大数据分析人才

A. 大数据就业岗位有哪些

大数据方面的就业主要有三大方向：

一是数据分析类大数据人才，二是系统研发类大数据人才，三是应用开发类大数据人才。他们的基础岗位分别是大数据系统研发工程师、大数据应用开发工程师、大数据分析师。

2大数据热门专业

1、Hadoop开发 随着数据规模不断增大，传统BI的数据处理成本过高企业负担加重。而Hadoop廉价的数据处理能力被重新挖掘，企业需求持续增长。并成为大数据人才必须掌握的一种技术。

2、信息架构开发 大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以十分有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。

3、数据安全研究 数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。

4、ETL研发 企业数据种类与来源的不断增加，对数据进行整合与处理变得越来越困难，企业迫切需要一种有数据整合能力的人才。ETL开发者这是在此需求基础下而诞生的一个职业岗位。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。

B. 在新时期，如何利用大数据成为不可或缺的人才

感谢悟空的邀请！

 

在新时期，谈起大数据，相信很多人都不陌生了吧！其实大数据已经悄无声息的走入了我们的生活，大数据也是未来互联网发展的重要方向。

那么在新时期，大数据对人才的能力有何要求？如何利用大数据成为新时代不可多得的人才？下面带你详细分析下：

大家都知道，其实现在的中国市场，最缺乏的就是复合型的大数据开发人才，我认为，在新时代，要想成为大数据人才，应该从以下几方面着手：

1、大数据人才首先要拥有技术

大数据自然离不开人才，要想成为大数据不可或缺的人才 ，就必须要拥有相关大数据技能。大家都知道，大数据对人才的能力提出了更加高的要求，技术能力上大数据人才要具备java、大数据开发、大数据架构、软件开发工程等技术背景，会用大数据分析工具，了解统计模型相关知识；在一定程度上掌握Python等一类通用型编程语言，特别是编程方面一定要精通，没有哪一种大数据不需熟练掌握一门编程语言的。

 

2、大数据人才需要强大的跨学科学习

随着大数据向各行业的渗透，大数据从业者往往身兼数职，需要同时掌握数据技术和业务知识。一个好的大数据人才，必须具备强大的数据分析、数据挖掘的能力，而一个既能做业务数据分析，又懂机器学习和工程开发的分析师就是数据科学家。

 

3、  大数据人才需要坚持

     任何技术的掌握都不是一朝一夕的事情，当然大数据也不例外。大数据人才对人提出了更高的需要，不仅需要掌握相关的编程语言，还需要掌握数据分析能力，这就要求我们想要全方位提升自己的大数据业务水平，必须要坚持学习，只有具备大数据知识了，我们才能投入到大数据行业添砖加瓦。

 

4、 坚持学习的能力

大数据人才要有较强的沟通协调能力、学习能及推动能力、善于执行和监控，有较强的组织和责任意识，还需要强大的逻辑思维能力、归纳演绎能力帮助理解业务，能快速学习全新领域的商业模式和生态。

5、心态很重要

学习大数据的时候，一定要有良好的心态，大数据学习是一个枯燥的国产。要想学有所成，心态极其重要，不是什么东西一学就会的。

 

总结：在新时期，目前大数据人才已经成为市场上不可或缺的人才，大数据已经悄无声息的进入到很多行业了。但学习大数据不是一朝一夕的事情，需要有规划有计划的学习、要有坚持学习的能力，只有这样，才会在新时期，成为新时代所需要的大数据不可多得的人才…

大数据是我的主要研究方向之一，同时也在带大数据、机器学习方向的研究生，所以我来回答一下这个问题。

首先，当前正处在大数据时代，大数据未来将创造出一个巨大的新价值领域，而这个领域的核心就是围绕数据价值化的一系列环节。从目前大数据领域所形成的初步产业链来看，涉及到数据采集、数据整理、数据存储、数据安全、数据分析和数据引用，目前数据分析是比较常见的落地应用之一。所以，要想利用大数据成为不可或缺的人才应该从大数据产业链入手。

对于当前没有进入职场的大学生来说，根据自身的知识结构来掌握相应的大数据技术能够在一定程度上提升自身的职场竞争力。比如具备数学基础的同学可以考虑学习一下大数据分析技术，未来对于大量的职场人来说，数据分析将是日常工作的一部分。对于动手能力比较强的同学，可以考虑学习一下大数据运维的相关技术，包括数据采集、大数据平台部署等。随着大数据逐渐开始落地到传统行业，大数据分析、大数据运维、大数据开发等岗位将有大量的人才需求。

对于当前的职场人来说，要想通过大数据成为不可或缺的人才，需要从三个方面入手，其一是掌握大数据技术；其二是把大数据技术与行业相结合；其三是能够通过大数据技术创造出源源不断的价值。

学习大数据技术要根据自身的知识结构来学习，对于职场人来说，可以从大数据分析工具开始学习，基本的学习路线是Excel、BI工具、数据库、Python编程。大数据与行业的结合有多种不同的方式，目前场景大数据分析是比较常见的落地应用。要想通过大数据技术来创造出价值，一个重要的出发点就是通过大数据完成各自决策的制定，大数据不是目的，通过大数据完成各自决策才是目的。大数据一方面是给人力岗位使用，另一方面是给智能体使用，未来智能体的应用空间将非常广阔。

我是从以前做淘宝天猫的，今年不做的。在我看来大数据有点类似淘宝的生意参谋，它会给您提供行业各种数据，只是现在应该这个数据维度更丰富了。比如这个行业同行的转化率，有些行业的转化率，进店访客等等；在电商平台都是可以看到的，但是实体以前是做不到的。

现在随着数字技术的发展，以及实体行业对消费反馈收集困难等原因，才有了大数据的概念。比如现在好多行业面临的问题是自己设计的产品，消费者不喜欢，卖不出去。可以如果有了大数据，你就知道你的客户男女比例多少，年龄分布、喜好什么价位的产品等等，让你设计的产品更精准。

其实在我看来，你成为数字化的运营高手，你就可以成为不可或缺的人才。

大数据在我看来就是“1+1=N”。

怎么说呢，比如大数据提供给您行业转化率是多少，你的实体转化率是多少？等等，你想成为不可或缺的人才，那你就要有通过这些数据知道我公司现在问题出现在什么地方了？是什么因素刺激的出现了这种情况的能力，比如这周你店铺成交额涨了多少？这是数据给您能提供的，但是为什么涨了，数据给您提供不了，这你要自己分析，是有节气，还是因为你做了一个什么活动等，并针对现有数据对下一周做出计划。

数据给你的是“1+1=N”你要做的就是把这个数据反映到实物上，并进行分析，并制定下一步公司运作计划。

比如现在是数据给你1+1=3，那你就要分析为什么是3，不是2或者1甚至0呢？是什么刺激这个数据的增长了，是因为你在某些方面优化了还是因为有节气等，下一步什么安排等，也就是说你的每一步都能从数据反映出来，并能分析数据，做出下一步的安排等。

好了就说这么多吧，说太细我怕我理解的不准确，误导人。

对于一个企业来说，大数据可以拓宽产品的销售渠道和提升服务质量。有利于获取市场的动态和了解分析用户需求体验。

大数据如何才能发挥其作用，最重要的还是得有相对应的人才为它进行分析整理。

大数据可以让业内的情况变得清晰明了，是事实的支撑，通过数据可以知道业内的最新动态，根据数据分析，及时做出方案调整 有利于企业的发展。

大数据的工作中最重要的是什么？

1. 细致精准的数据采集；

2. 同时具备逻辑性与适用性；

3. 数据标签的规划切实可行(务实)；

4. 具备行业垂直度的商业性思维能力；

5. 能够做到更强的扩展性构架。

总结来说，商业化的大数据最重要的价值便是逻辑性与适用性，而扩展性也能保证在实践中更有竞争力，最后便是务实和思维能力的支撑。

任何时代的任何职业都需要面对竞争，所以能够产生的价值决定了我们被需求的程度，如想成为那个不可或缺的人，不仅要具备能力，还要具备务实的心态！

感谢悟空邀请回答。当今世界是 科技 高速发展的时代，也同样是大数据时代，竞争也是十分的激烈，要想成为大数据不可或缺的人才，必须要保证自己的专业知识过硬，这是一个看技术的活，弱者会被淘汰只有强者才能生存！

大数据可以拓宽产品的销售渠道和提升服务质量。有利于获取市场的动态和了解分析用户需求体验。

大数据如何才能发挥其作用，最重要的还是得有相对应的人才为它进行分析整理。

大数据可以让业内的情况变得清晰明了，是事实的支撑，通过数据可以知道业内的最新动态，根据数据分析，及时做出方案调整 有利于企业的发展。

C. 大数据需要什么人才

大数据需要以下六类人才：
一、大数据系统研发工程师。
这一专业人才负责大数据系统研发，包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等，同时，还要负责数据集群的日常运作和系统的监测等，这一类人才是任何构设大数据系统的机构都必须的。
二、大数据应用开发工程师。
此类人才负责搭建大数据应用平台以及开发分析应用程序，他们必须熟悉工具或算法、编程、优化以及部署不同的MapRece，他们研发各种基于大数据技术的应用程序及行业解决方案。其中，ETL开发者是很抢手的人才，他们所做的是从不同的源头抽取数据，转换并导入数据仓库以满足企业的需要，将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库，成为联机分析处理、数据挖掘的基础，为提取各类型的需要数据创造条件。
三、大数据分析师。
此类人才主要从事数据挖掘工作，运用算法来解决和分析问题，让数据显露出真相，同时，他们还推动数据解决方案的不断更新。随着数据集规模不断增大，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapRece、Pig等的需求将持续增长，具备Hadoop框架经验的技术人员是最抢手的大数据人才，他们所从事的是热门的分析师工作。
四、数据可视化工程师。
此类人才负责在收集到的高质量数据中，利用图形化的工具及手段的应用，清楚地揭示数据中的复杂信息，帮助用户更好地进行大数据应用开发，如果能使用新型数据可视化工具如Spotifre，Qlikview和Tableau，那么，就成为很受欢迎的人才。
五、数据安全研发人才。
此类人才主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施，而对于数据安全方面的具体技术的人才就更需要了，如果数据安全技术，同时又具有较强的管理经验，能有效地保证大数据构设和应用单位的数据安全，那就是抢手的人才。
六、数据科学研究人才。
数据科学研究是一个全新的工作，够将单位、企业的数据和技术转化为有用的商业价值，随着大数据时代的到来，越来越多的工作、事务直接涉及或针对数据，这就需要有数据科学方面的研究专家来进行研究，通过研究，他们能将数据分析结果解释给IT部门和业务部门管理者听，数据科学专家是联通海量数据和管理者之间的桥梁，需要有数据专业、分析师能力和管理者的知识，这也是抢手的人才。

D. 大数据人才需求有哪些趋势

当前大数据领域的人才需求有三个较为明显的趋势，这些趋势一定要引起从业者的重视，其一是大数据岗位的划分逐渐行业化，更多行业领域出现了自己的大数据岗位，这些岗位不再仅仅以开发岗、算法岗来划分，而更趋向于全栈化，这就要求从业者的知识结构要更加全面化。

其次是大数据领域的创新会更趋向于数据价值出口的打造，这个过程会要求大数据与更多技术相结合，比如大数据与区块链的结合就有很多创新点。从大的发展和创新趋势来看，大数据未来将是互联网(包括产业互联网)价值的主要承载方式之一，所以互联网的价值越大则大数据的价值就越大，基于这个创新思路，大数据技术必然要与众多技术手段相结合。

除此之外，大数据的生产将从被动变为主动，传统的数据采集方式将发生变化，传统的数据采集概念会逐渐被数据生产概念所取代，而如何生产数据则是大数据从业者需要重点考虑的核心问题之一，所以掌握大数据生产技术将会有更大的发展空间。

最后，大数据不论如何发展，大数据的背后都是各种资源，随着行业资源和社会资源纷纷向互联网迁移，资源和数据的边界也在逐渐模糊，资源即是数据，从这个角度来看，未来更多的行业从业者都可以看成是大数据从业者。

关于大数据人才需求有哪些趋势，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

E. 大数据分析工程师发展前景怎样

大数据就业前景

伴随着大数据技术的成熟，大数据应用的普及和发展才刚刚开始，我们预计未来二十年，甚至更长一段时间都是大数据黄金发展阶段，相关的行业将引来巨大的发展机遇。大部分行业都需要，市场、营销、运营相关的需求很多。大数据不是职位，学完大数据认证后你可以从事大数据挖掘专家，高级行业分析师，大数据业务架构师，大数据架构师，大数据算法工程师，大数据开发工程师，大数据运维工程师。不管是国内还是国外，大数据相关的人才都是供不应求的局面。目前市场急需运用大数据分析结果的大数据相关管理人才。

据数联寻英发布《大数据人才报告》显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万。

据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

大数据就业方向

1. Hadoop大数据开发方向

市场需求旺盛，大数据培训的主体，目前IT培训机构的重点。

对应岗位：大数据开发工程师、爬虫工程师、数据分析师等。

2. 数据挖掘、数据分析&机器学习方向

学习起点高、难度大，市面上只有很少的培训机构在做。

对应岗位：数据科学家、数据挖掘工程师、机器学习工程师等。

3. 大数据运维&云计算方向

市场需求中等，更偏向于Linux、云计算学科。

对应岗位：大数据运维工程师

F. 大数据就业方向

大数据主要的三大就业方向：

1. 大数据系统研发类人才；

2. 大数据应用开发类人才；

3. 大数据分析类人才。

大数据十大就业职位：

一、ETL研发

随着数据种类的不断增加，企业对数据整合专业人才的需求越来越旺盛。ETL开发者与不同的数据来源和组织打交道，从不同的源头抽取数据，转换并导入数据仓库以满足企业的需要。

ETL研发，主要负责将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

目前，ETL行业相对成熟，相关岗位的工作生命周期比较长，通常由内部员工和外包合同商之间通力完成。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。

二、Hadoop开发

Hadoop的核心是HDFS和MapRece.HDFS提供了海量数据的存储，MapRece提供了对数据的计算。随着数据集规模不断增大，而传统BI的数据处理成本过高，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapRece、Pig等的需求将持续增长。如今具备Hadoop框架经验的技术人员是最抢手的大数据人才。

三、可视化（前端展现）工具开发

海量数据的分析是个大挑战，而新型数据可视化工具如Spotifre，Qlikview和Tableau可以直观高效地展示数据。

可视化开发就是在可视开发工具提供的图形用户界面上，通过操作界面元素，由可视开发工具自动生成应用软件。还可轻松跨越多个资源和层次连接您的所有数据，经过时间考验，完全可扩展的，功能丰富全面的可视化组件库为开发人员提供了功能完整并且简单易用的组件集合，以用来构建极其丰富的用户界面。

过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项独立的专业技能和岗位。

四、信息架构开发

大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。

五、数据仓库研究

数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。

数据仓库的专家熟悉Teradata、Neteeza和Exadata等公司的大数据一体机。能够在这些一体机上完成数据集成、管理和性能优化等工作。

六、OLAP开发

随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合。联机分析处理（OLAP）系统就负责解决此类海量数据处理的问题。

OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。

七、数据科学研究

这一职位过去也被称为数据架构研究，数据科学家是一个全新的工种，能够将企业的数据和技术转化为企业的商业价值。随着数据学的进展，越来越多的实际工作将会直接针对数据进行，这将使人类认识数据，从而认识自然和行为。因此，数据科学家首先应当具备优秀的沟通技能，能够同时将数据分析结果解释给IT部门和业务部门领导。

总的来说，数据科学家是分析师、艺术家的合体，需要具备多种交叉科学和商业技能。

八、数据预测（数据挖掘）分析

营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。

九、企业数据管理

企业要提高数据质量必须考虑进行数据管理，并需要为此设立数据管家职位，这一职位的人员需要能够利用各种技术工具汇集企业周围的大量数据，并将数据清洗和规范化，将数据导入数据仓库中，成为一个可用的版本。然后，通过报表和分析技术，数据被切片、切块，并交付给成千上万的人。担当数据管家的人，需要保证市场数据的完整性，准确性，唯一性，真实性和不冗余。

十、数据安全研究

数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。数据安全研究员还需要具有较强的管理经验，具备运维管理方面的知识和能力，对企业传统业务有较深刻的理解，才能确保企业数据安全做到一丝不漏。

G. 大数据需要什么人才

说到大数据，肯定少不了分析软件，这应该是大数据工作的根基，但市面上很多各种分析软件，如果不是过来人，真的很难找到适合自己或符合企业要求的。
小编通过各大企业对大数据相关行业的岗位要求，总结了以下几点：
（1）SQL数据库的基本操作，会基本的数据管理
（2）会用Excel/SQL做基本的数据分析和展示
（3）会用脚本语言进行数据分析，Python or R
（4）有获取外部数据的能力，如爬虫
（5）会基本的数据可视化技能，能撰写数据报告
（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等
对于学习大数据，总体来说，先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。
1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。
2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。
3、学习数据分析工具，软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难)：Excel，SPSS，stata，R，Python，SAS等。
4、学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。
当然，学习数学与应用数学、统计学、计算机科学与技术等理工科专业的人确实比文科生有着客观的优势，但能力大于专业，兴趣才会决定你走得有多远。毕竟数据分析不像编程那样，需要你天天敲代码，要学习好多的编程语言，数据分析更注重的是你的实操和业务能力。如今的软件学习都是非常简单便捷的，我们真正需要提升的是自己的逻辑思维能力，以及敏锐的洞察能力，还得有良好的沟通表述能力。这些都是和自身的努力有关，而不是单纯凭借理工科背景就可以啃得下来的。相反这些能力更加倾向于文科生，毕竟好奇心、创造力也是一个人不可或缺的。一、计算机编码能力实际开发能力和大规模的数据处理能力是作为大数据工程师的一些必备要素。举例来说，现在人们在社交网络上所产生的许多记录都是非结构化的数据，如何从这些毫无头绪的文字、语音、图像甚至视频中拾取有意义的信息就需要大数据工程师亲自挖掘。二、数学及统计学相关的背景国内BAT为代表的大公司，对于大数据工程师的要求都是希望是统计学和数学背景的硕士或博士学历。缺乏理论背景的数据工作者，按照不同的数据模型和算法总能捯饬出一些结果来，但如果你不知道那代表什么，就并不是真正有意义的结果，并且那样的结果还容易误导你。只有具备一定的理论知识，才能理解模型、复用模型甚至创新模型，来解决实际问题。三、特定应用领域或行业的知识大数据工程师这个角色很重要的一点是，不能脱离市场，因为大数据只有和特定领域的应用结合起来才能产生价值。所以，在某个或多个垂直行业的经历能为应聘者积累对行业的认知，对于之后成为大数据工程师有很大帮助。