大数据工程师分类

1. 大数据分析开发工程师可以从事哪些工作这些岗位有需要做什么

岗位举例：
大数据工程师、大数据处理工程师、大数据分析挖掘工程师
岗位职责：回
负责公司基于海量数据答的云服务平台的架构和研发；
根据业务规则与分析模型实现数据建模、数据挖掘提取、数据分析、数据展示工作，编制数据分析报告；
理解业务的方向和战略，收集互联网数据，并结合行业数据，开发有效的数据模型，根据用户属性，挖掘用户需求；
通过用户行为分析，为产品、流程改进和技术解决方案提供基于运营数据分析的支持；

2. 大数据各岗位有何不同

一、数据分析师/数据科学家

从本质来说数据分析师和数据科学家是相同的，因为他们做同样的事情——从数据中获取价值。价值可以有不同的形式：对于数据分析师来说，价值意味着洞察，而对于数据科学家来说，是在洞察之上的产品发展智能。

数据分析师分析数据以获得洞察，并帮助形成业务决策。而数据科学家更关心的是使用机器学习和 A / B 测试来驱动和改进产品。

数据科学家专注于前瞻，即做出预测，而数据分析师则更多地聚焦在回顾，如分析历史数据。

二、数据工程师

没有数据工程师的帮助，数据科学家就无法做出贡献。为什么?由于数据工程师构建了引入数据的数据管道!如同炼油厂闲置，是由于没有原油进入，最终原因是石油管道还没有建成。

三、业务分析师

传统的 BA 引导，记录业务需求并充当业务和技术之间的联络人。相反，我们使用业务分析师的头衔作为总括头衔来涵盖所有具有业务性质(非技术性)且需要重要数据技能的分析师角色。

由于数据的普及，几乎所有分析师角色都需要某些数据技能集。因此，业务分析师角色是对于具有领域专业知识，并且精于数据的候选人来说，业务分析师是非常不错的职位目标。

四、BI分析师/工程师/开发人员

我们还拥有传统的商业智能( BI )分析师和商业智能工程师角色。一般来说，当我们谈论 BI 时，我们指的是使用“定义良好的BI基础设施”在“大公司”环境中进行数据分析和报告，基础设施指的是各种企业软件系统( ERP，CRM 等)以及在他们之上进行连接和报告 BI 工具。

3. 大数据有哪些职位

1、首席数据官(CDO)

首席数据官的工作内容非常多，职责也很复杂，他们负责公司的数据框架搭建、数据管理、数据安全保证、商务智能管理、数据洞察和高级分析。因此，首席数据师必须个人能力出众，同时还需要具备足够的领导力和远见，找准公司发展目标，协调应变管理过程。

2、营销分析师/客户关系管理分析师

客户忠诚度项目、网络分析和物联网技术积攒了大量的用户数据，很多先进公司已经在使用相关策略来支持公司的发展计划。尤其是市场部门能够运用这些数据进行更有针对性的营销。营销分析师能够发挥他们在Excel和SQL等数据分析工具方面的专业特长，对客户进行细分，确保数字化营销能够到达目标客户群体。

3、数据工程师

随着Hadoop和非结构化数据仓库的流行，所有分析功能的第一要务就是要得到正确的数据。高水平的工程师需要掌握数据管理技能，熟悉提取转换加载过程，很多公司都急需这样的人才。事实上，很多首席数据官甚至认为，数据工程师才是大数据相关行业中最重要的职位。

4、商务智能开发工程师

商务智能开发工程师的最基本职能，是管理结构数据从数据库分配至终端用户的过程。商务智能(BI)曾经只是商务金融的基础，现在已经独立出来，成为了单独的部门，很多商务智能团队正在搭建自服务指示板，这样运营经理就能快速且有效地获取高性能数据，评价公司运营情况。

5、数据可视化

随着指示板和可视化工具的增多，商务智能“前端”研发工程师需要更熟练掌握Tableau、QlikView/QlikSense、SiSense和Looker。能够使用d3.js在网络浏览器中制作数据可视化的研发工程师也越来越受到公司欢迎。很多大公司开出的年薪已经超过了7万5千英镑，平均日薪500多英镑。

6、大数据工程师

正如上文提到过的，数据工程师的工作是负责管理公司的数据，包括数据的收集，存储、处理和分析。大数据工程师需要能够搭建并维护大型异构数据框架，这些数据通常是在MongoDB等NoSQL数据库中。很多公司采用Hadoop框架和很多Hadoop次级软件包，如Hive(数据软件)，Pig(数据流语言)和Spark(多编程模型)。

4. 大数据工程有哪些岗位领域

从岗位来看，由大数据开发、挖掘、算法、分析、到架构。从级别来看，从工程师、高级工程师，再到架构师，甚至到科学家。而且，契合不同的行业领域，又有专属于这些行业的岗位衍生，如涉及金融领域的数据分析师等。

大数据的相关工作岗位有很多，有数据分析师、数据挖掘工程师、大数据开发工程师、大数据产品经理、可视化工程师、爬虫工程师、大数据运营经理、大数据架构师、数据科学家等等，下面就讲讲其中的几个岗位。

数据分析师：日常工作内容有三个方面，第一是临时取数,第二是报表的需求分析，第三是业务专题分析。

数据挖掘工程师：日常工作内容主要有五类。第一是用户基础研究,第二是个性化推荐算法,第三是风控领域应用的模型,第四是产品的知识库,第五是文本挖掘、文本分析、语义分析、图像识别。

数据产品经理：日常工作内容：第一是大数据平台的建设，让获取数据、使用数据更加容易，构建完善的指标体系，实现对业务的全流程监控，提高决策效率，降低运营成本，提升应收水平;第二是数据需求分析，形成数据产品，对内可以提升效率，控制成本，对外增加创收，最终实现数据价值的变现。

大数据研发工程师：这个岗位是需求量最大的，日常工作内容有三个方面：第一是数据的采集，比如爬虫、日志采集等;第二是数据预处理、ETL工作，比如数据清洗、转换、集成、规约等;第三是大数据应用和可视化的开发。

此外，现在越来越多的行业领域也涉猎大数据,通常来说它们可以被大致分为两类：大数据工程与大数据分析。而这些领域互相独立又互相关联。

而随着AI(人工智能)的到来，未来大数据需要依赖于云计算平台海量的计算能力，同时通过大数据给人工智能提供内容。所以在未来十年，云计算，大数据，人工智能是这个时代对社会影响最深远的技术，为此我们需要提前做好准备。

关于大数据工程有哪些岗位领域，该如何下手的内容，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、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。

以上是小编为大家分享的关于大数据工程有哪些岗位领域?的相关内容，更多信息可以关注环球青藤分享更多干货

5. 大数据开发工程师以后可以从事哪些岗位

首先大数据开发工程师有两个方面，一个是工作内容，一个是岗位要求

工作内容：主要是基于Hadoop、Spark等平台上面进行开发，各种开源技术框架平台很多，需要看企业实际的选择是什么，但目前Hadoop、Spark仍然占据广大市场。

岗位要求：精通Java技术知识，熟悉Spark、kafka、Hive、HBase、zookeeper、HDFS、MR等应用设计及开发。
1、大数据工程师
大数据工程师的话其实包含了很多，比如大数据开发，测试，运维，挖据等等，各个岗位不同薪资水平也不大相同。
2、Hadoop开发工程师
职位描述：参与优化改进新浪集团数据平台基础服务，参与日传输量超过百TB的数据传输体系优化，日处理量超过PB级别的数据处理平台改进，多维实时查询分析系统的构建优化。
3、大数据研发工程师
职位描述：构建分布式大数据服务平台，参与和构建公司包括海量数据存储、离线/实时计算、实时查询，大数据系统运维等系统；服务各种业务需求，服务日益增长的业务和数据量。
4、大数据架构师
职位描述：这个就是全能的大数据岗位，技术要求是非常全面的，更多的站在架构角度出发。
5、大数据分析师
工作职责:根据公司产品和业务需求，利用数据挖掘等工具对多种数据源进行诊断分析，建设征信分析模型并优化，为公司征信运营决策、产品设计等方面提供数据支持；负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对运行数据进行分析挖掘背后隐含的规律及对未来的预测。

6. 与大数据相关的工作职位有哪些

与大数据相关的工作职位有数据科学家、数据分析师、大数据工程师、数据架构师、商业智能(BI)开发人员、统计员、机器学习工程师等。此外，随着数据科学的发展，人们还在开发新的大数据技术，比如机器学习、自然语言处理、图像处理等，也会提出新的职位要求，为企业带来更多的数据分析能力。

1、数据科学家

数据科学家需要能够应用数学、统计学和科学方法。使用多种工具和技术来清理和准备数据；进行预测分析和人工智能；并解释如何利用这些结果来为商业问题提供数据驱动的解决方案。数据科学家需要的技能比数据分析师多得多。

2、数据分析师

数据分析师收集、处理和执行统计数据分析，为组织得出有意义的结论。数据分析师将大型数据集转化并处理成可用的形式，如报告或演示。他们还通过研究重要的模乎芹式来帮助决策过程，并从数据中收集洞察力，然后有效地传达给组织领导，以帮助商业决策。

3、数据工程师

数据工程师负责准备、处理和管理收集和存储的数据，用于分析或操作用途。像传统的工程师一样，数据工程师建岁圆毕立和维护数据 "管道"，将数据从一个系统连接到另一个系统，使数据科学家能够获得信息。正因为如此，数据工程师被要求了解数据科学中使用的几种编程语言，如Python、R和SQL。

4、数据架构师

数据架构师主要是设计和创建数据管理系统的蓝图，然后由数据工程师建立。类似于传统的建筑师，数腔型据架构师是 "远见者"，因为他们负责可视化和设计一个组织的数据管理框架。此外，数据架构师改善现有系统的性能，确保数据库管理员和分析师能够使用这些系统。

5、商业智能(BI)开发人员

商业智能开发者是专门的工程师，他们使用软件工具将数据转化为有用的见解，以帮助商业决策。负责简化技术信息，让公司里的其他人都能轻松理解。简而言之，他们创建和运行包含他们使用商业智能工具找到的数据的报告，并将信息转化为更通俗的术语。

6、统计员

鉴于统计学是数据科学的主要基础之一，许多统计学家可以轻松地过渡到数据科学领域。统计学家主要负责数据的收集和处理。他们决定需要什么数据以及如何收集数据。此外，他们设计实验，分析和解释数据，并报告结论。

7、机器学习工程师

机器学习工程师是另一组专业工程师，他们专注于研究、构建和设计人工智能和机器学习系统，以实现预测模型的自动化。基本上开发的算法使用输入数据并利用统计模型预测输出，同时在新数据可用时不断更新输出。

7. 什么是大数据应用工程师

定义
大数据工程技术人员是指从事大数据采集、清洗、分析、治理、挖掘等技术内研究，并加以利容用、管理、维护和服务的工程技术人员。
主要工作任务
大数据采集（爬虫）、大数据清洗（ETL工程师）、大数据建模（算法工程师）与大数据分析（数据分析员）；
管理、分析展现及应用等技术（大数据开发工程师）；
研究、应用大数据平台体系架构、技术和标准；
设计、开发、集成、测试大数据软硬件系统；
管理、维护并保障大数据系统稳定运行；
监控、管理和保障大数据安全；
提供大数据的技术咨询和技术服务。

8. 大数据工程师的证书种类有哪些它是如何划分等级的

目前国内的大数据工程师证书，工信部和中国管理科学研究院都有颁发。
工信部认证内的容职业人才技能认证证书，证书分为初、中、高级。其中初级证书面向高校人群，也就是即将毕业的一批人；中高级证书面向企业内部大数据岗位人才，即参加了工作，有了几年经验的大数据人才。
中国管理科学研究院的专业人才技能证书，通过相关技能考试即可获得，作为入行的敲门砖，有一定价值。