数据分析师分析相似的历史知识以实现信息。生成的信息|数据}不会被更多地用于促进对系统的理解。因此，公司可以保证其安全，并且不承担增加业务的重大风险。分析师研究历史知识并生成公司的趋势。
相反，数据科学家衡量的是公司中非常有经验的人（如果几年的经验可能会晋升为科学家，则是分析师）。如果他们的信息不能正确用于业务，他们的联合国机构就应该承担责任。分析师生成数据后，工作人员将使用他/她的数据和知识，并做出必要的选择来促进业务发展。
- 分析师处理反应数据（历史数据）。有时，他们在分析信息时会得到相同的信息或结果。
- 科学家们致力于预言知识。如果我们倾向于尝试这个或那个，将会发生什么。
- 数据分析师与商业智能密切相关，而知识科学家与商业分析密切相关。因此，分析师只是通过研究知识来获取信息。
- 科学家们根据信息以及他们的信息和专业知识进行工作，以要求必要的业务选择。
考虑一个社交应用程序的例子。他们的主要客户来自欧洲国家。目前，AN分析师可以做的是他/她可以分析客户行为（包括使用时间、客户位置、事件跟踪等）。目前支持这些“历史数据”，分析师可以通过组合许多不同的数据来生成{信息|知识|知识}。就像通过结合客户的位置和性别一样，分析师可以重新了解女性使用他们的应用程序时很像男孩子一样；然而，入境地区（xyz 欧洲国家）男孩往往会额外使用该设备。因此，支持这一点，企业可以尝试和增强他们的业务。
另一方面，科学家来了。目前，科学家们使用这些信息，并可以通过他们的专业知识和信息来尝试和改进业务，以便他们做出选择，例如通过向某个州额外宣传其应用程序来传播对其应用程序的更多认识。他/她的主要关注点是“如果”该设备在另一个国家/地区推出会发生什么。这通常不是低成本的，因为广告可能会花费很多钱，如果这个国家的业务失败，那么这个人就是要负责的人。但是，如果它取得了巨大的成功，那么市场也会大大增强。
数据分析师模型：
- 管理：
它包括安排、执行和保持信息表格以安全存储信息和数据资源。 - 清洁：
这是通过在那个点上感知从数据库中排除不准确或片面的信息来检查信息质量和精度的方法 - 抽象：
这是从数据集中排除质量以将其减少为许多基本属性以提高信息准备效率的方法。 - 聚合：
这是从不同信息源收集数据以获得易于组合的数据集以进行信息处理的方法。
数据科学家模型：
- 描述：
发生了什么？例子：这个月的营业额是多少？ - 诊断：
为什么会发生？示例：在您的月度报告中，您可以看到上个月的业务执行有所下降。这是什么原因造成的？ - 预测：
会发生什么？示例：假设您是一家零售商，您需要在限制浪费的同时增加商品交易。您可以通过什么方式准确地衡量您需要的库存量？ - 规定：
我该怎么做是个好主意？示例：根据流量预期，您可以设置哪些最佳促销活动来增加潜在客户与潜在客户的比例？