大数据实施工程师

❶ 数据工程师是属于开发还是实施

数据工程师既有开发，也有实施部分。

大数据工程师可以从事对大量数据的采集、清洗、分析、治理、挖掘，并对这些数据加以利用、管理、维护和服务的相关技术工作。大数据工程师是利用大数据技术处理大量数据的专业技术人员，大数据工程师专业技术水平等级培训考试分初级、中级、高级三个级别。

2016年工信部印发《大数据产业发展规划（2016-2020年）》等指导性文件，提出要加快建设网络强国、数字中国、智慧社会，加快实施国家大数据战略；同时提出要加强专业化数据工程师等大数据专业人才培养，开展大数据知识普及和教育培训，提高社会整体认知和应用水平。

报名条件

凡遵守中华人民共和国宪法 、法律、法规，具有良好的业务素质和道德品行，具备各等级报考条件者，均可参加智慧建造师专业技术等级考试。

❷ 大数据工程师告诉你大数据和BI的区别

【导读】在进行大数据分析的时候，分析师需要从海量的收集数据中，通过不同的算法直接分析不同渠道、格式的数据，从中找到相关数据，然后再做进一步分析，得出较为准确的结论。近年来大数据行业颇受欢迎，报考人数也是越来越多，所以我们更需要全面了解，今天我们就来了解一下大数据和BI的区别。

1、从思维方式角度

大数据对于传统BI，既有继承，也有发展，从”道”的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

2、从工具的角度

传统BI使用的是ETL、数据仓库、OLAP、可视化报表技术，属于应用和展示层技术，目前都处于淘汰的边缘，因为它解决不了海量数据(包括结构化与非结构化)的处理问题。而大数据应用的是一个完整的技术体系，包括用Hadoop、流处理等技术解决海量的结构化、非结构化数据的ETL问题，用Hadoop、MPP等技术计算海量数据的计算问题，用redis、HBASE等方式解决高效读的问题，用Impala等技术实现在线分析等问题。因此是个全新的行业。

3、从数据来源角度

大数据应用的数据来源，不仅仅包括非结构化的数据，还有各种系统数据，数据库数据。其中非结构化数据主要是集中在互联网以及一些社交网站上的数据以及一些机器设备的数据，这些都构成了大数据应用的数据来源。对于大数据的分析工具来说，现阶段也是对于非结构化的数据分析的比较多。

BI系统则是在数据集成方面的技术越来越成熟，对于数据的提取，一个各种数据挖掘的要求来说，数据集成平台会帮助企业实现数据的流通和交互使用，在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。

4、从发展方向角度

BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。

关于大数据和BI的区别，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，想要了解更多的大数据工程师技能、方法、课程等等，欢迎大家前来了解咨询。

❸ 大数据开发工程师以后可以从事哪些岗位

大数据开发工程师可以从事以下岗位：

1. 大数据工程师：负责搭建大数据平台、开发和优化数据处理系统和数据仓库。

2. 数据架构师：负责设计和管理企业的数据架构，确保数据在系统中的完整性和一致性。

3. 数据仓库架构师：负桥顷李责设计和开乎源发数据仓库，使商业智能系统从中获取可靠数据以支持业务决策。

4. 数据科学家：利用数据分析和统计技术帮助企业敏迟发现数据中的重要信息，提供商业洞察。

5. 机器学习工程师：建立机器学习系统以自动化数据分析和预测，提供高效率和精度。

6. 数据分析师：负责分析和解释数据，评估业务决策并提供指导建议。

7. 数据治理专员：开发和执行数据治理策略，确保数据质量和信息安全。

8. 数据质量工程师：负责创建和执行数据质量检查和验证规则，保证数据准确性和完整性。

9. 数据基础架构工程师：管理和优化企业数据基础设施的表现和可靠性，以支持各种业务用例。

10. 大数据系统管理员：监测和维护大数据平台性能，并对系统中的错误进行排除，确保系统满足业务需求。

❹ 想成为一名大数据工程师,需要具备哪些技能

1、 掌握至少一种数据库开发技术：Oracle、Teradata、DB2、Mysql等，灵活运用SQL实现海量数据ETL加工处内理。

2、 熟悉Linux系统常容规shell处理命令，灵活运用shell做的文本处理和系统操作。

3、 有从事分布式数据存储与计算平台应用开发经验，熟悉Hadoop生态相关技术并有相关实践经验着优先，重点考察Hdfs、Maprece、Hive、Hbase。

4、 熟练掌握一门或多门编程语言，并有大型项目建设经验者优先，重点考察Java、Python、Perl。

5、 熟悉数据仓库领域知识和技能者优先，包括但不局限于：元数据管理、数据开发测试工具与方法、数据质量、主数据管理。

6、 掌握实时流计算技术，有storm开发经验者优先。

关于想成为一名大数据工程师需要具备哪些技能的内容，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。

❺ 澶ф暟鎹宸ョ▼甯堟棩甯镐换鍔℃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戯紝寤鸿撅紝娴嬭瘯鍜岀淮鎶ゆ灦鏋勶紝璐熻矗鍏鍙稿ぇ鏁版嵁骞冲彴鐨勫紑鍙戝拰缁存姢锛岃礋璐ｅぇ鏁版嵁骞冲彴鎸佺画闆嗘垚鐩稿叧宸ュ叿骞冲彴鐨勬灦鏋勮捐′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锛屾敹闆嗭紝澶勭悊鍜屾墽琛岀粺璁℃暟鎹鍒嗘瀽锛岃繍鐢ㄥ伐鍏凤紝鎻愬彇銆佸垎鏋愩佸憟鐜版暟鎹锛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锛屾暟鎹寤烘ā銆佹満鍣ㄥ︿範鍜岀畻娉曞疄鐜帮紝鍟嗕笟鏅鸿兘锛岀敤鎴蜂綋楠屽垎鏋愶紝棰勬祴娴佸け鐢ㄦ埛绛夛紝闇瑕佽繃纭鐨勬暟瀛﹀拰缁熻″﹀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绠＄悊宸ヤ綔锛岃捐★紝寮鍙戝拰瀹炴柦鍩轰簬瀹㈡埛闇姹傜殑鏁版嵁搴撶郴缁燂紝閫氳繃鐞嗘兂鎺ュ彛杩炴帴鏁版嵁搴撳拰鏁版嵁搴撳伐鍏凤紝浼樺寲鏁版嵁搴撶郴缁熺殑鎬ц兘鏁堢巼绛夈

❻ 如何成为一名大数据工程师

大数据是眼下非常时髦的技术名词，与此同时自然也催生出了一些与大数据处理相关的职业，通过对数据的挖掘分析来影响企业的商业决策。

这群人在国外被叫做数据科学家（Data Scientist），这个头衔最早由D.J.Pati和Jeff Hammerbacher于2008年提出，他们后来分别成为了领英（LinkedIn）和Facebook数据科学团队的负责人。而数据科学家这个职位目前也已经在美国传统的电信、零售、金融、制造、物流、医疗、教育等行业里开始创造价值。

不过在国内，大数据的应用才刚刚萌芽，人才市场还不那么成熟，“你很难期望有一个全才来完成整个链条上的所有环节。更多公司会根据自己已有的资源和短板，招聘能和现有团队互补的人才。”领英（LinkedIn）中国商务分析及战略总监王昱尧对《第一财经周刊》说。

数据工程师是做什么的？于是每家公司对大数据工作的要求不尽相同：有的强调数据库编程、有的突出应用数学和统计学知识、有的则要求有咨询公司或投行相关的经验、有些是希望能找到懂得产品和市场的应用型人才。正因为如此，很多公司会针对自己的业务类型和团队分工，给这群与大数据打交道的人一些新的头衔和定义：数据挖掘工程师、大数据专家、数据研究员、用户分析专家等都是经常在国内公司里出现的Title，我们将其统称为“大数据工程师”。

由于国内的大数据工作还处在一个有待开发的阶段，因此能从其中挖掘出多少价值完全取决于工程师的个人能力。已经身处这个行业的专家给出了一些人才需求的大体框架，包括要有计算机编码能力、数学及统计学相关背景，当然如果能对一些特定领域或行业有比较深入的了解，对于其快速判断并抓准关键因素则更有帮助。

虽然对于一些大公司来说，拥有硕博学历的公司人是比较好的选择，不过阿里巴巴集团研究员薛贵荣强调，学历并不是最主要的因素，能有大规模处理数据的经验并且有喜欢在数据海洋中寻宝的好奇心会更适合这个工作。

除此之外，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。“他得知道什么是相关的，哪个是重要的，使用什么样的数据是最有价值的，如何快速找到每个业务最核心的需求。”联合国网络大数据联合实验室数据科学家沈志勇说。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。

你可以将以上这些要求看做是成为大数据工程师的努力方向，因为根据万宝瑞华管理合伙人颜莉萍（Nicole Yan）的观察，这是一个很大的人才缺口。目前国内的大数据应用多集中在互联网领域，有超过56%的企业在筹备发展大数据研究，“未来5年，94%的公司都会需要数据科学家。”颜莉萍（Nicole Yan）说。因此她也建议一些原本从事与数据工作相关的公司人可以考虑转型。

用阿里巴巴集团研究员薛贵荣的话来说，大数据工程师就是一群“玩数据”的人，玩出数据的商业价值，让数据变成生产力。大数据和传统数据的最大区别在于，它是在线的、实时的，规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。

沈志勇认为如果把大数据想象成一座不停累积的矿山，那么大数据工程师的工作就是，“第一步，定位并抽取信息所在的数据集，相当于探矿和采矿。第二步，把它变成直接可以做判断的信息，相当于冶炼。最后是应用，把数据可视化等。”

因此分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务。通过这三个工作方向，他们帮助企业做出更好的商业决策。

1.找出过去事件的特征

大数据工程师一个很重要的工作，就是通过分析数据来找出过去事件的特征。比如，腾讯的数据团队正在搭建一个数据仓库，把公司所有网络平台上数量庞大、不规整的数据信息进行梳理，总结出可供查询的特征，来支持公司各类业务对数据的需求，包括广告投放、游戏开发、社交网络等。

找出过去事件的特征，最大的作用是可以帮助企业更好地认识消费者。通过分析用户以往的行为轨迹，就能够了解这个人，并预测他的行为。“你可以知道他是什么样的人、他的年纪、兴趣爱好，是不是互联网付费用户、喜欢玩什么类型的游戏，平常喜欢在网上做什么事情。”腾讯云计算有限公司北京研发中心总经理郑立峰对《第一财经周刊》说。下一步到了业务层面，就可以针对各类人群推荐相关服务，比如手游，或是基于不同特征和需求衍生出新的业务模式，比如微信的电影票业务。

2.预测未来可能发生的事情

通过引入关键因素，大数据工程师可以预测未来的消费趋势。在阿里妈妈的营销平台上，工程师正试图通过引入气象数据来帮助淘宝卖家做生意。“比如今年夏天不热，很可能某些产品就没有去年畅销，除了空调、电扇，背心、游泳衣等都可能会受其影响。那么我们就会建立气象数据和销售数据之间的关系，找到与之相关的品类，提前警示卖家周转库存。”薛贵荣说。

在网络，沈志勇支持“网络预测”部分产品的模型研发，试图用大数据为更广泛的人群服务。已经上线的包括世界杯预测、高考预测、景点预测等。以网络景点预测为例，大数据工程师需要收集所有可能影响一段时间内景点人流量的关键因素进行预测，并为全国各个景点未来的拥挤度分级—在接下来的若干天时间里，它究竟是畅通、拥挤，还是一般拥挤？

3.找出最优化的结果

根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。

以腾讯来说，郑立峰认为能反映大数据工程师工作的最简单直接的例子就是选项测试（AB Test），即帮助产品经理在A、B两个备选方案中做出选择。在过去，决策者只能依据经验进行判断，但如今大数据工程师可以通过大范围地实时测试—比如，在社交网络产品的例子中，让一半用户看到A界面，另一半使用B界面，观察统计一段时间内的点击率和转化率，以此帮助市场部做出最终选择。

作为电商的阿里巴巴，则希望通过大数据锁定精准的人群，帮助卖家做更好的营销。“我们更期待的是你能找到这样一批人，比起现有的用户，这些人对产品更感兴趣。”薛贵荣说。一个淘宝的实例是，某人参卖家原来推广的目标人群是产妇，但工程师通过挖掘数据之间的关联性后发现，针对孕妇群体投放的营销转化率更高。

需要具备的能力

1.数学及统计学相关的背景

就我们采访过的BAT三家互联网大公司来说，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。沈志勇认为，缺乏理论背景的数据工作者，更容易进入一个技能上的危险区域（Danger Zone）—一堆数字，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。”沈志勇说。

2.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。“因为许多数据的价值来自于挖掘的过程，你必须亲自动手才能发现金子的价值。”郑立峰说。

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、图像甚至视频中攫取有意义的信息就需要大数据工程师亲自挖掘。即使在某些团队中，大数据工程师的职责以商业分析为主，但也要熟悉计算机处理大数据的方式。

3.对特定应用领域或行业的知识

在颜莉萍（Nicole Yan）看来，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，因此这也是应聘这个岗位时较有说服力的加分项。

“他不能只是懂得数据，还要有商业头脑，不论对零售、医药、游戏还是旅游等行业，能就其中某些领域有一定的理解，最好还是与公司的业务方向一致的，”就此薛贵荣还打了个比方，“过去我们说一些奢侈品店员势利，看人一眼就知道买得起买不起，但这群人恰恰是有敏锐度的，我们认为他们是这个行业的专家。又比如对医疗行业了解的人，他在考虑医疗保险业务时，不仅会和人们医院看病的记录相关，也会考虑饮食数据，这些都是基于对该领域的了解。”

职业发展1.如何成为大数据工程师

由于目前大数据人才匮乏，对于公司来说，很难招聘到合适的人才—既要有高学历，同时最好还有大规模数据处理经验。因此很多企业会通过内部挖掘。

2014年8月，阿里巴巴举办了一个大数据竞赛，把天猫平台上的数据拿出来，去除敏感问题后，放到云计算平台上交予7000多支队伍进行比赛，比赛分为内部赛和外部赛。“通过这个方式来激励内部员工，同时也发现外部人才，让各行业的大数据工程师涌现出来。”

颜莉萍（Nicole Yan）建议，目前长期从事数据库管理、挖掘、编程工作的人，包括传统的量化分析师、Hadoop方面的工程师，以及任何在工作中需要通过数据来进行判断决策的管理者，比如某些领域的运营经理等，都可以尝试该职位，而各个领域的达人只要学会运用数据，也可以成为大数据工程师。

2.薪酬待遇

作为IT类职业中的“大熊猫”，大数据工程师的收入待遇可以说达到了同类的顶级。根据颜莉萍（Nicole Yan）的观察，国内IT、通讯、行业招聘中，有10%都是和大数据相关的，且比例还在上升。颜莉萍（Nicole Yan）表示，“大数据时代的到来很突然，在国内发展势头激进，而人才却非常有限，现在完全是供不应求的状况。”在美国，大数据工程师平均每年薪酬高达17.5万美元，而据了解，在国内顶尖互联网类公司，同一个级别大数据工程师的薪酬可能要比其他职位高20%至30%，且颇受企业重视。

3.职业发展路径

由于大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。有些特别强调大数据战略的互联网公司则会另设最高职位—如阿里巴巴的首席数据官。“这个职位的大部分人会往研究方向发展，成为重要数据战略人才。”颜莉萍（Nicole Yan）说。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。

❼ 大数据运维工程师需要的技能

大数据运维工程师需要的技能有：具备一定的服务器知识、有提供方案的能力、需要对数据具有高度的敏感性、需要掌握一些脚本语言。

大数据运维工程师的主要职责：

1、承担团队的日常管理，如值班安排、工作分配、日常考评等。

2、组织制订、完善与本部门相关的管理制度、标准操作手册 SOP维护操作MOP和应急预案等。

3、组织制定中心基础设施保养计划，做好相关计划的实现、控制及优化工作。

4、审核、报批、组织实施各类变更申请、事报告工作，做好相关应昌芦急工作的指挥与处理。耐培带

5、组织开展数据中心基础设施运行维护相关培训、训练与演练。

6、协助商务部与外包服务商洽谈相关维护服务合同，监督服务实施并要求进行审核与考评，确保相关基础设施的稳定运行。

7、负责数据中心基础设施资源统计、容量预警工作，做好每月用水用电统计、PUE统计与分析。

8、配合数据中心进驻客户的场地选址、平面布局、改造实施、进驻管理等支持协调工作。

9、基础设施月报、环境报告的编写和提交。

10、数据中心基础设施的持续优化和改善。

11、负责上级主管领导交办的其它工作。

❽ 数据工程师是做什么工作内容

数据工程师都做什么？
数据工程师负责创建和维护分析基础架构，该基础架构几乎可以支持数据世界中的所有其他功能。他们负责大数据架构的开发、构建、维护和测试，例如数据库和大数据处理系统。大数据工程师还负责创建用于建模，挖掘，获取和验证数据集合等流程。
数据工程师的关键技能
下面介绍数据工程师所需的几项关键技能。
1.大数据架构的工具与组件
数据工程师更关注分析基础架构，因此所需的大部分技能都是以架构为中心的。
2.深入了解SQL和其它数据库解决方案
数据工程师需要熟悉数据库管理系统，深入了解SQL至关重要。同样其它数据库解决方案，例如Cassandra或BigTable也须熟悉，因为不是每个数据库都是由可识别的标准来构建。
3.数据仓库和ETL工具
数据仓库和ETL经验对于数据工程师至关重要。像Redshift或Panoply这样的数据仓库解决方案，以及ETL工具，比如StitchData或Segment都非常有用。此外，数据存储和数据检索经验同样重要，因为处理的数据量是个天文数字。
4.基于Hadoop的分析（HBase，Hive，MapRece等）
对基于Apache Hadoop的分析有深刻理解是这个领域的一个非常必要的需求，一般情况下HBase，Hive和MapRece的知识存储是必需的。
5.编码
说到解决方案，编码与开发能力是一个重要的优点（这也是许多职位的要求），你要熟悉Python，C/C++，Java，Perl，Golang或其它语言，这会非常有价值。
6.机器学习
虽然数据工程师主要关注的是数据科学，但对数据处理技术的理解会加分，比如一些统计分析知识和基础数据建模。
机器学习已经成为标准数据科学，该领域的知识可以帮我们构建同类产品的解决方案。这种知识还有一个好处，就是让你在这个领域极具市场价值，因为在这种情况下能够“戴上两顶帽子”会让你成为一个更强大的工具。
7.多种操作系统
最后，需要我们对Unix，Linux和Solaris系统有深入了解，许多数学工具基于这些操作系统，因为它们有Windows和Mac系统功能没有的访问权限和特殊硬件需求。

❾ 大数据工程师常用的大数据BI工具是什么

【导语】目前，无论是大企业还是小企业，都面临着数字化转型的挑战。如何在大数据中获得更好地洞察力，有效改善用户体验，同时达到优化生产力的效果，这时候进行数据分析就显得尤为重要了，那么大数据工程师常用的大数据BI工具是什么?

1、亿信ABI

亿信ABI是亿信华辰开发的一款全能型数据分析平台。支持连接多种类型的数据源，包括：关系型数据库，分布式数据库，文件数据源，接口数据源等;也能灵活支持跨源跨库的数据分析。内置了数仓实施工具，通过拖拽式的流程设计，实现了数据抽取、清洗、转换、装载及调度。支持业务人员自助分析，拖拖拽拽就能做出数据分析。

2、Tableau

Tableau是国外比较流行的一款数据可视化工具，可视化功能很强大，对计算机的硬件要求较高，部署较复杂。支持与Matlab进行集成计算。目前在数据挖掘领域做得相对比较简单，只是内置了预测和聚类两个挖掘分析算法，但支持R语言等挖掘语言集成。

3、QlikView

QlikView比较灵活，展示样式多样。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观。QlikView数据文件(QVD文件)概念的引入，一定程度上取代了ETL工具的功能，拥有可集成的ETL(提取，转换，加载)引擎，能够执行普通的数据清理操作，但是这可能会很昂贵。

4、Power BI

Power
BI是微软提供的一种商业分析产品，因为是微软的产品，所以它的知名度很高。在产品的功能、易用性、美观程度上都有很好的表现。这个产品的学习成本较低、上手快，因为桌面版不提供协作选项，因此最适合独立用户或在同一个办公区工作的人使用，对于有复杂业务场景需求的客户，包括有定制开发需求的客户来说，存在不小的障碍。

5、Finebi

Finebi是帆软开发的一款敏捷BI工具，帆软早期专注于传统报表的图表组件功能，以价格优势占到了不低的市场份额，作为传统报表起步的公司，在敏捷BI的冲击下市场受到了冲击并开始转向敏捷路线。Finebi做到了将IT人员从分析环节的中心淡去，提供了从数据采集到数据加工处理、数据存储、数据分析、数据可视化为一体的一站式商业智能解决方案。

关于大数据工程师常用的大数据BI工具，就给大家说明到这里了，其实大数据行业的发展未来前景一路看好，希望大家能够抓住机遇，加油!