数据科学是一个广泛的领域。
因为它是如此的多样化，我们很难具体定义数据科学家要做些什么。但最重要的是，我们要认识到，数据科学是一个过程，而不仅仅是一个职位名称。
数据科学可以应用于许多不同的领域，可以用来做许多不同的事情。
如今数据科学、机器学习和数据工程正在以非常快的速度发展。
随着数据领域的发展速度加快，许多人对这些领域的概念也有一些错误的认识。
在本文中，我们将带你了解一下数据工程师、数据科学家和机器学习工程师之间的区别。
让我们先了解一下完整的数据项目包括哪些环节。
公司通过各种渠道从客户处收集数据，例如亚马逊，他们可能会收集用户的电子邮件、姓名、年龄、位置等数据。
以及关于用户购买历史和订单的数据，用户搜索关键字和最近查看的项目等。
如今，这些数据有各种形式和格式，数据可能位于不同的表和不同的位置。
任何数据项目的出发点无一例外，都是为了从数据中提取价值，从而帮助企业做出决策，并改进其产品和服务。
这里可以看到一个案例——亚马逊建立的推荐系统，当中将用用户经常购买的产品排列在一起，并根据产品的性能进行排名。
任何数据项目的第一步都是理解。
企业真正需要什么
假设，我们想针对会从已购商品中进行回购的客户建立一个分类器。
我们对所需的最终结果进行定义，可能会根据可用数据而改变，但假设现在一切准备就绪，开始项目开发。
这时数据工程师们就派上用场了。
在数据项目工作中，数据工程师将从各种来源提取数据并编写查询，或使用ETL工具将所有数据集中到一个地方。
数据被储存为各种格式，比如SQL表、CSV文件、JSON文件等。
