大數據實施工程師

❶ 數據工程師是屬於開發還是實施

數據工程師既有開發，也有實施部分。

大數據工程師可以從事對大量數據的採集、清洗、分析、治理、挖掘，並對這些數據加以利用、管理、維護和服務的相關技術工作。大數據工程師是利用大數據技術處理大量數據的專業技術人員，大數據工程師專業技術水平等級培訓考試分初級、中級、高級三個級別。

2016年工信部印發《大數據產業發展規劃（2016-2020年）》等指導性文件，提出要加快建設網路強國、數字中國、智慧社會，加快實施國家大數據戰略；同時提出要加強專業化數據工程師等大數據專業人才培養，開展大數據知識普及和教育培訓，提高社會整體認知和應用水平。

報名條件

凡遵守中華人民共和國憲法 、法律、法規，具有良好的業務素質和道德品行，具備各等級報考條件者，均可參加智慧建造師專業技術等級考試。

❷ 大數據工程師告訴你大數據和BI的區別

【導讀】在進行大數據分析的時候，分析師需要從海量的收集數據中，通過不同的演算法直接分析不同渠道、格式的數據，從中找到相關數據，然後再做進一步分析，得出較為准確的結論。近年來大數據行業頗受歡迎，報考人數也是越來越多，所以我們更需要全面了解，今天我們就來了解一下大數據和BI的區別。

1、從思維方式角度

大數據對於傳統BI，既有繼承，也有發展，從」道」的角度講，BI與大數據區別在於前者更傾向於決策，對事實描述更多是基於群體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題，大數據則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。

2、從工具的角度

傳統BI使用的是ETL、數據倉庫、OLAP、可視化報表技術，屬於應用和展示層技術，目前都處於淘汰的邊緣，因為它解決不了海量數據(包括結構化與非結構化)的處理問題。而大數據應用的是一個完整的技術體系，包括用Hadoop、流處理等技術解決海量的結構化、非結構化數據的ETL問題，用Hadoop、MPP等技術計算海量數據的計算問題，用redis、HBASE等方式解決高效讀的問題，用Impala等技術實現在線分析等問題。因此是個全新的行業。

3、從數據來源角度

大數據應用的數據來源，不僅僅包括非結構化的數據，還有各種系統數據，資料庫數據。其中非結構化數據主要是集中在互聯網以及一些社交網站上的數據以及一些機器設備的數據，這些都構成了大數據應用的數據來源。對於大數據的分析工具來說，現階段也是對於非結構化的數據分析的比較多。

BI系統則是在數據集成方面的技術越來越成熟，對於數據的提取，一個各種數據挖掘的要求來說，數據集成平台會幫助企業實現數據的流通和交互使用，在企業內部實施BI應用就是為了可以更好的對數據進行分享和使用。

4、從發展方向角度

BI的發展要從傳統的商務智能模式開始轉換，對於企業來說，BI不僅僅是一個IT項目，更是一種管理和思維的方式，從技術的部署到業務的流程規劃，BI迎來新的發展。對於大數據來說，現階段更多的大數據關注在非結構化數據，不同的數據分析工具的出現和行內的應用范圍不斷的加大，對於大數據應用來說，怎麼與應用的行業進行一個深層次的結合才是最重要的。

關於大數據和BI的區別，就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助，想要了解更多的大數據工程師技能、方法、課程等等，歡迎大家前來了解咨詢。

❸ 大數據開發工程師以後可以從事哪些崗位

大數據開發工程師可以從事以下崗位：

1. 大數據工程師：負責搭建大數據平台、開發和優化數據處理系統和數據倉庫。

2. 數據架構師：負責設計和管理企業的數據架構，確保數據在系統中的完整性和一致性。

3. 數據倉庫架構師：負橋頃李責設計和開乎源發數據倉庫，使商業智能系統從中獲取可靠數據以支持業務決策。

4. 數據科學家：利用數據分析和統計技術幫助企業敏遲發現數據中的重要信息，提供商業洞察。

5. 機器學習工程師：建立機器學習系統以自動化數據分析和預測，提供高效率和精度。

6. 數據分析師：負責分析和解釋數據，評估業務決策並提供指導建議。

7. 數據治理專員：開發和執行數據治理策略，確保數據質量和信息安全。

8. 數據質量工程師：負責創建和執行數據質量檢查和驗證規則，保證數據准確性和完整性。

9. 數據基礎架構工程師：管理和優化企業數據基礎設施的表現和可靠性，以支持各種業務用例。

10. 大數據系統管理員：監測和維護大數據平台性能，並對系統中的錯誤進行排除，確保系統滿足業務需求。

❹ 想成為一名大數據工程師,需要具備哪些技能

1、 掌握至少一種資料庫開發技術：Oracle、Teradata、DB2、Mysql等，靈活運用SQL實現海量數據ETL加工處內理。

2、 熟悉Linux系統常容規shell處理命令，靈活運用shell做的文本處理和系統操作。

3、 有從事分布式數據存儲與計算平台應用開發經驗，熟悉Hadoop生態相關技術並有相關實踐經驗著優先，重點考察Hdfs、Maprece、Hive、Hbase。

4、 熟練掌握一門或多門編程語言，並有大型項目建設經驗者優先，重點考察Java、Python、Perl。

5、 熟悉數據倉庫領域知識和技能者優先，包括但不局限於：元數據管理、數據開發測試工具與方法、數據質量、主數據管理。

6、 掌握實時流計算技術，有storm開發經驗者優先。

關於想成為一名大數據工程師需要具備哪些技能的內容，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

❺ 澶ф暟鎹宸ョ▼甯堟棩甯鎬換鍔℃湁鍝浜

1銆佸ぇ鏁版嵁宸ョ▼甯堝彲浠ュ仛澶ф暟鎹寮鍙戝伐浣滐紝寮鍙戱紝寤鴻撅紝嫻嬭瘯鍜岀淮鎶ゆ灦鏋勶紝璐熻矗鍏鍙稿ぇ鏁版嵁騫沖彴鐨勫紑鍙戝拰緇存姢錛岃礋璐ｅぇ鏁版嵁騫沖彴鎸佺畫闆嗘垚鐩稿叧宸ュ叿騫沖彴鐨勬灦鏋勮捐′笌浜у搧寮鍙戠瓑銆
2銆佸ぇ鏁版嵁宸ョ▼甯堝彲浠ュ仛鏁版嵁鍒嗘瀽宸ヤ綔錛屾敹闆嗭紝澶勭悊鍜屾墽琛岀粺璁℃暟鎹鍒嗘瀽錛岃繍鐢ㄥ伐鍏鳳紝鎻愬彇銆佸垎鏋愩佸憟鐜版暟鎹錛屽疄鐜版暟鎹鐨勫晢涓氭剰涔夛紝闇瑕佷笟鍔＄悊瑙ｅ拰宸ュ叿搴旂敤鑳藉姏銆
3銆佸ぇ鏁版嵁宸ョ▼甯堝彲浠ュ仛鏁版嵁鎸栨帢宸ヤ綔錛屾暟鎹寤烘ā銆佹満鍣ㄥ︿範鍜岀畻娉曞疄鐜幫紝鍟嗕笟鏅鴻兘錛岀敤鎴蜂綋楠屽垎鏋愶紝棰勬祴嫻佸け鐢ㄦ埛絳夛紝闇瑕佽繃紜鐨勬暟瀛﹀拰緇熻″﹀姛搴曚互澶栵紝瀵圭畻娉曠殑浠ｇ爜瀹炵幇涔熸湁寰堥珮鐨勮佹眰銆
4銆佸ぇ鏁版嵁宸ョ▼甯堝彲浠ュ仛鏁版嵁搴撳紑鍙戝強綆＄悊宸ヤ綔錛岃捐★紝寮鍙戝拰瀹炴柦鍩轟簬瀹㈡埛闇奼傜殑鏁版嵁搴撶郴緇燂紝閫氳繃鐞嗘兂鎺ュ彛榪炴帴鏁版嵁搴撳拰鏁版嵁搴撳伐鍏鳳紝浼樺寲鏁版嵁搴撶郴緇熺殑鎬ц兘鏁堢巼絳夈

❻ 如何成為一名大數據工程師

大數據是眼下非常時髦的技術名詞，與此同時自然也催生出了一些與大數據處理相關的職業，通過對數據的挖掘分析來影響企業的商業決策。

這群人在國外被叫做數據科學家（Data Scientist），這個頭銜最早由D.J.Pati和Jeff Hammerbacher於2008年提出，他們後來分別成為了領英（LinkedIn）和Facebook數據科學團隊的負責人。而數據科學家這個職位目前也已經在美國傳統的電信、零售、金融、製造、物流、醫療、教育等行業里開始創造價值。

不過在國內，大數據的應用才剛剛萌芽，人才市場還不那麼成熟，「你很難期望有一個全才來完成整個鏈條上的所有環節。更多公司會根據自己已有的資源和短板，招聘能和現有團隊互補的人才。」領英（LinkedIn）中國商務分析及戰略總監王昱堯對《第一財經周刊》說。

數據工程師是做什麼的？於是每家公司對大數據工作的要求不盡相同：有的強調資料庫編程、有的突出應用數學和統計學知識、有的則要求有咨詢公司或投行相關的經驗、有些是希望能找到懂得產品和市場的應用型人才。正因為如此，很多公司會針對自己的業務類型和團隊分工，給這群與大數據打交道的人一些新的頭銜和定義：數據挖掘工程師、大數據專家、數據研究員、用戶分析專家等都是經常在國內公司里出現的Title，我們將其統稱為「大數據工程師」。

由於國內的大數據工作還處在一個有待開發的階段，因此能從其中挖掘出多少價值完全取決於工程師的個人能力。已經身處這個行業的專家給出了一些人才需求的大體框架，包括要有計算機編碼能力、數學及統計學相關背景，當然如果能對一些特定領域或行業有比較深入的了解，對於其快速判斷並抓准關鍵因素則更有幫助。

雖然對於一些大公司來說，擁有碩博學歷的公司人是比較好的選擇，不過阿里巴巴集團研究員薛貴榮強調，學歷並不是最主要的因素，能有大規模處理數據的經驗並且有喜歡在數據海洋中尋寶的好奇心會更適合這個工作。

除此之外，一個優秀的大數據工程師要具備一定的邏輯分析能力，並能迅速定位某個商業問題的關鍵屬性和決定因素。「他得知道什麼是相關的，哪個是重要的，使用什麼樣的數據是最有價值的，如何快速找到每個業務最核心的需求。」聯合國網路大數據聯合實驗室數據科學家沈志勇說。學習能力能幫助大數據工程師快速適應不同的項目，並在短時間內成為這個領域的數據專家；溝通能力則能讓他們的工作開展地更順利，因為大數據工程師的工作主要分為兩種方式：由市場部驅動和由數據分析部門驅動，前者需要常常向產品經理了解開發需求，後者則需要找運營部了解數據模型實際轉化的情況。

你可以將以上這些要求看做是成為大數據工程師的努力方向，因為根據萬寶瑞華管理合夥人顏莉萍（Nicole Yan）的觀察，這是一個很大的人才缺口。目前國內的大數據應用多集中在互聯網領域，有超過56%的企業在籌備發展大數據研究，「未來5年，94%的公司都會需要數據科學家。」顏莉萍（Nicole Yan）說。因此她也建議一些原本從事與數據工作相關的公司人可以考慮轉型。

用阿里巴巴集團研究員薛貴榮的話來說，大數據工程師就是一群「玩數據」的人，玩出數據的商業價值，讓數據變成生產力。大數據和傳統數據的最大區別在於，它是在線的、實時的，規模海量且形式不規整，無章法可循，因此「會玩」這些數據的人就很重要。

沈志勇認為如果把大數據想像成一座不停累積的礦山，那麼大數據工程師的工作就是，「第一步，定位並抽取信息所在的數據集，相當於探礦和采礦。第二步，把它變成直接可以做判斷的信息，相當於冶煉。最後是應用，把數據可視化等。」

因此分析歷史、預測未來、優化選擇，這是大數據工程師在「玩數據」時最重要的三大任務。通過這三個工作方向，他們幫助企業做出更好的商業決策。

1.找出過去事件的特徵

大數據工程師一個很重要的工作，就是通過分析數據來找出過去事件的特徵。比如，騰訊的數據團隊正在搭建一個數據倉庫，把公司所有網路平台上數量龐大、不規整的數據信息進行梳理，總結出可供查詢的特徵，來支持公司各類業務對數據的需求，包括廣告投放、游戲開發、社交網路等。

找出過去事件的特徵，最大的作用是可以幫助企業更好地認識消費者。通過分析用戶以往的行為軌跡，就能夠了解這個人，並預測他的行為。「你可以知道他是什麼樣的人、他的年紀、興趣愛好，是不是互聯網付費用戶、喜歡玩什麼類型的游戲，平常喜歡在網上做什麼事情。」騰訊雲計算有限公司北京研發中心總經理鄭立峰對《第一財經周刊》說。下一步到了業務層面，就可以針對各類人群推薦相關服務，比如手游，或是基於不同特徵和需求衍生出新的業務模式，比如微信的電影票業務。

2.預測未來可能發生的事情

通過引入關鍵因素，大數據工程師可以預測未來的消費趨勢。在阿里媽媽的營銷平台上，工程師正試圖通過引入氣象數據來幫助淘寶賣家做生意。「比如今年夏天不熱，很可能某些產品就沒有去年暢銷，除了空調、電扇，背心、游泳衣等都可能會受其影響。那麼我們就會建立氣象數據和銷售數據之間的關系，找到與之相關的品類，提前警示賣家周轉庫存。」薛貴榮說。

在網路，沈志勇支持「網路預測」部分產品的模型研發，試圖用大數據為更廣泛的人群服務。已經上線的包括世界盃預測、高考預測、景點預測等。以網路景點預測為例，大數據工程師需要收集所有可能影響一段時間內景點人流量的關鍵因素進行預測，並為全國各個景點未來的擁擠度分級—在接下來的若干天時間里，它究竟是暢通、擁擠，還是一般擁擠？

3.找出最優化的結果

根據不同企業的業務性質，大數據工程師可以通過數據分析來達到不同的目的。

以騰訊來說，鄭立峰認為能反映大數據工程師工作的最簡單直接的例子就是選項測試（AB Test），即幫助產品經理在A、B兩個備選方案中做出選擇。在過去，決策者只能依據經驗進行判斷，但如今大數據工程師可以通過大范圍地實時測試—比如，在社交網路產品的例子中，讓一半用戶看到A界面，另一半使用B界面，觀察統計一段時間內的點擊率和轉化率，以此幫助市場部做出最終選擇。

作為電商的阿里巴巴，則希望通過大數據鎖定精準的人群，幫助賣家做更好的營銷。「我們更期待的是你能找到這樣一批人，比起現有的用戶，這些人對產品更感興趣。」薛貴榮說。一個淘寶的實例是，某人參賣家原來推廣的目標人群是產婦，但工程師通過挖掘數據之間的關聯性後發現，針對孕婦群體投放的營銷轉化率更高。

需要具備的能力

1.數學及統計學相關的背景

就我們采訪過的BAT三家互聯網大公司來說，對於大數據工程師的要求都是希望是統計學和數學背景的碩士或博士學歷。沈志勇認為，缺乏理論背景的數據工作者，更容易進入一個技能上的危險區域（Danger Zone）—一堆數字，按照不同的數據模型和演算法總能捯飭出一些結果來，但如果你不知道那代表什麼，就並不是真正有意義的結果，並且那樣的結果還容易誤導你。「只有具備一定的理論知識，才能理解模型、復用模型甚至創新模型，來解決實際問題。」沈志勇說。

2.計算機編碼能力

實際開發能力和大規模的數據處理能力是作為大數據工程師的一些必備要素。「因為許多數據的價值來自於挖掘的過程，你必須親自動手才能發現金子的價值。」鄭立峰說。

舉例來說，現在人們在社交網路上所產生的許多記錄都是非結構化的數據，如何從這些毫無頭緒的文字、語音、圖像甚至視頻中攫取有意義的信息就需要大數據工程師親自挖掘。即使在某些團隊中，大數據工程師的職責以商業分析為主，但也要熟悉計算機處理大數據的方式。

3.對特定應用領域或行業的知識

在顏莉萍（Nicole Yan）看來，大數據工程師這個角色很重要的一點是，不能脫離市場，因為大數據只有和特定領域的應用結合起來才能產生價值。所以，在某個或多個垂直行業的經歷能為應聘者積累對行業的認知，對於之後成為大數據工程師有很大幫助，因此這也是應聘這個崗位時較有說服力的加分項。

「他不能只是懂得數據，還要有商業頭腦，不論對零售、醫葯、游戲還是旅遊等行業，能就其中某些領域有一定的理解，最好還是與公司的業務方向一致的，」就此薛貴榮還打了個比方，「過去我們說一些奢侈品店員勢利，看人一眼就知道買得起買不起，但這群人恰恰是有敏銳度的，我們認為他們是這個行業的專家。又比如對醫療行業了解的人，他在考慮醫療保險業務時，不僅會和人們醫院看病的記錄相關，也會考慮飲食數據，這些都是基於對該領域的了解。」

職業發展1.如何成為大數據工程師

由於目前大數據人才匱乏，對於公司來說，很難招聘到合適的人才—既要有高學歷，同時最好還有大規模數據處理經驗。因此很多企業會通過內部挖掘。

2014年8月，阿里巴巴舉辦了一個大數據競賽，把天貓平台上的數據拿出來，去除敏感問題後，放到雲計算平台上交予7000多支隊伍進行比賽，比賽分為內部賽和外部賽。「通過這個方式來激勵內部員工，同時也發現外部人才，讓各行業的大數據工程師涌現出來。」

顏莉萍（Nicole Yan）建議，目前長期從事資料庫管理、挖掘、編程工作的人，包括傳統的量化分析師、Hadoop方面的工程師，以及任何在工作中需要通過數據來進行判斷決策的管理者，比如某些領域的運營經理等，都可以嘗試該職位，而各個領域的達人只要學會運用數據，也可以成為大數據工程師。

2.薪酬待遇

作為IT類職業中的「大熊貓」，大數據工程師的收入待遇可以說達到了同類的頂級。根據顏莉萍（Nicole Yan）的觀察，國內IT、通訊、行業招聘中，有10%都是和大數據相關的，且比例還在上升。顏莉萍（Nicole Yan）表示，「大數據時代的到來很突然，在國內發展勢頭激進，而人才卻非常有限，現在完全是供不應求的狀況。」在美國，大數據工程師平均每年薪酬高達17.5萬美元，而據了解，在國內頂尖互聯網類公司，同一個級別大數據工程師的薪酬可能要比其他職位高20%至30%，且頗受企業重視。

3.職業發展路徑

由於大數據人才數量較少，因此大多數公司的數據部門一般都是扁平化的層級模式，大致分為數據分析師、資深研究員、部門總監3個級別。大公司可能按照應用領域的維度來劃分不同團隊，而在小公司則需要身兼數職。有些特別強調大數據戰略的互聯網公司則會另設最高職位—如阿里巴巴的首席數據官。「這個職位的大部分人會往研究方向發展，成為重要數據戰略人才。」顏莉萍（Nicole Yan）說。另一方面，大數據工程師對商業和產品的理解，並不亞於業務部門員工，因此也可轉向產品部或市場部，乃至上升為公司的高級管理層。

❼ 大數據運維工程師需要的技能

大數據運維工程師需要的技能有：具備一定的伺服器知識、有提供方案的能力、需要對數據具有高度的敏感性、需要掌握一些腳本語言。

大數據運維工程師的主要職責：

1、承擔團隊的日常管理，如值班安排、工作分配、日常考評等。

2、組織制訂、完善與本部門相關的管理制度、標准操作手冊 SOP維護操作MOP和應急預案等。

3、組織制定中心基礎設施保養計劃，做好相關計劃的實現、控制及優化工作。

4、審核、報批、組織實施各類變更申請、事報告工作，做好相關應昌蘆急工作的指揮與處理。耐培帶

5、組織開展數據中心基礎設施運行維護相關培訓、訓練與演練。

6、協助商務部與外包服務商洽談相關維護服務合同，監督服務實施並要求進行審核與考評，確保相關基礎設施的穩定運行。

7、負責數據中心基礎設施資源統計、容量預警工作，做好每月用水用電統計、PUE統計與分析。

8、配合數據中心進駐客戶的場地選址、平面布局、改造實施、進駐管理等支持協調工作。

9、基礎設施月報、環境報告的編寫和提交。

10、數據中心基礎設施的持續優化和改善。

11、負責上級主管領導交辦的其它工作。

❽ 數據工程師是做什麼工作內容

數據工程師都做什麼？
數據工程師負責創建和維護分析基礎架構，該基礎架構幾乎可以支持數據世界中的所有其他功能。他們負責大數據架構的開發、構建、維護和測試，例如資料庫和大數據處理系統。大數據工程師還負責創建用於建模，挖掘，獲取和驗證數據集合等流程。
數據工程師的關鍵技能
下面介紹數據工程師所需的幾項關鍵技能。
1.大數據架構的工具與組件
數據工程師更關注分析基礎架構，因此所需的大部分技能都是以架構為中心的。
2.深入了解SQL和其它資料庫解決方案
數據工程師需要熟悉資料庫管理系統，深入了解SQL至關重要。同樣其它資料庫解決方案，例如Cassandra或BigTable也須熟悉，因為不是每個資料庫都是由可識別的標准來構建。
3.數據倉庫和ETL工具
數據倉庫和ETL經驗對於數據工程師至關重要。像Redshift或Panoply這樣的數據倉庫解決方案，以及ETL工具，比如StitchData或Segment都非常有用。此外，數據存儲和數據檢索經驗同樣重要，因為處理的數據量是個天文數字。
4.基於Hadoop的分析（HBase，Hive，MapRece等）
對基於Apache Hadoop的分析有深刻理解是這個領域的一個非常必要的需求，一般情況下HBase，Hive和MapRece的知識存儲是必需的。
5.編碼
說到解決方案，編碼與開發能力是一個重要的優點（這也是許多職位的要求），你要熟悉Python，C/C++，Java，Perl，Golang或其它語言，這會非常有價值。
6.機器學習
雖然數據工程師主要關注的是數據科學，但對數據處理技術的理解會加分，比如一些統計分析知識和基礎數據建模。
機器學習已經成為標准數據科學，該領域的知識可以幫我們構建同類產品的解決方案。這種知識還有一個好處，就是讓你在這個領域極具市場價值，因為在這種情況下能夠「戴上兩頂帽子」會讓你成為一個更強大的工具。
7.多種操作系統
最後，需要我們對Unix，Linux和Solaris系統有深入了解，許多數學工具基於這些操作系統，因為它們有Windows和Mac系統功能沒有的訪問許可權和特殊硬體需求。

❾ 大數據工程師常用的大數據BI工具是什麼

【導語】目前，無論是大企業還是小企業，都面臨著數字化轉型的挑戰。如何在大數據中獲得更好地洞察力，有效改善用戶體驗，同時達到優化生產力的效果，這時候進行數據分析就顯得尤為重要了，那麼大數據工程師常用的大數據BI工具是什麼?

1、億信ABI

億信ABI是億信華辰開發的一款全能型數據分析平台。支持連接多種類型的數據源，包括：關系型資料庫，分布式資料庫，文件數據源，介面數據源等;也能靈活支持跨源跨庫的數據分析。內置了數倉實施工具，通過拖拽式的流程設計，實現了數據抽取、清洗、轉換、裝載及調度。支持業務人員自助分析，拖拖拽拽就能做出數據分析。

2、Tableau

Tableau是國外比較流行的一款數據可視化工具，可視化功能很強大，對計算機的硬體要求較高，部署較復雜。支持與Matlab進行集成計算。目前在數據挖掘領域做得相對比較簡單，只是內置了預測和聚類兩個挖掘分析演算法，但支持R語言等挖掘語言集成。

3、QlikView

QlikView比較靈活，展示樣式多樣。它允許設置和調整每個對象的每個小方面，並自定義可視化和儀錶板的外觀。QlikView數據文件(QVD文件)概念的引入，一定程度上取代了ETL工具的功能，擁有可集成的ETL(提取，轉換，載入)引擎，能夠執行普通的數據清理操作，但是這可能會很昂貴。

4、Power BI

Power
BI是微軟提供的一種商業分析產品，因為是微軟的產品，所以它的知名度很高。在產品的功能、易用性、美觀程度上都有很好的表現。這個產品的學習成本較低、上手快，因為桌面版不提供協作選項，因此最適合獨立用戶或在同一個辦公區工作的人使用，對於有復雜業務場景需求的客戶，包括有定製開發需求的客戶來說，存在不小的障礙。

5、Finebi

Finebi是帆軟開發的一款敏捷BI工具，帆軟早期專注於傳統報表的圖表組件功能，以價格優勢佔到了不低的市場份額，作為傳統報表起步的公司，在敏捷BI的沖擊下市場受到了沖擊並開始轉向敏捷路線。Finebi做到了將IT人員從分析環節的中心淡去，提供了從數據採集到數據加工處理、數據存儲、數據分析、數據可視化為一體的一站式商業智能解決方案。

關於大數據工程師常用的大數據BI工具，就給大家說明到這里了，其實大數據行業的發展未來前景一路看好，希望大家能夠抓住機遇，加油!