大數(shù)據(jù)是我的研究方向之一，所以我來(lái)回答一下這個(gè)問(wèn)題。

大數(shù)據(jù)專(zhuān)業(yè)是一個(gè)非常新的專(zhuān)業(yè)，早期有的學(xué)校開(kāi)設(shè)了數(shù)據(jù)科學(xué)專(zhuān)業(yè)，后來(lái)隨著條件逐步成熟，一部分高校開(kāi)設(shè)了大數(shù)據(jù)專(zhuān)業(yè)。大數(shù)據(jù)專(zhuān)業(yè)的教學(xué)內(nèi)容主要集中在三個(gè)方面，一個(gè)方面是數(shù)學(xué)，因?yàn)榇髷?shù)據(jù)需要用到大量的算法，所以數(shù)學(xué)基礎(chǔ)對(duì)大數(shù)據(jù)研發(fā)人員來(lái)說(shuō)還是非常重要的。一方面是統(tǒng)計(jì)學(xué)，大數(shù)據(jù)的很多內(nèi)容是統(tǒng)計(jì)學(xué)的延伸，尤其是大數(shù)據(jù)分析領(lǐng)域。還有一方面是計(jì)算機(jī)技術(shù)，大數(shù)據(jù)是物聯(lián)網(wǎng)和云計(jì)算發(fā)展的必然產(chǎn)物，所以大數(shù)據(jù)的基礎(chǔ)就是計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)。

大數(shù)據(jù)專(zhuān)業(yè)畢業(yè)的學(xué)生就業(yè)面非常廣，由于目前大數(shù)據(jù)正在由概念向產(chǎn)業(yè)轉(zhuǎn)換，所以大部分大數(shù)據(jù)專(zhuān)業(yè)的畢業(yè)生都在從事大數(shù)據(jù)平臺(tái)工程師的崗位，主要任務(wù)是搭建企業(yè)的大數(shù)據(jù)平臺(tái)以及開(kāi)發(fā)一些平臺(tái)上的具體功能。

當(dāng)然，未來(lái)大數(shù)據(jù)崗位涉及到算法分析師、算法實(shí)現(xiàn)工程師、數(shù)據(jù)分析師、BI工程師（還有很多細(xì)分崗位）、數(shù)據(jù)工程師（采集、整理等）、程序員等。

由于目前大數(shù)據(jù)領(lǐng)域的人才缺口比較大，所以目前從事大數(shù)據(jù)崗位的工程師待遇都非常不錯(cuò)，相信在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)，大數(shù)據(jù)相關(guān)崗位的待遇會(huì)明顯高于軟件行業(yè)平均水平。

另外，建議大數(shù)據(jù)專(zhuān)業(yè)的本科生繼續(xù)讀研，讀研會(huì)提供一個(gè)更好的研究平臺(tái)，也會(huì)明顯提升自己的職場(chǎng)競(jìng)爭(zhēng)力。

我目前在帶大數(shù)據(jù)團(tuán)隊(duì)做一些落地項(xiàng)目，我會(huì)陸續(xù)在頭條上寫(xiě)一些大數(shù)據(jù)相關(guān)的科普文章，感興趣的朋友可以關(guān)注我的頭條號(hào)，相信一定會(huì)有所收獲。

如果有大數(shù)據(jù)方面的問(wèn)題，或者是考研方面的問(wèn)題，都可以咨詢(xún)我。

謝謝！

本人從事大數(shù)據(jù)以及相關(guān)行業(yè)，從目前大數(shù)據(jù)實(shí)際運(yùn)用的角度來(lái)說(shuō)一下這個(gè)問(wèn)題。以下是我整理的近年來(lái)大數(shù)據(jù)相關(guān)好崗位以及崗位職責(zé)，技能需求需求，供參考

一，大數(shù)據(jù)開(kāi)發(fā)

從事大數(shù)據(jù)開(kāi)發(fā)工程師

崗位職責(zé)

1、利用Hadoop、Spark等技術(shù)在分布式系統(tǒng)上對(duì)海量歷史數(shù)據(jù)進(jìn)行預(yù)處理，挖掘用戶(hù)信

息；

2、參與大數(shù)據(jù)基礎(chǔ)平臺(tái)的搭建和維護(hù)；

3、負(fù)責(zé)廣告投放項(xiàng)目管理平臺(tái)研發(fā)；

4、負(fù)責(zé)大數(shù)據(jù)計(jì)算處理平臺(tái)項(xiàng)目研發(fā)。

技術(shù)要求

1、熟練掌握c++/Java開(kāi)發(fā)，具備扎實(shí)的程序設(shè)計(jì)基本功和學(xué)習(xí)能力

2、熟悉 Linux，熟悉 shell/perl/python/php 等腳本語(yǔ)言的一種或多種。

3、熟悉傳統(tǒng)數(shù)據(jù)庫(kù)MySQL。

4、熟悉MapReduce、Storm、Spark、Spark Streaming等大數(shù)據(jù)開(kāi)發(fā)工具，對(duì)源代碼

有一定研究者優(yōu)先；

5、熟悉linux環(huán)境，熟悉shell等腳本編程；

6、有大規(guī)模數(shù)據(jù)處理和日志處理經(jīng)驗(yàn)的優(yōu)先。

7、有較強(qiáng)的人際溝通、協(xié)調(diào)能力，具備與技術(shù)人員溝通數(shù)據(jù)需求的能力；

8、具備良好的邏輯分析能力和解決實(shí)際問(wèn)題的能力。

二，大數(shù)據(jù)運(yùn)維

從事大數(shù)據(jù)運(yùn)維工程師

崗位職責(zé)

1、負(fù)責(zé)大數(shù)據(jù)平臺(tái)整體軟硬件的日常運(yùn)維；

2、分析平臺(tái)運(yùn)行狀態(tài)，進(jìn)行性能優(yōu)化；

3、負(fù)責(zé)大數(shù)據(jù)平臺(tái)運(yùn)行故障的分析、定位和解決；

4、負(fù)責(zé)新技術(shù)、新組件的技術(shù)探索、測(cè)試和應(yīng)用；

5、支撐運(yùn)維自動(dòng)化系統(tǒng)的設(shè)計(jì)和開(kāi)發(fā)。

崗位要求：

1、 熟悉hadoop生態(tài)圈主要開(kāi)源技術(shù)組件及其工作原理，能閱讀相關(guān)源代碼，能順利閱讀英文文檔；

2、熟悉軟硬件設(shè)備、網(wǎng)絡(luò)原理，有豐富的大數(shù)據(jù)平臺(tái)部署、性能優(yōu)化和運(yùn)維經(jīng)驗(yàn)；

3、熟悉Linux，熟悉cacti、ganglia、zabbix等運(yùn)維軟件，熟悉SaltStack、Ansible等自動(dòng)化軟件，有python、java、shell編程基礎(chǔ)；

4、工作認(rèn)真負(fù)責(zé)，有較強(qiáng)的學(xué)習(xí)能力、動(dòng)手能力和分析解決問(wèn)題的能力；

補(bǔ)充：

熟悉

Hadoop/Hbase/Hive/Presto/Yarn/Spark/Storm/Kafka/Elasticsearch/Flume等開(kāi)源項(xiàng)目，有運(yùn)維優(yōu)化經(jīng)驗(yàn)者優(yōu)先；

熟悉Linux操作系統(tǒng)的配置、管理及優(yōu)化；

熟悉Python、Linux、shell,有ETL維護(hù)經(jīng)驗(yàn)、電信行業(yè)大數(shù)據(jù)維護(hù)經(jīng)驗(yàn)者優(yōu)先

三，數(shù)據(jù)挖掘

從事數(shù)據(jù)挖掘工程師

崗位職責(zé)

1、對(duì)海量數(shù)據(jù)進(jìn)行分析，建立數(shù)據(jù)挖掘算法，利用大數(shù)據(jù)對(duì)產(chǎn)品進(jìn)行研究和建模，為用戶(hù)提供評(píng)估和預(yù)測(cè)等功能；

2、參與/負(fù)責(zé)用戶(hù)畫(huà)像、推薦等系統(tǒng)搭建，參與核心產(chǎn)品推薦場(chǎng)景算法的研發(fā)和優(yōu)化；

3、采用先進(jìn)的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，為公司業(yè)務(wù)部門(mén)提供決策依據(jù)；

4、搭建數(shù)據(jù)挖掘系統(tǒng)和機(jī)器學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)智能平臺(tái)的自動(dòng)化流程。

1、具備強(qiáng)悍的編碼能力，有扎實(shí)的數(shù)據(jù)結(jié)構(gòu)和算法功底；

2、優(yōu)秀的學(xué)習(xí)能力、獨(dú)立分析問(wèn)題和解決問(wèn)題能力；

3、熟悉Linux開(kāi)發(fā)環(huán)境，熟悉Python，PHP，Java等語(yǔ)言?xún)煞N以上；

4、熟悉基本的數(shù)據(jù)分析方法、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)算法；

5、熟悉SPSS/Modeler/R/Python等至少一種數(shù)據(jù)挖掘工具；

6、熟悉Hadoop/Spark，有Elasticsearch，Solr，Kafka，F(xiàn)lume等開(kāi)源項(xiàng)目使用經(jīng)驗(yàn)

7、有畫(huà)像、廣告、推薦，搜索等算法方向?qū)嶋H工作經(jīng)驗(yàn)優(yōu)先

四，BI（商務(wù)智能）工程師— （包括數(shù)據(jù)庫(kù)開(kāi)發(fā)、BI開(kāi)發(fā)工程師、ETL開(kāi)發(fā)、報(bào)表開(kāi)發(fā)、BI咨詢(xún)顧問(wèn)）

崗位職責(zé)

1、獨(dú)立負(fù)責(zé)業(yè)務(wù)數(shù)據(jù)收集整理，構(gòu)建經(jīng)營(yíng)分析和報(bào)表系統(tǒng)；

2、通過(guò)專(zhuān)題分析，對(duì)業(yè)務(wù)問(wèn)題進(jìn)行深入分析，為業(yè)務(wù)的策略、產(chǎn)品優(yōu)化提供數(shù)據(jù)支持；

3、 以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)為目標(biāo)，進(jìn)行數(shù)倉(cāng)研發(fā)工作但不局限于數(shù)倉(cāng)；

4、 參與數(shù)據(jù)倉(cāng)庫(kù)ETL設(shè)計(jì)、開(kāi)發(fā)和優(yōu)化工作，保證數(shù)據(jù)準(zhǔn)確、穩(wěn)定、組織合理

崗位要求

1、掌握Oracle、MySQL、ODPS等數(shù)據(jù)庫(kù)開(kāi)發(fā)技能，熟練應(yīng)用開(kāi)發(fā)、數(shù)據(jù)庫(kù)原理和常用性能優(yōu)化和擴(kuò)展技術(shù)；

2、掌握數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、熟悉大數(shù)據(jù)平臺(tái)操作，離線(xiàn)計(jì)算Hive/MR研發(fā)、實(shí)時(shí)計(jì)算spark streaming/storm；

3、熟悉ETL邏輯、OLAP設(shè)計(jì)和數(shù)據(jù)分析技術(shù)（聚類(lèi)分析、回歸分析、決策樹(shù)等）、數(shù)據(jù)挖掘相關(guān)算法；

4、熟悉Linux系統(tǒng)環(huán)境開(kāi)發(fā)，掌握shell、perl、python等至少一種開(kāi)發(fā)語(yǔ)言。

6. 有較強(qiáng)的邏輯/概率思維能力，善于分析、歸納、描述、溝通、和解決問(wèn)題。

補(bǔ)充（根據(jù)企業(yè)工具區(qū)別）

1、全面熟知數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)理念、設(shè)計(jì)方法，熟練掌握Informatica、Kettle、Automation等至少一種ETL工具；

2、熟練掌握SAP BO、MSTR、SmartBI、Cognos、QV等至少一種BI工具；

3、熟悉數(shù)據(jù)倉(cāng)庫(kù)，掌握BI相關(guān)工具，如ETL工具（SSIS, SAP DataService）、OLAP工具（SSAS）和前端展示工具(BO CR/Webi)

五，數(shù)據(jù)可視化

從事可視化工程師

崗位職責(zé)

1、負(fù)責(zé)大數(shù)據(jù)平臺(tái)業(yè)務(wù)邏輯和數(shù)據(jù)可視化功能，數(shù)據(jù)可視化組件研發(fā)；

2、搭建基礎(chǔ)的可視化分析平臺(tái)，設(shè)計(jì)數(shù)據(jù)分析應(yīng)用的架構(gòu)，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)調(diào)用與展示；

3、數(shù)據(jù)相關(guān)性分析與根因分析；

4、支持客戶(hù)需求分析和數(shù)據(jù)分析。

崗位要求

1、熟練Web前端技術(shù)（SVG/HTML5/JavaScriptdeJS等）；

2、熟練D3、Echarts、Three.js、WebGL等開(kāi)源數(shù)據(jù)可視化庫(kù)和技術(shù)；

3、有Web服務(wù)器端編程語(yǔ)言（如Node/Java）開(kāi)發(fā)經(jīng)驗(yàn)優(yōu)先；

4、有blender(以及blender game engine)或者unity 3d或unreal engine等開(kāi)發(fā)經(jīng)驗(yàn)優(yōu)先

一些BI崗位的詳細(xì)介紹

BI工程師（開(kāi)發(fā)、咨詢(xún)、實(shí)施）

BI開(kāi)發(fā)工程師

崗位職責(zé)

1、執(zhí)行在框架設(shè)計(jì)的基礎(chǔ)上完成具體組件的概要設(shè)計(jì)、詳細(xì)設(shè)計(jì)編寫(xiě)；

2、完成BI系統(tǒng)具體組件的代碼編寫(xiě)、單元測(cè)試；

3、參與BI系統(tǒng)報(bào)表平臺(tái)技術(shù)架構(gòu)設(shè)計(jì)，數(shù)據(jù)庫(kù)結(jié)構(gòu)設(shè)計(jì)；

4、參與BI系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)架、建模和實(shí)現(xiàn)。

5、負(fù)責(zé)向需求方提供數(shù)據(jù)及業(yè)務(wù)分析服務(wù)，負(fù)責(zé)整體風(fēng)控模型的優(yōu)化，理解并掌握BI報(bào)表需求；

崗位要求

1、有數(shù)據(jù)倉(cāng)庫(kù)或統(tǒng)計(jì)分析類(lèi)項(xiàng)目開(kāi)發(fā)經(jīng)驗(yàn)或較深的理論知識(shí)；

2、熟悉Cognos、Webfocus、ireport等數(shù)據(jù)分析報(bào)表開(kāi)發(fā)工具和技術(shù)；

3、熟悉Linux/Unix服務(wù)器，并了解一些基本的操作命令；

4、至少熟悉Informix/Oracle/SQL Server等數(shù)據(jù)庫(kù)中的一種,并在此基礎(chǔ)上有過(guò)ETL程序或存儲(chǔ)過(guò)程的開(kāi)發(fā)。

5、能夠熟練應(yīng)用JSP/Servlet/JavaScript等WEB開(kāi)發(fā)技術(shù)，熟悉Spring，Struts2和iBATIS等主流的開(kāi)發(fā)框架，熟悉BIRT、JasperReports等開(kāi)源報(bào)表工具；

6、熟悉Linux Shell、Perl等腳本語(yǔ)言，熟悉ORACLE數(shù)據(jù)庫(kù)，PL/SQL編程；

7、熟悉BI系統(tǒng)技術(shù)框架，熟悉數(shù)據(jù)采集流程，對(duì)數(shù)據(jù)倉(cāng)庫(kù)有比較深入的了解；

8、熟悉行業(yè)經(jīng)營(yíng)分析系統(tǒng)（BI）架構(gòu)及實(shí)現(xiàn)者優(yōu)先。

BI咨詢(xún)顧問(wèn)

崗位職責(zé)

1、分析客戶(hù)的數(shù)據(jù)要求；

2、負(fù)責(zé)Qlikview/Tableau BI項(xiàng)目的實(shí)施和報(bào)表開(kāi)發(fā)；

3、負(fù)責(zé)校驗(yàn)數(shù)據(jù)，保障數(shù)據(jù)的準(zhǔn)確；

4、 負(fù)責(zé)客戶(hù)需求收集、分析，梳理業(yè)務(wù)流程解決方案，項(xiàng)目的拓展支撐；

5、撰寫(xiě)需求規(guī)格書(shū)及各類(lèi)相關(guān)文檔；

6、良好的團(tuán)隊(duì)合作、協(xié)調(diào)、問(wèn)題處理能力；

崗位要求

1、對(duì)BI有系統(tǒng)的認(rèn)知；

2、熟練使用Qlikview，Tableau等前端工具；

3、熟悉MS SQL Server，熟練運(yùn)用SQL語(yǔ)言；

4、前端報(bào)表偏業(yè)務(wù)方向需熟悉主流報(bào)表工具或新興前端報(bào)表工具Qlikview、Tableau等優(yōu)先考慮；

6、后臺(tái)數(shù)據(jù)處理需熟悉掌握至少一種后臺(tái)ETL開(kāi)發(fā)工具，例：Informatica powercenter、Datastage、OWB、微軟DTS、Kettle等；

7、后臺(tái)數(shù)據(jù)建模需熟練掌握至少一種數(shù)據(jù)挖掘算法和建模方法，了解建模；

8、良好的英文能力，能快速閱讀和撰寫(xiě)英文技術(shù)文檔者優(yōu)先。

BI實(shí)施工程師

崗位職責(zé)

1、負(fù)責(zé)BI項(xiàng)目的需求調(diào)研與分析工作；

2、負(fù)責(zé)BI項(xiàng)目的方案設(shè)計(jì)、實(shí)施或項(xiàng)目管理工作；

3、參與公司BI產(chǎn)品和項(xiàng)目的實(shí)施開(kāi)發(fā)工作。

崗位要求

1、良好的數(shù)據(jù)庫(kù)基礎(chǔ)，精通SQL，深入掌握Oracle或其他數(shù)據(jù)庫(kù)，能夠進(jìn)行數(shù)據(jù)庫(kù)調(diào)優(yōu)；

3、熟悉ORACLE、MYSQL、SQLSERVER等主流數(shù)據(jù)庫(kù)的安裝及配置、熟悉SQL語(yǔ)句編寫(xiě)及ETL、BI實(shí)施工作；

3、熟悉LINUX操作系統(tǒng)安裝及常用命令；

4、熟悉BI基礎(chǔ)理論知識(shí)，使用過(guò)BI相關(guān)產(chǎn)品；

5、參與BI相關(guān)項(xiàng)目的實(shí)施工作；

6、熟悉TOMCAT、JDK等安裝及參數(shù)配置；

7、具備較強(qiáng)的語(yǔ)言表達(dá)能力，能與客戶(hù)順暢溝通或產(chǎn)品介紹；

8、具備較強(qiáng)的學(xué)習(xí)與動(dòng)手能力，能夠適應(yīng)全國(guó)范圍內(nèi)出差；

9、熟悉hadoop大數(shù)據(jù)及自動(dòng)化運(yùn)維工具經(jīng)驗(yàn)者的待遇從優(yōu)。

ETL工程師

崗位要求：

具備一般的JAVA應(yīng)用開(kāi)發(fā)能力；

熟悉Oracle下的分區(qū)，表空間， SQL性能調(diào)優(yōu)等操作；

熟悉常用的ETL工具，如：kettle， informatica等；

熟悉常用的報(bào)表工具，如：Cognos等。

崗位職責(zé)：

負(fù)責(zé)行業(yè)生產(chǎn)交易系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)，存儲(chǔ)過(guò)程編寫(xiě)，數(shù)據(jù)模型研究，大數(shù)據(jù)研究

六，數(shù)據(jù)分析工程師

崗位職責(zé):

1、進(jìn)行業(yè)務(wù)和企業(yè)經(jīng)營(yíng)行為分析，梳理業(yè)務(wù)規(guī)律和業(yè)務(wù)需求；

2、將業(yè)務(wù)需求轉(zhuǎn)化為數(shù)據(jù)需求，發(fā)現(xiàn)數(shù)據(jù)應(yīng)用場(chǎng)景，梳理指標(biāo)體系；

3、使用合適的數(shù)據(jù)分析工具進(jìn)行數(shù)據(jù)分析和模型設(shè)計(jì)；

4、提出基于數(shù)據(jù)的結(jié)果和分析建議，根據(jù)分析結(jié)果進(jìn)行行業(yè)研究、評(píng)估和預(yù)測(cè)；

5、編寫(xiě)數(shù)據(jù)分析報(bào)告；

6、完成領(lǐng)導(dǎo)交辦的其他工作。

崗位要求

1、本科以上學(xué)歷，計(jì)算機(jī)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)等相關(guān)專(zhuān)業(yè)；

2、深刻理解大數(shù)據(jù)分析原理及相關(guān)應(yīng)用；

3、熟練掌握主流數(shù)據(jù)庫(kù)技術(shù)；

4、精通數(shù)據(jù)分析、挖掘工具與方法，如SAS、R、Python、EXCEL等；

5、敏銳的數(shù)據(jù)觀(guān)察和分析能力，及時(shí)發(fā)現(xiàn)和分析其中隱含的變化和問(wèn)題并給出建議；

6、良好的溝通能力和團(tuán)隊(duì)精神，較強(qiáng)的學(xué)習(xí)能力，能承擔(dān)一定的工作壓力；

互聯(lián)網(wǎng)是一個(gè)快速發(fā)展的行業(yè)，如果你剛上大學(xué)，可能四年出來(lái)就會(huì)有變化！所以還是注意相關(guān)咨詢(xún)！希望能夠幫到你，歡迎關(guān)注，討論

1、大數(shù)據(jù)開(kāi)發(fā)工程師

開(kāi)發(fā)，建設(shè)，測(cè)試和維護(hù)架構(gòu)，負(fù)責(zé)公司大數(shù)據(jù)平臺(tái)的開(kāi)發(fā)和維護(hù)，負(fù)責(zé)大數(shù)據(jù)平臺(tái)持續(xù)集成相關(guān)工具平臺(tái)的架構(gòu)設(shè)計(jì)與產(chǎn)品開(kāi)發(fā)等

2、數(shù)據(jù)分析師

收集，處理和執(zhí)行統(tǒng)計(jì)數(shù)據(jù)分析；運(yùn)用工具，提取、分析、呈現(xiàn)數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的商業(yè)意義，需要業(yè)務(wù)理解和工具應(yīng)用能力

3、數(shù)據(jù)挖掘工程師

數(shù)據(jù)建模、機(jī)器學(xué)習(xí)和算法實(shí)現(xiàn)；商業(yè)智能，用戶(hù)體驗(yàn)分析，預(yù)測(cè)流失用戶(hù)等；需要過(guò)硬的數(shù)學(xué)和統(tǒng)計(jì)學(xué)功底以外，對(duì)算法的代碼實(shí)現(xiàn)也有很高的要求

4、數(shù)據(jù)架構(gòu)師

需求分析，平臺(tái)選擇，技術(shù)架構(gòu)設(shè)計(jì)，應(yīng)用設(shè)計(jì)和開(kāi)發(fā)，測(cè)試和部署；高級(jí)算法設(shè)計(jì)與優(yōu)化；數(shù)據(jù)相關(guān)系統(tǒng)設(shè)計(jì)與優(yōu)化，需要平臺(tái)級(jí)開(kāi)發(fā)和架構(gòu)設(shè)計(jì)能力

5、數(shù)據(jù)科學(xué)家

數(shù)據(jù)挖掘架構(gòu)、模型標(biāo)準(zhǔn)、數(shù)據(jù)報(bào)告、數(shù)據(jù)分析方法；利用算法和模型提高數(shù)據(jù)處理效率、挖掘數(shù)據(jù)價(jià)值、實(shí)現(xiàn)從數(shù)據(jù)到知識(shí)的轉(zhuǎn)換。等等。

加米谷大數(shù)據(jù)培訓(xùn)，6月大數(shù)據(jù)開(kāi)發(fā)0基礎(chǔ)班、提高班，預(yù)報(bào)名中

相關(guān)：大數(shù)據(jù)培訓(xùn)相關(guān)的職業(yè)崗位及主要工作內(nèi)容

https://www.toutiao.com/i6642200037784814094/

第一次工業(yè)革命是機(jī)械化，第二次電氣化，第三次信息化，第四次智能化。這次的工業(yè)革命從規(guī)模，從對(duì)每個(gè)人的生活、對(duì)整個(gè)社會(huì)的影響的廣泛性和深度，都要遠(yuǎn)遠(yuǎn)大于前幾次。在技術(shù)上來(lái)講，核心技術(shù)是通過(guò)數(shù)據(jù)來(lái)觀(guān)察世界，通過(guò)數(shù)據(jù)來(lái)獲取知識(shí)。

站在浪尖上面臨150萬(wàn)的人才緊缺的大數(shù)據(jù)。

大數(shù)據(jù)主要分成三大類(lèi)：大數(shù)據(jù)系統(tǒng)研發(fā)類(lèi)、大數(shù)據(jù)應(yīng)用開(kāi)發(fā)類(lèi)、大數(shù)據(jù)分析類(lèi)，崗位包括大數(shù)據(jù)系統(tǒng)架構(gòu)、大數(shù)據(jù)開(kāi)發(fā)、大數(shù)據(jù)系統(tǒng)分析、數(shù)據(jù)分析、數(shù)據(jù)挖掘、大數(shù)據(jù)可視化、數(shù)據(jù)庫(kù)管理、數(shù)據(jù)遷移等。

據(jù)有關(guān)媒體報(bào)道，目前行業(yè)最稀缺的人才：

1、java大數(shù)據(jù)開(kāi)發(fā)

2、大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)

3、大數(shù)據(jù)分析師（金融企業(yè)急需和緊缺的，尤為突出）

4、數(shù)據(jù)架構(gòu)師

當(dāng)下最熱門(mén)的崗位兩大類(lèi)：一類(lèi)是應(yīng)用類(lèi)，另一類(lèi)是系統(tǒng)類(lèi)。

應(yīng)用類(lèi)

應(yīng)用類(lèi)，偏向于數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用，經(jīng)常說(shuō)到的數(shù)據(jù)分析、數(shù)據(jù)挖掘，就是典型的應(yīng)用技術(shù)。這一類(lèi)職位，要求采用適當(dāng)?shù)姆治龊屯诰蚍椒▽?duì)數(shù)據(jù)進(jìn)行分析，提取數(shù)據(jù)中隱含的業(yè)務(wù)信息，來(lái)支撐企業(yè)決策。

最典型的職位就是：大數(shù)據(jù)分析師。

主要崗位有：

1、大數(shù)據(jù)分析師：主要是指，基于業(yè)務(wù)問(wèn)題，能夠選擇最合適的數(shù)據(jù)分析和數(shù)據(jù)挖掘方法，提取數(shù)據(jù)中的業(yè)務(wù)信息，從而支撐業(yè)務(wù)決策。要求熟悉數(shù)據(jù)分析/挖掘過(guò)程，掌握數(shù)據(jù)分析/挖掘方法，理解數(shù)據(jù)分析模型，熟練操作數(shù)據(jù)分析工具（比如Excel、SPSS、SAS等）。一般對(duì)于大數(shù)據(jù)分析師，其能力要求比較全面，不管是業(yè)務(wù)邏輯、還是分析方法、模型、可視化，都要求全面掌握。

2、業(yè)務(wù)數(shù)據(jù)分析師：側(cè)重于商業(yè)理解，要求能夠?qū)I(yè)務(wù)問(wèn)題和商業(yè)問(wèn)題，轉(zhuǎn)化為大數(shù)據(jù)的問(wèn)題，并將分析結(jié)果從業(yè)務(wù)層面進(jìn)行解讀，從而形成業(yè)務(wù)建議和業(yè)務(wù)策略。要求熟悉業(yè)務(wù)邏輯和業(yè)務(wù)模型，掌握數(shù)據(jù)分析思路，能將數(shù)據(jù)可視化，對(duì)數(shù)據(jù)解讀等。當(dāng)然，類(lèi)似的職位還有大數(shù)據(jù)觀(guān)察員、大數(shù)據(jù)研究員等等，這些都側(cè)重于商業(yè)理解。

3、大數(shù)據(jù)建模/算法師：側(cè)重于數(shù)據(jù)建模，能夠圍繞業(yè)務(wù)問(wèn)題，構(gòu)建合適的數(shù)據(jù)分析框架和分析模型，將業(yè)務(wù)問(wèn)題進(jìn)行分解，從而達(dá)到定性或定量來(lái)描述業(yè)務(wù)的目的。要求熟悉數(shù)據(jù)建模、模型評(píng)估、模型優(yōu)化、模型應(yīng)用等等。

4、大數(shù)據(jù)算法師：側(cè)重于數(shù)據(jù)模型的實(shí)現(xiàn)算法研究、設(shè)計(jì)與實(shí)現(xiàn)，為達(dá)到分析目的，對(duì)實(shí)現(xiàn)算法進(jìn)行分析、選擇與優(yōu)化，確保實(shí)現(xiàn)性能及效果。一般情況下，算法師往往和建模師在一起工作。

系統(tǒng)類(lèi)

系統(tǒng)類(lèi)，偏向于系統(tǒng)研發(fā)，比如Hadoop系統(tǒng)、云計(jì)算，就屬于系統(tǒng)類(lèi)技術(shù)。這一類(lèi)職位，要求熟悉Hadoop大數(shù)據(jù)平臺(tái)的核心框架和組件，能夠基于大數(shù)據(jù)平臺(tái)來(lái)寫(xiě)代碼開(kāi)發(fā)應(yīng)用，支撐業(yè)務(wù)應(yīng)用。

最典型的職位就是：大數(shù)據(jù)工程師。

1、大數(shù)據(jù)開(kāi)發(fā)工程師：負(fù)責(zé)大數(shù)據(jù)系統(tǒng)的開(kāi)發(fā)工作，能夠運(yùn)用編程語(yǔ)言進(jìn)行應(yīng)用程序的開(kāi)發(fā)、測(cè)試和維護(hù)，實(shí)現(xiàn)產(chǎn)品功能。要求掌握編程語(yǔ)言，如JAVA、R、Python等等。

2、大數(shù)據(jù)架構(gòu)師：負(fù)責(zé)大數(shù)據(jù)系統(tǒng)的平臺(tái)架構(gòu)設(shè)計(jì)、平臺(tái)構(gòu)建。要求熟悉Hadoop/Storm/Spark等平臺(tái)，熟悉整個(gè)生態(tài)系統(tǒng)的組件，有平臺(tái)級(jí)開(kāi)發(fā)和架構(gòu)設(shè)計(jì)能力等等。

3、大數(shù)據(jù)運(yùn)維工程師：側(cè)重于大數(shù)據(jù)平臺(tái)運(yùn)維管理，包括系統(tǒng)運(yùn)維規(guī)劃、系統(tǒng)監(jiān)控、系統(tǒng)優(yōu)化等等，保障大數(shù)據(jù)平臺(tái)服務(wù)的穩(wěn)定性和可用性。掌握平臺(tái)各組件的安裝、配置與調(diào)試，有良好的系統(tǒng)性能優(yōu)化及故障排除能力。

4、大數(shù)據(jù)庫(kù)管理員：側(cè)重于數(shù)據(jù)庫(kù)/數(shù)據(jù)倒倉(cāng)庫(kù)的設(shè)計(jì)、開(kāi)發(fā)、管理和優(yōu)化，監(jiān)控?cái)?shù)據(jù)庫(kù)的性能、故障檢測(cè)和排除，包括數(shù)據(jù)采集，數(shù)據(jù)庫(kù)架構(gòu)設(shè)計(jì)，空間和容量規(guī)劃，性能優(yōu)化，數(shù)據(jù)安全和隱私，數(shù)據(jù)容錯(cuò)，等等。

當(dāng)然，在不同的企業(yè)中，職位的名稱(chēng)和叫法有所不同，或者會(huì)衍生出新的職位，但基本的崗位職責(zé)是類(lèi)似的。

1、大數(shù)據(jù)系統(tǒng)架構(gòu)師

大數(shù)據(jù)平臺(tái)搭建、系統(tǒng)設(shè)計(jì)、基礎(chǔ)設(shè)施。

技能：計(jì)算機(jī)體系結(jié)構(gòu)、網(wǎng)絡(luò)架構(gòu)、編程范式、文件系統(tǒng)、分布并行處理等。

年薪百萬(wàn)百度大數(shù)據(jù)架構(gòu)師需要掌握什么技術(shù)？

大數(shù)據(jù)極為龐大。如今每天為我們創(chuàng)造出約2.3萬(wàn)億GB數(shù)據(jù)，這意味著數(shù)據(jù)世界每?jī)赡甓紝⒃鲩L(zhǎng)一倍。那么，展望即將到來(lái)的2018年，大數(shù)據(jù)領(lǐng)域會(huì)出現(xiàn)哪些變化?這些變化又會(huì)給我們?cè)斐稍鯓拥挠绊懀?/p>

（1）、我們終將利用暗數(shù)據(jù)；　

（2）、 結(jié)構(gòu)化與非結(jié)構(gòu)化邊界的消失；　

（3）、CDO快速崛起；　

（4）、量子計(jì)算進(jìn)入公眾視野。

那么，大數(shù)據(jù)架構(gòu)師需要掌握什么技術(shù)？

（1）、統(tǒng)計(jì)分析

大數(shù)定律、抽樣推測(cè)規(guī)律、 秩和檢測(cè) 、回歸分析、方差分析等

（2）、可視化輔助工具

Excel 、PPT、Xmind 、Visio

（3）、大數(shù)據(jù)處理框架

Hadoop 、 Kaffka、Storm 、ELK、Spark

（4）、數(shù)據(jù)庫(kù)

SQlite 、MySQL 、MongoDB 、Redis 、Cassandra 、HBase

（5）、數(shù)據(jù)倉(cāng)庫(kù)/商業(yè)智能

SSIS數(shù)據(jù)倉(cāng)庫(kù)、SSAS MDX多維數(shù)據(jù)表Ssrs、DW2.0

（6）、數(shù)據(jù)挖掘工具

Matlab、SAS、SPSS、R、Python

（7）、人工智能/挖掘算法

機(jī)器學(xué)習(xí)、數(shù)據(jù)結(jié)構(gòu)一致性、常用算法

（8）、編程語(yǔ)言

Python、R、Ruby、Java

2、大數(shù)據(jù)系統(tǒng)分析師

面向?qū)嶋H行業(yè)領(lǐng)域，利用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)安全生命周期管理、分析和應(yīng)用。

技能：人工智能、機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)、矩陣計(jì)算、優(yōu)化方法。

3、大數(shù)據(jù)開(kāi)發(fā)工程師

圍繞大數(shù)據(jù)系平臺(tái)系統(tǒng)級(jí)的研發(fā)人員， 熟練Hadoop、Spark、Storm等主流大數(shù)據(jù)平臺(tái)的核心框架。深入掌握如何編寫(xiě)MapReduce的作業(yè)及作業(yè)流的管理完成對(duì)數(shù)據(jù)的計(jì)算， 熟練掌握Hadoop整個(gè)生態(tài)系統(tǒng)的組件如： Yarn，HBase、Hive、Pig等重要組件，能夠?qū)崿F(xiàn)對(duì)平臺(tái)監(jiān)控、輔助運(yùn)維系統(tǒng)的開(kāi)發(fā)。

通過(guò)學(xué)習(xí)一系列面向開(kāi)發(fā)者的Hadoop、Spark等大數(shù)據(jù)平臺(tái)開(kāi)發(fā)技術(shù)，掌握設(shè)計(jì)開(kāi)發(fā)大數(shù)據(jù)系統(tǒng)或平臺(tái)的工具和技能，能夠從事分布式計(jì)算框架如Hadoop、Spark群集環(huán)境的部署、開(kāi)發(fā)和管理工作，如性能改進(jìn)、功能擴(kuò)展、故障分析等。

4、數(shù)據(jù)分析師

不同行業(yè)中，專(zhuān)門(mén)從事行業(yè)數(shù)據(jù)搜集、整理、分析，并依據(jù)數(shù)據(jù)做出行業(yè)研究、評(píng)估和預(yù)測(cè)的專(zhuān)業(yè)人員。在工作中通過(guò)運(yùn)用工具，提取、分析、呈現(xiàn)數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的商業(yè)意義。

作為一名數(shù)據(jù)分析師，至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數(shù)據(jù)魔鏡等數(shù)據(jù)分析軟件中的一門(mén)，至少能用Acess等進(jìn)行數(shù)據(jù)庫(kù)開(kāi)發(fā)，至少掌握一門(mén)數(shù)學(xué)軟件如matalab、mathmatics進(jìn)行新模型的構(gòu)建，至少掌握一門(mén)編程語(yǔ)言。總之，一個(gè)優(yōu)秀的數(shù)據(jù)分析師，應(yīng)該業(yè)務(wù)、管理、分析、工具、設(shè)計(jì)都不落下。

5、數(shù)據(jù)挖掘工程師

做數(shù)據(jù)挖掘要從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，這就需要一定的數(shù)學(xué)知識(shí)，最基本的比如線(xiàn)性代數(shù)、高等代數(shù)、凸優(yōu)化、概率論等。經(jīng)常會(huì)用到的語(yǔ)言包括Python、Java、C或者C++，我自己用Python或者Java比較多。有時(shí)用MapReduce寫(xiě)程序，再用Hadoop或者Hyp來(lái)處理數(shù)據(jù)，如果用Python的話(huà)會(huì)和Spark相結(jié)合。

6、大數(shù)據(jù)實(shí)施工程師：能熟練架設(shè)數(shù)據(jù)庫(kù).大數(shù)據(jù)分析生態(tài)系統(tǒng)，通過(guò)Hive編寫(xiě)常見(jiàn)的 MapReduce程序。

7、用戶(hù)交互技術(shù)工程師

大數(shù)據(jù)所提供的用戶(hù)交互方式主要有五種類(lèi)型，分別是統(tǒng)計(jì)分析和數(shù)據(jù)挖掘、任意查詢(xún)和分析、立方體分析、企業(yè)報(bào)表、報(bào)表分發(fā)和預(yù)警，它們?cè)诮换コ潭群陀脩?hù)群類(lèi)型及規(guī)模上各有差異。

8、大數(shù)據(jù)可視化工程師

隨著大數(shù)據(jù)在人們工作及日常生活中的應(yīng)用，大數(shù)據(jù)可視化也改變著人類(lèi)的對(duì)信息的閱讀和理解方式。從百度遷徙到谷歌流感趨勢(shì)，再到ucloud云推出縣域經(jīng)濟(jì)可視化產(chǎn)品，大數(shù)據(jù)技術(shù)和大數(shù)據(jù)可視化都是幕后的英雄。

9、大數(shù)據(jù)采集與管理師

大數(shù)據(jù)浪潮，洶涌來(lái)襲，與互聯(lián)網(wǎng)的發(fā)明一樣，這絕不僅僅是信息技術(shù)領(lǐng)域的革命，更是在全球范圍加速企業(yè)創(chuàng)新、引領(lǐng)社會(huì)變革的利器?，F(xiàn)代關(guān)系學(xué)之父德魯克有言，預(yù)測(cè)未來(lái)最好的方法，就是去創(chuàng)造未來(lái)。而“大數(shù)據(jù)戰(zhàn)略”，則是當(dāng)下領(lǐng)航全球的先機(jī)。“大數(shù)據(jù)”（BigData）指一般的軟件工具難以捕捉、管理和分析的大容量數(shù)據(jù)?！按髷?shù)據(jù)”之“大”，并不僅僅在于“容量之大”，更大的意義在于：通過(guò)對(duì)海量數(shù)據(jù)的交換、整合和分析，發(fā)現(xiàn)新的知識(shí)，創(chuàng)造新的價(jià)值，帶來(lái)“大知識(shí)”、“大科技”、“大利潤(rùn)”和“大發(fā)展”?！按髷?shù)據(jù)”能幫助企業(yè)找到一個(gè)個(gè)難題的答案，給企業(yè)帶來(lái)前所未有的商業(yè)價(jià)值與機(jī)會(huì)。大數(shù)據(jù)同時(shí)也給企業(yè)的IT系統(tǒng)提出了巨大的挑戰(zhàn)。通過(guò)不同行業(yè)的“大數(shù)據(jù)”應(yīng)用狀況，我們能夠看到企業(yè)如何使用大數(shù)據(jù)和云計(jì)算技術(shù)，解決他們的難題，靈活、快速、高效地響應(yīng)瞬息萬(wàn)變的市場(chǎng)需求。

10、數(shù)據(jù)安全師

從事數(shù)據(jù)安全的系統(tǒng)管理與監(jiān)測(cè)工作，數(shù)據(jù)安全在大數(shù)據(jù)行業(yè)極為重要，因此數(shù)據(jù)安全師的地位遠(yuǎn)遠(yuǎn)高于線(xiàn)下生活中保安的地位。

11、數(shù)據(jù)營(yíng)銷(xiāo)師

大家一看不算很新，但是實(shí)際上這個(gè)職位與過(guò)去的營(yíng)銷(xiāo)崗位除了有相近的傳播、推廣、溝通說(shuō)服與信息匯集的功能以外，在今天的數(shù)據(jù)營(yíng)銷(xiāo)師會(huì)遇到的最大問(wèn)題是客戶(hù)提出了問(wèn)題，而這個(gè)問(wèn)題或者需求是原來(lái)的大數(shù)據(jù)產(chǎn)品或者技術(shù)不能完全解決的，因此營(yíng)銷(xiāo)過(guò)程帶有較強(qiáng)的探索性溝通與尋求合作研發(fā)的特性。

同時(shí)，數(shù)據(jù)營(yíng)銷(xiāo)師往往需要一定的架構(gòu)能力，而且能夠理解數(shù)據(jù)架構(gòu)的邏輯，從而能夠創(chuàng)造性地推廣前沿性的數(shù)據(jù)產(chǎn)品與服務(wù)。

12、數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家是指能采用科學(xué)方法、運(yùn)用數(shù)據(jù)挖掘工具對(duì)復(fù)雜多量的數(shù)字、符號(hào)、文字、網(wǎng)址、音頻或視頻等信息進(jìn)行數(shù)字化重現(xiàn)與認(rèn)識(shí)，并能尋找新的數(shù)據(jù)洞察的工程師或?qū)＜?不同于統(tǒng)計(jì)學(xué)家或分析師)。一個(gè)優(yōu)秀的數(shù)據(jù)科學(xué)家需要具備的素質(zhì)有：懂?dāng)?shù)據(jù)采集、懂?dāng)?shù)學(xué)算法、懂?dāng)?shù)學(xué)軟件、懂?dāng)?shù)據(jù)分析、懂預(yù)測(cè)分析、懂市場(chǎng)應(yīng)用、懂決策分析等。

13、大數(shù)據(jù)分析架構(gòu)師

梳理業(yè)務(wù)數(shù)據(jù)的來(lái)源、定義、邏輯，根據(jù)多樣化的業(yè)務(wù)需求制定、優(yōu)化報(bào)表；l 理解并分析相關(guān)產(chǎn)品和制造流程現(xiàn)狀，根據(jù)業(yè)務(wù)需求分析挖掘數(shù)據(jù)規(guī)律、趨勢(shì)、關(guān)注點(diǎn)，為產(chǎn)品制造業(yè)務(wù)提供決策支持；l 基于海量數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)和AI的方法，為個(gè)人電腦和手機(jī)產(chǎn)品制造業(yè)務(wù)提供個(gè)性化服務(wù)，提升制造效率和質(zhì)量；l 負(fù)責(zé)相應(yīng)安全AI模型設(shè)計(jì)，研發(fā)適合在業(yè)務(wù)中使用的模型、算法和工具，以支持?jǐn)?shù)據(jù)分析需求和模擬預(yù)測(cè)業(yè)務(wù)場(chǎng)景。l 結(jié)合業(yè)務(wù)層面數(shù)字化項(xiàng)目，開(kāi)發(fā)系統(tǒng)數(shù)據(jù)接口及建立分析預(yù)判機(jī)制，實(shí)現(xiàn)數(shù)據(jù)定制可視化、預(yù)警、模擬、決策輔助。

14、大數(shù)據(jù)解決方案架構(gòu)師

負(fù)責(zé)大數(shù)據(jù)業(yè)務(wù)的售前技術(shù)支持，能獨(dú)立進(jìn)行售前工作，包括并不限于客戶(hù)需求調(diào)研、解決方案編制和技術(shù)交流；

　　對(duì)競(jìng)爭(zhēng)產(chǎn)品和方案進(jìn)行競(jìng)爭(zhēng)分析和對(duì)比，對(duì)市場(chǎng)競(jìng)爭(zhēng)形勢(shì)進(jìn)行總結(jié)；

　　配合銷(xiāo)售團(tuán)隊(duì)培訓(xùn)代理商合作伙伴，并提供相關(guān)培訓(xùn)和技術(shù)支持；

　　分析、撰寫(xiě)和總結(jié)公司產(chǎn)品的行業(yè)應(yīng)用方案。

不同的平臺(tái)對(duì)應(yīng)不同的職位

1、數(shù)據(jù)平臺(tái)

Data Platform，構(gòu)建、維護(hù)穩(wěn)定、安全的大數(shù)據(jù)平臺(tái)，按需設(shè)計(jì)大數(shù)據(jù)架構(gòu)，調(diào)研選型大數(shù)據(jù)技術(shù)產(chǎn)品、方案，實(shí)施部署上線(xiàn)。對(duì)于大數(shù)據(jù)領(lǐng)域涉及到的大多數(shù)技術(shù)都要有所了解，并精通某一部分，具備分布式系統(tǒng)的知識(shí)背景;

對(duì)應(yīng)職位：大數(shù)據(jù)架構(gòu)師，數(shù)據(jù)平臺(tái)工程師

2、數(shù)據(jù)采集

Data Collecting，從Web/Sensor/RDBMS等渠道獲取數(shù)據(jù)，為大數(shù)據(jù)平臺(tái)提供數(shù)據(jù)來(lái)源，如Apache Nutch是開(kāi)源的分布式數(shù)據(jù)采集組件，大家熟知的Python爬蟲(chóng)框架ScraPy等。

對(duì)應(yīng)職位：爬蟲(chóng)工程師，數(shù)據(jù)采集工程師

3、數(shù)據(jù)倉(cāng)庫(kù)

Data Warehouse，有點(diǎn)類(lèi)似于傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)工作內(nèi)容：設(shè)計(jì)數(shù)所倉(cāng)庫(kù)層級(jí)結(jié)構(gòu)、ETL、進(jìn)行數(shù)據(jù)建模，但基于的平臺(tái)不一樣，在大數(shù)據(jù)時(shí)代，數(shù)據(jù)倉(cāng)庫(kù)大多基于大數(shù)據(jù)技術(shù)實(shí)現(xiàn)，例如Hive就是基于Hadoop的數(shù)據(jù)倉(cāng)庫(kù)。

對(duì)應(yīng)職位：ETL工程師，數(shù)據(jù)倉(cāng)庫(kù)工程師

3、數(shù)據(jù)處理

Data Processing，完成某些特定需求中的處理或數(shù)據(jù)清洗，在小團(tuán)隊(duì)中是結(jié)合在數(shù)據(jù)倉(cāng)庫(kù)中一起做的，以前做ETL或許是利用工具直接配置處理一些過(guò)濾項(xiàng)，寫(xiě)代碼部分會(huì)比較少，如今在大數(shù)據(jù)平臺(tái)上做數(shù)據(jù)處理可以利用更多的代碼方式做更多樣化的處理，所需技術(shù)有Hive、Hadoop、Spark等。隨便說(shuō)下，千萬(wàn)不要小看數(shù)據(jù)處理，后續(xù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘等工作都是基于數(shù)據(jù)處理的質(zhì)量，可以說(shuō)數(shù)據(jù)處理在整個(gè)流程中有特別重要的位置。

對(duì)應(yīng)職位：Hadoop工程師，Spark工程師

5、數(shù)據(jù)分析

Data Analysis，基于統(tǒng)計(jì)分析方法做數(shù)據(jù)分析：例如回歸分析、方差分析等;大數(shù)據(jù)分析例如Ad-Hoc交互式分析，SQL on Hadoop的技術(shù)有：Hive、Impala、Presto、Spark SQL，支持OLAP的技術(shù)有：Kylin;

對(duì)應(yīng)職位：數(shù)據(jù)分析師

6、數(shù)據(jù)挖掘

Data Mining，是一個(gè)比較寬泛的概念，可以直接理解為從大量數(shù)據(jù)中發(fā)現(xiàn)有用的信息。大數(shù)據(jù)中的數(shù)據(jù)挖掘，主要是設(shè)計(jì)并在大數(shù)據(jù)平臺(tái)上實(shí)現(xiàn)數(shù)據(jù)挖掘算法：分類(lèi)算法、聚類(lèi)算法、關(guān)聯(lián)分析等。

對(duì)應(yīng)職位：數(shù)據(jù)挖掘工程師

7、機(jī)器學(xué)習(xí)

Machine Learning，與數(shù)據(jù)挖掘經(jīng)常一起討論，甚至被認(rèn)為是同一事物。機(jī)器學(xué)習(xí)是一個(gè)計(jì)算機(jī)與統(tǒng)計(jì)學(xué)交叉的學(xué)科，基本目標(biāo)是學(xué)習(xí)一個(gè)x->y的函數(shù)(映射)，來(lái)做分類(lèi)或者回歸的工作。之所以經(jīng)常和數(shù)據(jù)挖掘合在一起講是因?yàn)楝F(xiàn)在好多數(shù)據(jù)挖掘的工作是通過(guò)機(jī)器學(xué)習(xí)提供的算法工具實(shí)現(xiàn)的，例如個(gè)性化推薦，是通過(guò)機(jī)器學(xué)習(xí)的一些算法分析平臺(tái)上的各種購(gòu)買(mǎi)，瀏覽和收藏日志，得到一個(gè)推薦模型，來(lái)預(yù)測(cè)你喜歡的商品。

對(duì)應(yīng)職位：算法工程師，研究員

8、深度學(xué)習(xí)

Deep Learning，是機(jī)器學(xué)習(xí)里面的一個(gè)topic(非?；鸬腡opic)，從深度學(xué)習(xí)的內(nèi)容來(lái)看其本身是神經(jīng)網(wǎng)絡(luò)算法的衍生，在圖像、語(yǔ)音、自然語(yǔ)言等分類(lèi)和識(shí)別上取得了非常好的效果，大部分的工作是在調(diào)參。不知道大家有否發(fā)現(xiàn)現(xiàn)在的Google翻譯比以前的要準(zhǔn)確很多，因?yàn)镚oogle在去年底將其Google翻譯的核心從原來(lái)基于統(tǒng)計(jì)的方法換成了基于神經(jīng)網(wǎng)絡(luò)的方法;

對(duì)應(yīng)職位：算法工程師，研究員

9、數(shù)據(jù)可視化

Data Visualization，將分析、挖掘后的高價(jià)值數(shù)據(jù)用比較優(yōu)美、靈活的方式展現(xiàn)在老板、客戶(hù)、用戶(hù)面前，更多的是一些前端的東西，也可能要求有一定的美學(xué)知識(shí)。結(jié)合使用者的喜好，以最恰當(dāng)?shù)姆绞匠尸F(xiàn)數(shù)據(jù)價(jià)值;

對(duì)應(yīng)職位：數(shù)據(jù)工程師，BI工程師

10、數(shù)據(jù)應(yīng)用

Data Application，從以上的每個(gè)部分可以衍生出的應(yīng)用，例如廣告精準(zhǔn)投放、個(gè)性化推薦、用戶(hù)畫(huà)像等。

對(duì)應(yīng)職位：數(shù)據(jù)工程師

從數(shù)據(jù)科學(xué)家到數(shù)據(jù)架構(gòu)師，大數(shù)據(jù)職場(chǎng)中的核心新崗位

任何新行業(yè)興起的時(shí)候必然伴隨著行業(yè)的深化與細(xì)化，伴隨著新職業(yè)崗位的生長(zhǎng)，大數(shù)據(jù)行業(yè)也不例外。大家都說(shuō)大數(shù)據(jù)，很多人甚至省略掉了數(shù)據(jù)，其實(shí)我們今天很多朋友做的最多算數(shù)據(jù)行業(yè)，還遠(yuǎn)不是大數(shù)據(jù)行業(yè)，因?yàn)檫€沒(méi)有做數(shù)據(jù)源的整合、不同結(jié)構(gòu)數(shù)據(jù)源的清理與對(duì)接、數(shù)據(jù)的貫通分析與實(shí)時(shí)共享；即使已經(jīng)是大數(shù)據(jù)行業(yè)，那么屬于大數(shù)據(jù)硬件行業(yè)（如制造、銷(xiāo)售、管理大數(shù)據(jù)服務(wù)器）還是軟件行業(yè)（開(kāi)發(fā)大數(shù)據(jù)管理系統(tǒng)、數(shù)據(jù)內(nèi)容的軟件化整合與開(kāi)發(fā)應(yīng)用）也是不一樣的；就算同是大數(shù)據(jù)軟件行業(yè)，那么是屬于數(shù)據(jù)庫(kù)管理與運(yùn)行維護(hù)，還是屬于數(shù)據(jù)應(yīng)用就是差異行業(yè)；同樣是數(shù)據(jù)應(yīng)用行業(yè)，數(shù)據(jù)資源的轉(zhuǎn)移應(yīng)用與精準(zhǔn)匹配應(yīng)用，與基于深度分析的決策應(yīng)用，也是深度細(xì)分的差異行業(yè)；在大數(shù)據(jù)決策應(yīng)用行業(yè)中，基于大數(shù)據(jù)分析的人工應(yīng)用模式與基于大數(shù)據(jù)智能的自動(dòng)化應(yīng)用模式，可以看成不同的技術(shù)含量的精度細(xì)分行業(yè)。零點(diǎn)有數(shù)就是屬于最后這個(gè)類(lèi)別的大數(shù)據(jù)智能應(yīng)用服務(wù)機(jī)構(gòu)。

而在這樣的行業(yè)中，我們會(huì)看到不少新興的職業(yè)崗位興起，其中不少人已經(jīng)對(duì)數(shù)據(jù)科學(xué)家這一說(shuō)法有認(rèn)識(shí)，他們往往是數(shù)據(jù)模型或者說(shuō)算法的設(shè)計(jì)者，也是復(fù)雜算法的修正優(yōu)化與管理者；數(shù)據(jù)營(yíng)銷(xiāo)師，大家一看不算很新，但是實(shí)際上這個(gè)職位與過(guò)去的營(yíng)銷(xiāo)崗位除了有相近的傳播、推廣、溝通說(shuō)服與信息匯集的功能以外，在今天的數(shù)據(jù)營(yíng)銷(xiāo)師會(huì)遇到的最大問(wèn)題是客戶(hù)提出了問(wèn)題，而這個(gè)問(wèn)題或者需求是原來(lái)的大數(shù)據(jù)產(chǎn)品或者技術(shù)不能完全解決的，因此營(yíng)銷(xiāo)過(guò)程帶有較強(qiáng)的探索性溝通與尋求合作研發(fā)的特性；數(shù)據(jù)工程師是與數(shù)據(jù)科學(xué)家合作實(shí)施具體的數(shù)據(jù)管理與開(kāi)發(fā)工作的技術(shù)白領(lǐng)，今天絕大部分?jǐn)?shù)據(jù)工程師是邊干邊學(xué)，一般他們往往是學(xué)習(xí)計(jì)算機(jī)或者數(shù)據(jù)科學(xué)出身的初級(jí)專(zhuān)業(yè)人員；數(shù)據(jù)挖掘師，在海量數(shù)據(jù)中從事數(shù)據(jù)分類(lèi)、清洗、標(biāo)簽與檢核工作；數(shù)據(jù)安全師，從事數(shù)據(jù)安全的系統(tǒng)管理與監(jiān)測(cè)工作，數(shù)據(jù)安全在大數(shù)據(jù)行業(yè)極為重要，因此數(shù)據(jù)安全師的地位遠(yuǎn)遠(yuǎn)高于線(xiàn)下生活中保安的地位。在所有這些崗位以外，有一個(gè)崗位往往是很少為人提及，但實(shí)際上至為重要的，那就是數(shù)據(jù)架構(gòu)師。數(shù)據(jù)架構(gòu)師需要判斷在某一領(lǐng)域、行業(yè)的基本趨勢(shì)與特點(diǎn)，熟悉開(kāi)放式關(guān)鍵中的最佳標(biāo)桿與前沿和典型做法，對(duì)于半封閉與體系內(nèi)需要具備敏銳與犀利的洞察能力，由此而能來(lái)定義數(shù)據(jù)應(yīng)用任務(wù)或者項(xiàng)目的目標(biāo)與疆界、核心工作內(nèi)容與指標(biāo)、路線(xiàn)圖與時(shí)間表，其中涉及到在多大意義上要體現(xiàn)本任務(wù)與宏觀(guān)需要的契合、與周?chē)赡苡械钠渌P(guān)聯(lián)系統(tǒng)的對(duì)接口、要素保障與條件保障、危機(jī)測(cè)定與安全管理機(jī)制。架構(gòu)師需要將總體目標(biāo)、要素關(guān)系、推進(jìn)步驟能夠在合理構(gòu)設(shè)中藍(lán)圖化與實(shí)現(xiàn)優(yōu)化整合。與設(shè)計(jì)師不同的是，架構(gòu)師不只是藍(lán)圖設(shè)計(jì)者，也是藍(lán)圖可行性的負(fù)責(zé)人與推進(jìn)者、協(xié)調(diào)者。

盡管我們?cè)谇懊婷枋龃髷?shù)據(jù)行業(yè)的時(shí)候有一種介紹序列，其實(shí)在實(shí)際的大數(shù)據(jù)應(yīng)用中，我們可以反過(guò)來(lái)看我們的大數(shù)據(jù)需要，然后設(shè)定我們?cè)诖髷?shù)據(jù)應(yīng)用、軟硬件建設(shè)中的需要，這也是數(shù)據(jù)架構(gòu)師所可能設(shè)計(jì)的工作內(nèi)容。而我們所說(shuō)的數(shù)據(jù)科學(xué)家，在一定程度上是鏈接與細(xì)化數(shù)據(jù)架構(gòu)師工作的，而數(shù)據(jù)營(yíng)銷(xiāo)師往往需要一定的架構(gòu)能力，而且能夠理解數(shù)據(jù)架構(gòu)的邏輯，從而能夠創(chuàng)造性地推廣前沿性的數(shù)據(jù)產(chǎn)品與服務(wù)。如果我能夠大致提出一個(gè)典型大數(shù)據(jù)智能服務(wù)機(jī)構(gòu)中這幾類(lèi)崗位的人員比例，那么它們大致是：數(shù)據(jù)架構(gòu)師：數(shù)據(jù)營(yíng)銷(xiāo)師：數(shù)據(jù)科學(xué)家：數(shù)據(jù)工程師：數(shù)據(jù)挖掘師：數(shù)據(jù)安全師=1:2:3:30:60:5。而從人才市場(chǎng)的供應(yīng)來(lái)說(shuō)，實(shí)際上越是后面的崗位越是可以依靠專(zhuān)業(yè)機(jī)構(gòu)培訓(xùn)的，越是前面的人才往往是在一定專(zhuān)業(yè)基礎(chǔ)上在實(shí)際工作涌現(xiàn)的具有特殊技能的營(yíng)運(yùn)人才而需要數(shù)據(jù)機(jī)構(gòu)領(lǐng)導(dǎo)人去留心發(fā)現(xiàn)。

由于國(guó)內(nèi)高校2016年開(kāi)始開(kāi)設(shè)大數(shù)據(jù)本科專(zhuān)業(yè)，目前還沒(méi)有畢業(yè)生流向市場(chǎng)，造成人才嚴(yán)重短缺，所以大數(shù)據(jù)人才待遇較高。

初級(jí)崗位（3—5年）：15000—25000月/元；

中級(jí)崗位（5—10年）：25000—35000月/元；

高級(jí)崗位（10年以上）：40—100萬(wàn)/年。

如大數(shù)據(jù)系統(tǒng)架構(gòu)師、大數(shù)據(jù)分析架構(gòu)師、數(shù)據(jù)科學(xué)家等。

總之，選擇大數(shù)據(jù)專(zhuān)業(yè)，從事大數(shù)據(jù)工作，待遇高，前景好！