百度大数据分析招聘

① 大数据分析的岗位要求是怎样的

数据分析师的招聘要求一般分为5个方面：

（1）行业背景（2）逻辑思维能力（3）行业基本知识（4）基本技能（5）其他加分项

我们来看这个岗位：

数据挖掘方面要有适当的能力，比如常用的聚类、决策树、回归等要有一定的了解和应用，技术是帮助更好的解决问题的一种方式，有些时候会有很好的应用效果。

软性技能：沟通、学习能力笔者认为这两项与逻辑思维能力同等重要，感兴趣的同学可以多关注相关作者来拓宽自己的知识深度，涉猎也要广以拓宽自己知识的广度。

② “大数据”时代下的企业招聘

“大数据”时代下的企业招聘
在原有的人才数据库的基础上，导入以社交媒体为代表的“大数据”将使H R （人力资源部门）做聘用决策时更客观。
数据，对于企业的H R 来说并不陌生，从最开始通过招聘搜集员工信息，到能力测评，以及年度、季度的绩效考评，日积月累的数据不可谓不大，但是真正将这些数据整理分析，提供给人才管理者做决策的企业却并不多见。然而，不管你用不用，这些数据还在增大，而且，随着新技术的出现和普及，移动设备和社交媒体也加入到企业招聘的渠道中。如何充分利用这些数据以便更有效地支持人力资源管理工作？目前企业利用人才数据的现状如何？人才“大数据”应用的前景是怎样的？针对这些问题，德勤华永会计师事务所中国区人力资源部招聘总监王文佶和SHL 中国区总经理付权分别从企业实践和调研分析的角度阐述了各自的看法。
从“小数据”说起
世界经理人：SHL发布的《2013 年全球评测趋势报告》显示，企业在利用人才‘大数据’方面还处于起步阶段。这里提到的‘大数据’概念跟以前企业在招聘中运用的人才数据有何不同？
王文佶：其实数据一直存在，HR招聘过程本身就涉及很多数据，从应聘者的简历、笔试到面试都包含很多评分（rating）。但相比较现在所说的大数据，我们把这些称为小数据。所谓小数据就是按照某个业务流程目标，预先设定一些甄选标准，通过抽样的方法来判断整个流程是否符合你的需要，通过数据来研究。
德勤也有人才分析数据，但基本都是基于怎样利用好现有的小数据，就是把原来从不同部门或不同领域采集来的本身结构化的数据，录入数据仓库（ Data Warehouse），并进行数据挖掘（ Data Mining）。比如，德勤有一个候选人跟进系统—ATS （Applicant Tracking System），只要应聘者投递简历，他的信息就会进入德勤的全球人才库，现在约有30 0 万人的信息。这个数据库可以在德勤的各个跨国公司之间共享。德勤中国可以利用这个数据库寻找美国德勤吸引来的人。这是一个巨大的人才数据库或者候选人数据库，我们可以经常进行数据挖掘。
另外，德勤也在用SH L 专门的工具叫做人才数据与结构分析（Talent Analytics），它从数据的体量上来讲更大。比如，SHL能对所有应聘财务的学生，在全球范围做各种比对和分析，从而分析出一种趋势，我们将这种趋势称之为对标。当一家企业想确定今年招收员工的整体质量时，SHL 的数据可以帮我们横向地跟全世界、亚洲或者其他竞争公司的情况做比较。
但是，我认为真正的大数据是研究非结构化数据，而非通过某一个特定目标、一个已经设定的标准去采集。当大数据来临，产生的最主要的区别在于：大数据可以通过某种机器的手段，更多地采集候选人非结构化的、自然的、在社交媒体和网络上的信息，来辅佐目前已有的结构化数据，并帮助进行判断。如果能做到这些，那么招聘决策就会更加准确。
付权：以前的数据来源于调查研究。假如美联社的薪酬数据来源于针对不同企业的HR所做的调研报告，内容可能包括今年不同岗位的薪酬涨幅如何，然后通过某个公司进行有效的数据处理后，便得出这个行业的薪酬基准（ Bench mark）。但现在的数据来源于每个人与整个数据采集机构直接的互动。比如LinkedIn就是这样的数据采集机构，上面的数据是使用者作为个体自发提供的，而LinkedIn 同时也有社交媒体（Social Media） 的概念，所以它的数据是准确可信的。LinkedIn不仅仅是一个社交媒体，也是建立企业人才库（Talent Pool） 的有效工具。
无论是大数据还是过去的小数据，它们的功能是一致的，就是对业绩进行有效预测（ Predict Performance）。举例来说，一个应聘者加入新公司，就需要接受测试，因为公司并不了解他。这就需要一个信效度较高的测试来判断该应聘者是否符合这个企业的文化和业绩目标，以及能否跟同事友好相处，互相促进。测试的种类非常多，但所有目的都是为了预测业绩。世界经理人：所谓小数据的分析是怎样运用到招聘和人才决策中去的？
王文佶：从校招和社招两个角度来说。在校招方面，我们不是针对个人，而主要是针对整体进行分析。比如根据现在业务的需要，可能分析得出不一定非要招财务背景的学生做审计。通过小数据分析，我们发现财经类和非财经类的同学在考CPA 的通过率方面没有差别，甚至非财务类的学生第一第二年的通过率更高。这个现象很奇怪，于是我们就找到培训部门一起研究这些数据，并分析出很多可能原因。
这也是小数据的局限，因为通过分析产生一个结论，这种结论不能严密地解答疑问，会产生很多可能性。比如可能非财务类的学生由于不懂，所以同样的课程花了更多精力，上进心和压力感都更强，因此他们的考试通过率更高；还可能是因为财经类的学生进来就能用，所以更多时候被派到项目上去，反而没时间预习功课。业务经理不愿意用非财经类新人，因为他们不能立刻上手，所以他们有更多的时间去复习。经过分析，这些情况都有可能，但无法得出确定的结论，但至少我们知道，招聘时不一定非要招审计和财经类的学生，这就是一个小数据的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和广告有效性上做分析。对所有参加社招的人员，我们都会追踪其消息来源，是通过自投简历、猎头邀请，还是朋友推荐过来应聘的。就目前来说，德勤社招最得力的渠道是员工推荐，占整个最终招聘量的45%.于是，四五年前，我们把员工推荐的项目政策重新进行了改革，以提高大家的积极性。比如员工推荐的奖励金额从原来的半年后付一半、一年后付全额，改为了把人介绍过来就付一半、三个月后付全额。这样员工有很大积极性。
世界经理人：目前，企业HR对人才数据管理系统的重视程度偏低，或者说利用得不太好，是什么原因？王文佶：一个主要的原因可能是数据收集所需要的投入超出了数据分析所带来的实际收益，即投入产出不成比。比如德勤用过的人才招聘管理系统Taleo，它的一个功能是可以对所有筛选过的简历贴上各种标签，比如此人这个职位好像不合适，但也许他将来能适合其他职位，于是可以做一个标记，下次找的时候就可以调出来。但是从现实的角度来看，这些工具没有得到充分的利用。首先因为招聘官经常同时要管理十几个空缺职位，而能把这些职位完成是首要任务。如果有剩余时间或者找不到应聘者，他们才可能会花时间利用工具进行数据挖掘；第二个是技巧问题和工具方便性问题。另一方面，企业人力资源部门的职能条块分割，使得各项人才管理数据分别由不同的职能团队来收集和管理。比如薪酬团队的数据和培训团队的数据往往就不被招聘团队所掌握。现实的悖论往往是，大企业的HR有非常完善的HR职能团队和基础架构，可以收集到很多有用的数据，但是庞大的数据量和纵横交错的管理结构使得数据比较难以被有效利用，必须建立起一个项目团队来收集、整理、分析这些数据。
大数据是什么？
世界经理人：与小数据相比，大数据突破了哪些瓶颈？
付权：相对于大数据而言，通过调研得到的小数据可以从特殊到最后形成普遍的结论，却很难逆向推理—从共性中找出特殊。大数据是从特殊到一般来推理出共性，然后还能从一般到特殊，寻找到异类或者优秀人才所具有的特征，再把该特性标准化，从而形成了一个螺旋上升的推理。这是过去的小数据所缺少的。
此外，大数据可以让我们跟踪一个人的发展过程。比如，某位投资经理在十年的时间跨度内，尽管其能力可能变化不大，但个性可能会有所变化，他的动机可能逐渐降低或逐渐增加，技能和经验一定是在增加的。为了了解这个人所经历的变化，我们需要对他不同时段的评测数据进行有效的比对和分析，从而了解他的发展路径。这在以前的小数据时代是不存在的。
大数据应用最重要的是，第一，它改变了预测绩效的手段，以前是用小数据，现在是用大数据；第二，在人力资源领域里面，大数据为人才模型提供更为详尽、准确的数据支撑，更好地为企业管理人员所用，这非常重要。
世界经理人：与以前靠直觉来进行人才判断相比，依靠大数据进行判断是否会让决策过程越来越科学化？
付权：所谓直觉是通过阅人无数所产生的经验的第一反应，叫第一性原则。第一性原则的有效性是存疑的。有些情况下，由于巨大的文化差异，导致面试者的行为表现和表述方式都会非常不同，怎样透过这些表面看到他们的能力、个性、动机、技能和经验，这些都是无法通过直觉简单获取的。
大数据能够让人才选择更加客观、精确、容易。大数据为某位候选者的“画像”（profile）提供一个正确、准确的反射，去映射到人才模型上面，来判断他是否胜任这一职位。比如说通过评测数据，我们可以直观看到一个人的评测结果是66 分，另一个人是67 分，这种微妙的差距是通过肉眼和直觉无法判断的。而通过大数据，这就让人才选择更加容易和客观。
社交媒体展现真实的应聘者
世界经理人：越来越多的企业开始利用社交媒体网络来进行招聘，这对HR意味着什么？
王文佶：如同大数据在精准营销上的应用，现在用户在淘宝上搜过什么，一打开微博也会出现同类商品的推送，如果说在招聘上也是用同样的观念或方法，有一个例子是LinkedIn 会根据用户的社交信息，推送 “Maybe interesting in this job”的条目。这和电商运用的手段一样，根据过去的网络行为推断出你现在的需求。
德勤对社招和校招都做过这个画像，就是找到理想候选人应该具备什么样的能力素质，怎样描述，它包括候选人特征。而在大数据时代，这个画像里可能还要添加其他一些社交媒体的行为指标。在没有大数据和测评工具的情况下，高管的最终决策主要通过一起吃饭或一起去打高尔夫等活动，为了观察他们举手投足自然的表现。但我们不可能把这套方法运用到每个应聘者。如果运用大数据，只要符合一定的法律规范，是不是能获得每一个应聘者工作和社交行为（ Work & Social Behavior） 相关信息呢？这时候公司有两种方法，一种是找第三方的背景调查公司，一种是询问其以前所在公司的高管。将来如果一个人在微博、LinkedIn等社交媒体上都很活跃，那么理论上，只要获得他的授权，或是几个简单的基本信息，就能通过某种机制浏览到他所有的网络行为，而这些行为只要整合起来，再与通过标准化方法收集的信息做比对，就有助于提高招聘质量。但实际上要做到这些很难。这是一个理想，但只要我们有这个愿景，我想早晚会实现，甚至大家最终会完全接受这种方法。
世界经理人：德勤是如何利用社交媒体进行招聘的？
王文佶：现在越来越多的大公司鼓励招聘团队自己直接、主动地去找人（Proactive Sourcing），也就是通过数据挖掘，通过自己建关系去找人。目前这种方式只占德勤总招聘量的7%，而我们的目标至少要达到15% 以上。
在这种情况下，以LinkedIn为代表的社交媒体起到了较大的作用。我们购买Linkedln专门的招聘者（recruiter） 帐号，它和个人帐号不同，使用招聘者账号就可以直接做数据挖掘，在Linkedln的350 万中国国内用户中直接搜索，甚至是在全球两亿四的用户中搜索。还有，利用公司员工的Linkedln账户带来更多企业曝光率。当有人点击这个人的LinkedIn账户时，其所在公司的招聘广告就会在旁边跳出来。这是一个最新的解决方案，借助员工的人脉做推广。微博、微信、大街网等则帮助我们进行雇主品牌和招聘信息的传播。
今年我们招聘团队特地开发了一个基于德勤人脉关系的任务众包平台：德勤聚力网（Deloit te Power House）。它的目标受众是德勤现员工、准员工、实习生、前员工以及任何有志加入德勤的潜在候选人。在这个平台上，用户可以发布众包任务去找帮手，找资源，拓人脉。通过朋友间的不断传递， 用户发布的任务项目得到解决的同时也积聚了人脉。 并且， 用户在网站上的每一次贡献都可以获得积分奖励。这个平台不仅可以帮助招聘，还能帮助每一个员工把他们的职业人脉打通，在这个平台上整合和强化他们自己的社交关系。
世界经理人：企业在利用社交媒体进行招聘方面遇到哪些问题？
王文佶：很多公司都喜欢利用社交媒体来扩大直接招聘（ Direct Sourcing）。他们碰到的问题有两个：第一，投入和产出比的权衡问题（ROI）。建设和维护社交媒体需要更多的管理投入，包括人员和资金，但社交媒体的效果不能也不应该仅用找到几个人来衡量；第二，使用技巧问题。招聘官的主要职责是筛选简历并对应聘者进行评测。但是要管理社交媒体这一平台，要求的技能是如何做市场营销，如何吸引被动候选人并说服他们加入。
大部分现有的招聘官缺乏这方面的技巧和思维方式，需要很多学习培训。
所以，现在用社交媒体最多的是猎头，他们有这个技能，知道如何找到候选人，激发他们的工作热情，把工作机会销售给他。企业内部HR 在社交媒体的使用方面相对较弱。
此外，当我们利用社交媒体数据进行数据分析时，也会遇到一些技术和法律问题，比如扫描社交媒体数据是一个新兴技术，大数据分析的方法到底是否可靠、能否实现；对使用个人信息的法律限制和壁垒在哪；隐私权应该怎么保护？目前在这些方面还有很多不清晰的地方。

③ 大数据专业毕业生就业岗位有哪些

说个大概吧

大数据开发工程师：负责公司大数据平专台的开发和维护，负责大数据平台持续集成相关工属具平台的架构设计与产品开发等；

数据分析师：进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见；

数据挖掘工程师：商业智能，用户体验分析，预测流失用户等；需要过硬的数学和统计学功底以外，对算法的代码实现也有很高的要求。

数据库开发：设计，开发和实施基于客户需求的数据库系统，通过理想接口连接数据库和数据库工具，优化数据库系统的性能效率等；

数据管理：数据库设计、数据迁移、数据库性能管理、数据安全管理，故障检修问题、数据备份、数据恢复等；

数据科学家：清洗，管理和组织（大）数据，利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换；

数据产品经理：把数据和业务结合起来做成数据产品。

......

④ 数据分析师待遇怎么样

有媒体报道，在美国，大数据分析师平均每年薪酬高达17.5万美元，而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%，且颇受企业重视。国内某大型招聘平台给出的数据分析师平均薪酬为：9724（取自 1139 份样本），且北京、上海、广州、深圳、杭州、南京、武汉、成都、长沙为大数据分析师需求量前十的城市。
举例：网络数据分析师工资待遇，具体薪资构成是：基本工资10000元，奖金2640元，补助316元，销售提成0元，其他收入0元。
CDA数据分析师培养出来的人才，目前在8500以上。
每家公司业务、薪资构成比不一样，以上仅供参考。

⑤ 大数据行业有哪些工作机会，招聘的岗位技能有哪些

想要学习大数据开发，第一件事并不是要找书籍或者是找视频教程，而是要了解一下大数据行业前景，了解一下成为大数据工程师需要具备什么样的能力，掌握哪些技能我当初学习大数据之前也有过这样的问题，作为一个过来人，今天就跟大家聊下大数据人才应该具备的技能。
首先我们要知道对于大数据开发工程师需要具备的技能，下面我们分别来说明：

用人单位对于大数据开发人才的能力要求有
技能要求：
1.精通JAVA开发语言，同时熟悉Python、Scala开发语言者优先；
2.熟悉Spark或Hadoop生态圈技术，具有源码阅读及二次开发工作经验；精通Hadoop生态及高性能缓存相关的各种工具，有源码开发实战经验者优先；
3.熟练使用SQL，熟悉数据库原理，熟悉至少一种主流关系型数据库；熟悉Linux操作系统，熟练使用常用命令，熟练使用shell脚本；熟悉ETL开发，能熟练至少一种ETL（talend、kettle、ogg等）转化开源工具者优先；
4.具有清晰的系统思维逻辑，对解决行业实际问题有浓厚兴趣，具备良好的沟通协调能力及学习能力。
以上就是想要成为大数据人才需要具备的技能
那么如何具备这些能力，怎么学习了，对于大多数人来说，目前只有通过参加大数据的学习，才能够系统的掌握以上的大数据技能，从而胜任大数据工程师的工作。