数据科学家的角色通常与诸如预测建模，开发细分算法，推荐系统，A / B测试框架之类的任务相关，并且经常与原始的非结构化数据一起工作。

他们的工作性质要求对数学，应用统计和编程有深入的了解。数据分析师和数据科学家之间有一些共同的技能，例如查询数据库的能力。两者都可以分析数据，但是数据科学家的决定可以对组织产生更大的影响。

这是数据科学家通常需要具备的一组技能-

• 使用统计包(例如R， Python，SAS，SPSS或Julia)进行编程
• 能够清理，提取和探索来自不同来源的数据
• 统计模型的研究，设计和实施
• 深入的统计，数学和计算机科学知识

在大数据分析中，人们通常会将数据科学家的角色与数据架构师的角色混淆。实际上，区别很简单。数据架构师定义了存储数据的工具和架构，而数据科学家则使用此架构。当然，如果临时项目需要，数据科学家应该能够设置新工具，但是基础结构定义和设计不应成为他的任务的一部分。