跟数据科学家相比，数据工程师更需要哪些技能？
今日份知识你摄入了么？
数据工程师是现如今增长最快的岗位之一。通过创建和维护用于注入、转换和存储数据的管道和数据库，数据工程师在公司中扮演着至关重要的角色。
数据工程师最需要的技术技能是什么？和数据科学家最需要的技术技能相比如何？请继续阅读，找出答案！
2020年1月，我分析了数据工程师的职位列表，看看那些最抢手的技术技能。然后又把结果与数据科学家的工作列表进行了比较，发现了其中存在的一些有趣的差异。
废话少说，下面是截止到2020年1月的10项数据工程师职位列表。
让我们开始吧！
数据工程师
数据工程师在当今的公司中发挥着至关重要的作用。他们负责存储数据，并像他人传输可供使用的数据。
数据工程师设置管道，并从多源头向其中注入流、批处理数据。然后管道会执行提取、转换和加载 (ETL)过程，让数据更方便使用。接下来，会把数据提供给数据科学家和数据分析师，进行进一步处理。最终，数据会进入图表、报告和机器学习模型当中。
我搜索了一些数据，来确定数据工程师最需要的技术。
方法
我搜集了SimplyHired, Indeed和Monster上的信息，来查看在美国的工作列表中与“数据工程师”关联的关键字。这个过程我使用了Requests和Beautiful Soup Python库。
从我对数据科学家职位列表的分析和阅读数据工程师职位列表中，我选取了一些关键字。我计算了每个关键字（在数据工程师职位总数中）出现在各求职网站上的百分比。然后对每个关键字的百分比求平均值。
结果
以下是职位列表搜索结果中得分最高的30个数据工程师技术术语。
下面是相同百分比数据的表格形式。
让我们一起来分析一下吧。
讨论
SQL和Python都出现在超过三分之二的职位列表中。所以，它们是目前为止最需要了解的两项技术。
Python是一种非常流行的编程语言，用来处理数据、网站和脚本。SQL代表结构化查询语言。是由一系列语言实现的标准，用来从关系数据库中获取数据。它已经存在了很长时间，并显示了它的的弹性。
Spark出现在了大概一半的列表中。Apache Spark 是“用于大数据处理的统一分析引擎，具有用于流媒体、SQL、机器学习和图形处理的内置模块”。它在非常大的数据集上特别受欢迎。
AWS出现在大约45%的列表中。AWS是Amazon的云计算平台。它拥有所有云平台中最大的市场份额。
紧随其后的，是Java和Hadoop，分别占了列表的40%以上。
Java是一种常用、久经考验的语言，在Stack Overflow的2019年开发人员调查中排名第十。相比之下，Python是第二个受欢迎的语言。从2020年1月起，Oracle管理Java，还会告诉你关于它的所有信息。
https://www.java.com/en/
It’s like a time machine.
Apache Hadoop使用MapReduce编程模型和服务器集群来处理大数据。而MapReduce模型正在逐渐淡开人们的视野。
然后是 Hive、Scala、Kafka 和 NoSQL，每个都占数据工程师列表的四分之一左右。
Apache Hive是一款数据仓库软件，它可以“很方便地使用SQL读写、管理分布式中存储的大型数据集”。
Scala是一种流行于大数据的编程语言。Spark就是用Scala构建的。在Stack Overflow的2019年开发者调查结果中，Scala是第 11 大流行的语言。
Apache Kafka是一个分布式流媒体平台。在注入数据流方面非常受人们欢迎。
NoSQL数据库与SQL是对立的。NoSQL数据库是非关系、非结构化、且水平可伸缩的。NoSQL非常流行，但之前关于它取代SQL成为主导的谣言似乎有些夸张了。
与数据科学家比较
下面是排名前30位的数据科学家职位列表技术术语，是通过与数据工程师术语相同的方法得出的。
就工作总数而言，数据科学家比数据工程师多出了约28%（12,013 vs. 9,396）。
让我们看看哪些术语在数据工程师列表中比数据科学家中更常见。
在数据工程师中更常见
下图显示了平均差异大于10%和小于-10%的关键字。
AWS的增长幅度最大，在数据工程师中比数据科学家多出约25%。它出现在大约45%的数据工程师列表中，出现大约20%的数据科学家列表中。这个差别很大！
下面是观察相同数据时，数据工程师和数据科学家职位列表的另一组结果：
Spark的增长幅度是第二大。数据工程师要经常处理大数据。
Kafka也增长了20%。大约是数据科学家列表百分比的四倍。而且，注入数据也是数据工程师的核心工作。
Java、NoSQL、Redshift、SQL和Hadoop在数据工程师列表中出现了大约15%以上。
数据工程师中不常用工具
现在，让我们看看哪些技能在数据工程师职位列表中不太受欢迎。
R从数据科学家到数据工程师的排名下降幅度最大。它在数据工程师的工作中比例约为17%，而不是数据科学家的56%。R是一种受学者和统计学家欢迎的编程语言。它在Stack Overflow调查的受访者中排名第八。
SAS在数据工程师列表中也不太常见，差异约为14%。SAS是一种用于统计和数据的专有语言。有趣的是，我最近对数据科学家职位列表的分析表明，SAS下降的幅度比其他任何技术都要大。
数据工程师和数据科学家的重要工具
值得注意的是，前十项技术中，有八项是在数据科学家和数据工程师职位列表中共享的。SQL、Python、Spark、AWS、Java、Hadoop、Hive和Scala都在前10名之内。
以下是15个最常见的数据工程师术语，以及它们在数据科学家列表中的流行程度。
建议
如果你想成为一名数据工程师，我建议你学习下面这些技术，它们基本都是按优先级排序的。
要学习SQL。我建议你学习PostgreSQL，是因为它开源，受欢迎，且在不断发展。
要学习Python。当你了解了基本的Python，就可以学习pandas，这是一个用于清理和操作数据的Python库。如果你正在寻找需要Python的数据工作(其实大多数都需要)，那么你也要知道公司也期待你具备Pandas这种技能。
熊猫吃零食
学习AWS。如果你想成为一名数据工程师，你需要一个云平台，而AWS是最受欢迎的。我发现Linux Academy在线课程，在学习Google Cloud数据工程技能时很有帮助，也希望它们能对AWS有所帮助。
如果你了解所有这些技术，并且想成为一名更受欢迎的数据工程师，我建议你学习Apache Spark来处理大数据。虽然在我对数据科学家职位列表的研究中表明，它的受欢迎程度正在下降，但它仍然占据了近一半的数据工程师的职位列表。
Spark
小结
希望你能发现这份数据工程师所需技术指南的有用之处。欢迎转发留言。
数据工程快乐！
原文作者：Jeff Hale
翻译作者：Lea
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/most-in-demand-tech-skills-for-data-engineers-58f4c1ca25ab
本周公开课预告
往期精彩回顾
点击“阅读原文”查看数据应用学院核心课