Mike Xu, Looker 的数据架构师：“弄明白你想要哪款数据工程师？”
Mike 的职责之一是倾听开发者的心声：哪些事情让他们开心？哪些让他们不爽？最多的抱怨是什么呢？嗯，不同的数据工程角色间是有细微差别的，但很多公司却不懂行。
在 Mike 看来，数据工程师主要有 4 种角色——这也是招聘者应该弄明白的事情：
数据仓库：专注于为分析来优化数据仓库，主要是负责数据的读写和管理。
工具：总能在一系列数据工具箱里，极其擅长一、两样特定的工具（编者按：类似于 Hive, Hbase，ElasticSearch等）。
架构：才华通透、“端到端” 的思考者，无论是数据收集，还是收集后帮助团队使用数据，他们需要考虑的事情多而杂，贯穿业务的很多环节。
运维（Ops）：主要把时间花在建立数据库等事项，还要管理权限、操心数据安全。
8、数据工程师的技能如何随着公司规模的变化而改变
作为数据工程师，同样需要认真应对公司和业务的规模化所带来的挑战——业务更多，数据集 （Dataset）的规模也更大，所需求的数据能力和工作方式也要随之演化。
姑且做个猜测：规模越大的公司，对规模化相关的技能越加看重。是否真的如此？我们先查看查看下面的图表。
【图表：不同公司的数据工程师之间的差别】
▲纵轴表示技能，横轴则表示相对偏差（Relative Difference：某一次测量的绝对偏差占平均值的百分比）。深蓝色、天蓝色、橘色分别代表三种公司规模：1-200人、200-1000人、1000人以上。越接近图表顶部，该技能越应用于较小的公司，反之，位于底部的技能更普遍地出现在 1000 人及以上的公司里。
看完表，我们可以用数据回答先前的猜测：NO。
真实情况是，在规模更大的公司，数据工程师更在意 “企业级” 相关的技能，比如 ETL（Extract-Transform-Load）、BI（Business Intelligence：商业智能）、数据仓库等，而在较小的公司，数据工程师更多的把心力花在 Python、Java 等编程语言上（编者按：Python 和 Java 作为普通的编程语言，可以用来构建产品，这对于小公司来说属于核心业务。）
专家洞见
Will Smith，MIT 的主数据工程师 / 架构师：“数据工程 @大公司 VS. 初创公司”
Will 曾为 Nokia、Warner Bros Games 这种大公司打造过数据技术。在他看来，数据工程师所仰赖的技术，不那么取决于公司规模本身，而更应该从这么一种角度出发：你所负责的数据是“写时模式”（schema-on-write）还是“读时模式”（schema-on-read）？
他认为，大公司往往在处理数据工程的 BI 方面有所积累，Informatica、Oracle、SAP 都会接触和使用。这类公司往往在“写时模式”的环境里工作。
