学习了大数据后有哪些好的工作岗位。
作者：张老师 浏览次数： 2019-09-28 15:08
不可否认，大数据这个词儿在现在实在是太火了，已经是眼下非常时髦的技术名词，自然而然也就催生了与大数据处理相关的职业。对于一般公司来说，基本上的逻辑就是，数据一多就叫大;一叫大数据，就用Hadoop啊，Spark啊。都是近两年的初创公司爱招这个title的人，由于业务规模不大，用不上并且用不起IOE这种体量传统平台解决方案，想借着大数据的风头招点儿人，用廉价的机器组个Hadoop甚至直接用阿里云或者AWS，这样对外也好吹牛说，我们用的“大数据”。学习完大数据有哪些好的工作岗位呢？
一、大数据分析师
该职位需要具备极强的大数据分析能力，如临时取数分析、报表需求分析、精准营销分析、风控分析以及市场研究分析能力等。
所需掌握的工具：R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT等。
所需掌握的技能：SQL数据库、概率统计、常用的算法模型、分析报告的撰写、商业的敏感性等。
二、数据挖掘工程师
该职位需要具备极强的数据挖掘能力，如用户基础研究、个性化推荐算法、风控模型、产品知识库、文本挖掘、语义识别以及图像识别等。
所需掌握的工具：R、Python、SAS、SPSS、Spark、Mlib等。
所需掌握的技能：SQL数据库、概率统计、机器学习算法原理、模型评估、模型部署、模型监控。
三、Hadoop开发工程师
基于hadoop、hive等构建数据分析平台，进行数据平台架构设计、开发分布式计算业务; 应用大数据、数据挖掘、分析建模等技术，对海量数据进行挖掘，发现其潜在的关联规则;
对hadoop、hive、hbase、Map/Reduce相关产品进行预研、开发;通过Hadoop相关技术解决海量数据处理问题、大数据量的分析。Hadoop相关业务脚本的性能优化与提升，不断提高系统运行效率;
一个优秀的大数据工程师要具备一定的逻辑分析能力，并能迅速定位某个商业问题的关键属性和决定因素。学习能力能帮助大数据工程师快速适应不同的项目，并在短时间内成为这个领域的数据专家;沟通能力则能让他们的工作开展地更顺利，因为大数据工程师的工作主要分为两种方式：由市场部驱动和由数据分析部门驱动，前者需要常常向产品经理了解开发需求，后者则需要找运营部了解数据模型实际转化的情况。
一、大数据分析师
该职位需要具备极强的大数据分析能力，如临时取数分析、报表需求分析、精准营销分析、风控分析以及市场研究分析能力等。
所需掌握的工具：R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT等。
所需掌握的技能：SQL数据库、概率统计、常用的算法模型、分析报告的撰写、商业的敏感性等。
二、数据挖掘工程师
该职位需要具备极强的数据挖掘能力，如用户基础研究、个性化推荐算法、风控模型、产品知识库、文本挖掘、语义识别以及图像识别等。
所需掌握的工具：R、Python、SAS、SPSS、Spark、Mlib等。
所需掌握的技能：SQL数据库、概率统计、机器学习算法原理、模型评估、模型部署、模型监控。
三、Hadoop开发工程师
基于hadoop、hive等构建数据分析平台，进行数据平台架构设计、开发分布式计算业务; 应用大数据、数据挖掘、分析建模等技术，对海量数据进行挖掘，发现其潜在的关联规则;
对hadoop、hive、hbase、Map/Reduce相关产品进行预研、开发;通过Hadoop相关技术解决海量数据处理问题、大数据量的分析。Hadoop相关业务脚本的性能优化与提升，不断提高系统运行效率;
一个优秀的大数据工程师要具备一定的逻辑分析能力，并能迅速定位某个商业问题的关键属性和决定因素。学习能力能帮助大数据工程师快速适应不同的项目，并在短时间内成为这个领域的数据专家;沟通能力则能让他们的工作开展地更顺利，因为大数据工程师的工作主要分为两种方式：由市场部驱动和由数据分析部门驱动，前者需要常常向产品经理了解开发需求，后者则需要找运营部了解数据模型实际转化的情况。
- 上一篇：普通的数据分析与大数据分析的差距。
- 下一篇：我国各地之间的大数据发展情况。
