数据（資料），Data （Datum 的复数）经常和「信息」「資訊」可以互用。
人类每天都会生产出大量的数据，不仅人类，各种各样的检测仪器都会产生数据。数据可以是数字，文本，图片，图像等各种可以被数字化的信息。
数据工程，就是用工程的手段来处理数据。数据工程基本会涉及下面几个方面：
一个运用数据处理的例子：
上面的例子用到了一个 IT 工具：浏览器。而数据工程师处理的问题经常是这样的：
要处理这个问题，需要掌握更多更强大的工具，并对数据有更深刻的认识。
初级入门：
- 有一定的英文基础
- 掌握编程技能（如 Python, R, SAS 等）
- 学习统计学和回归分析（需要一定的概率论和微积分基础）
- 掌握 SQL 查询语言和数据库
- 学习爬虫，日志收集，Analytics 等采集数据的手段
- 会搭建简单的 web 服务和编写网页
- 学习搜索引擎的原理
为了让你的程序变得更快更智能:
- 学习算法，计算机网络基础
- 学习 Linux 系统管理
- 学习机器学习和数据挖掘
- 学习自然语言处理和图像模式识别
当数据来源和种类都变得越来越多，变成了大数据：
- 学习数据仓库，ETL
- 学习算法基础，计算机网络基础
- 学习分布式系统，安装和使用大数据处理框架
- 掌握深度学习，用大数据训练更复杂的神经网络
- 设计数据产品，思考从数据中可以挖掘的价值
冰冻三尺非一日之寒，但是专注和努力进入了状态就会越学越快。
如果没有学校的条件，还可以参加很多优秀的网络课程 https://www.coursera.org/specializations/jhu-data-science
- 业务分析员 - 用技术提升业务效率和产出
- 数据分析师 - 运用数据模型解决问题
- 数据科学家 - 数据分析师的进阶，往往包括设计专用的数据分析模型
- 数据工程师 - 运用数据采集和分析工具，实现算法
- 数据架构师 - 统筹整合数据资源，架构数据平台
- 市场分析师 - 研究市场数据，帮助营销决策
- 量化分析师 - 运用数据工程进行量化交易，自动交易
- 统计专员 - 应用统计学知识分析数据，设计和制作报表
- ……
参考 https://www.mastersindatascience.org/careers/data-analyst/
Q: 我想成为数据工程师，数学不好怎么办？
A: 第一，很多分析工具不需要完整的数学知识就能使用。第二，掌握一些编程思维后，对学习数学会有不少启示和帮助。
Q: 我并不想成为数据工程师，了解这些有用吗？
A: 工程思维、编程思维对其他行业和学科也有意义。甚至能做点有趣的事情。