业产品类的数据分析师，尤其是在北美，薪资待遇是很不错的。有时会被叫做data scientist，而不是data analyst.
►算法建模：
与上面的区别在于：建不建模？
这里我细分了两个方向，喜欢有更多与人打交道的机会可以做上面那一类，有志于深入技术领域的则可以优先选择研究型发展这类。
我个人的工作经历是咨询类的数据科学家，这是基于我的喜好和计划：因为我不是很能静下心来搞学术，同时又喜欢和人打交道+有些商科思维，我希望我的工作能够接触到更多企业big picture的东西，而不是聚焦于某个产品某个功能。
国内其实比较少见第一类数据科学家，大多都是算法工程师（下文会继续介绍）。但是北美的话机会较多，公司种类也很广泛：金融Goldman Sachs，医疗CVS，消费品可口可乐，服装零售Nike，娱乐Disney等等。
►数据/算法工程：
和上面那一类的区别在于：做不做工程？
一般来说公司的流程是先用python建模，决定上线了再用java之类的语言工程重构，以应对较大数据量。
算法工程师的薪酬一般是三类里最高的了，毕竟头秃也是要有回报的。技术栈要求也比较全面，求职算法题模型题全部来一套。
►写在最后：
以上就是全部介绍啦！这些都只是分类的一种，不能覆盖到所有细节。知道了大概区别以后，大家可以再去深入了解具体岗位。职业发展也是需要自己试出来的，在不清楚适合什么的时候，可以先尝试更技术的，不喜欢再去业务方向。不论如何，适合自己最重要！