讲讲在Google内部这三个职位的区别：

Google内部有三类技术岗位（job ladder）。问题提到的三个职位分别从属于这三类技术岗位：

• Data Engineer顾名思义，是软件工程师（software engineer）的一种。
• 这类工程师做的事情其实非常直白，就是把产品本身产生的原始数据记录进数据库，然后把在数据库里把这些原始数据成表格。举个简单的例子，知乎上每一个用户的行为，包括搜索问题、点击回答、点赞，等等，都需要工程师通过写javascript把这些行为数据存进服务器里，然后存成一个表格记录下来每一天，每一秒，每一个用户做了什么动作。
• Data Enginner 所做的一切都为了Data Management，具体内容包括数据模型、数据架构、数据标准、元数据、主数据、数据治理、数据管控等等，Data Enginner的目标是把数据整好，存储成本低，查询效率高，至于怎么使用这些数据不是他们关心的范畴。
• 
  
• Data Scientist在Google被称作quantitative analyst，翻译过来大概类似于量化分析师。
• 这类职位比较特殊，是一种非常technical、对学术能力要求非常高的职位。这类职位99%的同事都是统计或者数学的phD，一般人听不懂他们在说什么～ 根据我个人的了解，他们的大部分工作是分析 Google Search的增长。搜索是Google最核心、最赚钱的产品，我们希望更多人用我们的搜索，更多的人能够和搜索结果互动。Data Scientist解决的问题就是，如果我们对搜索的排序做一些改动，如何通过统计学的方法精确测量这个改动对搜索整体带来的影响。这个影响往往是非常小的（Google 1天平均10亿次搜索，这个量级上的任何改动都是至关重要的）。
• 
  
• Data Analyst在Google被称作商业分析师（business analyst）或者是产品分析师（product analyst）。
• 这个职位的作用是沟通产品和商业的桥梁，服务对象一般是产品经理以及高层领导。Data Analyst首先会把工程师维护的数据进行ETL（extract, transform, load），也就是传说中的跑数据（大多用SQL）。随后Data Analyst会把这些提取出的数据转化为“生产力“，也就是能够指导商业或者产品的建议。工作场景：产品经理上线了一款产品，这款产品运行的怎么样？有多少人访问？有多少人购买？购买人数始终上不去是什么原因？如何发掘购买人数降低的原理然后针对这些原因进行有目的的处理？这些都是通过分析产品产生的数据得到的。
• Data Analyst 所做的一切都是为了回答问题。这些问题可能来自业务部门，也可能来自各级管理人员，有些问题就是想知道某些具体数字，也有些问题是开放式的探索问题，例如为什么这个月销量下降等等。Data Analyst在Data Enginner提供的数据基础之上进行探索分析，如统计分析或机器学习等，目的是找到问题的正确答案。