面试通过，立即签订实习、就业协议。

　　l 数据科学家：搞统计的里面编程好的，搞编程的里面统计好的。也称为“动脑的”。
 

　　l 数据工程师：搭建“管道”，为数据科学家输送数据，从数据科学家那里获得想法，然后执行出来。也称为“干活的”。
 

　　l 基础设施工程师：维护公司的Hadoop集群或者是别的大数据基础设施。也称为“管道工”。
 

　　这个循环里的所有人都知道当前的工作状态其实不怎么样，现阶段的大规模招聘的工作内容也很可能一般。
 

　　让每个人都能做好的自己
 

　　让我们暂时忘掉传统的角色，想想什么样的动机能让人们在每天清晨兴奋地来上班。
 

　　无论是什么角色，凡人和伟人间一个重要区别是他们对于创造的渴求和创新的能力。
 

　　我们还要认识到，让数据科学家和工程师慷慨激昂的工作类型是非常不同的。
 

　　数据科学家：数据科学家喜欢解决那些与业务纵向连接的问题，那些通过他们的努力能够对组织或项目的成功产生重大影响的问题。他们致力于优化某些事情或进程或从头开始创造一些东西。这些都是点导向问题，他们的解决方案也是点导向的。他们通常涉及到业务逻辑的重新组合，重新思考问题该如何解决，和如何创新。因此，他们需要深入了解业务的具体部分是如何操作的，并且与垂直业务部门保持高度合作关系。
 

　　数据工程师：工程师擅长于做抽象和概括的工作，并在被需要的地方找到有效的解决方案。这些问题通常是横向质的。当可以广泛应用的时候，它们是有影响力的。他们需要很好的、全面的了解业务是如何运作的，但是解决方案的抽象质意味着他们不需要对业务逻辑有太深的了解，也不需要与业务部门深度合作，或是深入理解业务的纵向市场。
 

　　记住，工程师们是在创造乐高积木，数据科学家团队是在组装他们。如果数据科学家团队不需要纠正积木而只是组装，他们就会一直努力直至创造出解决方案。他们会通过组装错误的积木（把方块放到一个圆洞里），或者创造他们自己的积木来解决问题。一般他们会陷入混乱（Big Mess）。原因是一旦被创造出来就很难被撤销。