數據工程師往往把重點放在軟件工程、數據庫設計、生產環境代碼上，并確保數據在來源(在那里它被收集)和目的地之間平穩地流動(在目的 地那里通過統計摘要提取和處理，或通過數據科學算法產生結果，并最終轉移到源或其他地方) 。數據科學家卻需要了解數據的流動和如何優化( 尤其是使用Hadoop時) 。實際上不是優化數據流本身，而是數據處理的步驟，從數據中提取出價值 。數據科學家與工程師和商業人員一起工作 定義指標、設計數據收集方案，并確保數據科學流程與企業數據系統(存儲、數據流)有效地集成。對于在小公司工作的數據科學家，尤其如此， 這也是數據科學家應該能編寫可被工程師重復使用的代碼的原因。 發現：識別良好的數據源和指標。有時(與數據工程師和業務分析師一起工作)，對應該創建的數據提出需求。 獲?。韩@取數據，有時通過API、網絡爬蟲、互聯網下載或數據庫，有時是從內存數據庫獲取數據。 提煉：從數據中提取信息，做出決策，增加投資回報率，并采取行動(比如，在自動投標系統中，確定最佳的投標價格)。它包括以下內容。 — 通過創建數據字典和進行探索性分析，對數據進行探索。 — 清洗數據雜質。 — 通過數據匯總進一步提煉數據，有時是通過多層匯總或分層匯總來實現的。