大数据就业方向之如何转入大数据分析师
本帖最后由 levycui 于 2019-4-2 17:51 编辑问题导读：
1、大数据就业方向中，主要划分为哪些职位？
2、怎么才能转入大数据领域？
3、如何成为一名合格的大数据分析师 ？
4、公司都需要怎样的数据分析人才？
static/image/hrline/line7.png
一、大数据就业方向中，主要划分为哪些职位？
1、ETL研发
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。
2、Hadoop开发
Hadoop的核心是HDFS和MapReduce.HDFS提供了海量数据的存储，MapReduce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、MapReduce、Pig等的需求将持续增长。
3、可视化（前端展现）工具开发
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。
4、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。
5、数据仓库研究
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。
6、OLAP开发
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。
7、数据科学研究
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。
8、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。
9、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。
10、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。
二、怎么才能转入大数据领域 ，成为一名合格的大数据分析师
对于高考考生和家长除了要面临考试这一难关外，考试之后填报志愿时，选择大学和专业也是一个难题。
最近两年很多高校都开设了互联网相关专业，大数据、机器人等专业成为热点。
在2018年公布的2017年度普通高等学校本科专业备案和审批结果显示，“数据科学与大数据技术”最为热门，共有250所高校新设该专业。
高校开专业是与社会需求紧密相关的。以大数据为例，相关专业的毕业生有着非常广泛的从业选择。从零售金融到互联网电商，从医疗制造到交通检测，对大数据的需求无处不在，薪酬自然也十分丰厚。
不止是高考生乐于选择大数据这样的爆款专业，许多职场人也非常心动。那么，如何才能成功转行到热门的大数据领域呢?
转行指南——如何转行做数据分析师?
1、公司都需要怎样的数据分析人才?
① 注意，没有写明技能工具的要求;
② 注明需要掌握的技能要求;
③ 请注意加分项：熟悉SQL、R语言或Python优先;熟练掌握机器学习算法和统计学方法在游戏、广告或精准营销某一领域有数据分析经验者优先。
2、转行大数据，你真的可以吗?
当看到第一个岗位的时候，很多做过电商运营的少年们都会跃跃欲试;
看到第二个岗位的时候，会搜索下BI工具是神马，字面上看除了“清洗”以外，其他的貌似我都懂，尤其是热爱互联网行业，富有创业精神!
看到第三个岗位的时候，做出若有所思状，我真的可以转吗?
【不能随便转行：除了下决心，还要冷静思考】
想转行的朋友，基本可以从以下四个角度上划分：
从学专业上划分：
(1)非相关专业，目前从事领域和数据分析不相关;
(2)非相关专业，目前从事工作有用到数据分析;
(3)相关专业(计算机、统计学、数学、管理学、经济学等)，没有从事本行业;
(4)相关专业，从事工作有应用到数据分析;
从地域上划分：一线互联网集中城市;二线传统行业、互联网行业较发达城市;三线城市
从年龄上划分：(1)毕业一年以内;(2)28岁以前;(3)28-32岁;(4)34岁以后
从是否转行行业上划分：(1)在本行业，从事数据分析;(2)非本行业从事数据分析;
如果你对号入座，再仔细分析的话，就十分具体，并且就不会那么大胆了。
专业上看，要考虑之后的学习成本。事实上第三个岗位说明相对是正确的，第一个岗位偏数据化运营，需要有运营的经验和思维，第二个岗位，可以看出，是一个正在发展的互联网公司，对于业务有需求，通知正在规划公司的数据产品，第三个岗位要求一位数据分析师应该具备的标准，但是因为着急，所以必备的工具要求变成了加分项，为了保证能有培养的价值，于是要求数学、统计学、计算机等相关专业。
每个想转行成为数据分析师的伙伴，起初的动机会因为薪资，社会舆论，认为大数据在发展，或者工作中真正的意识到数据的重要性，所以才有了决心。思考的第一步必然是，我行吗?这里的“行吗?”，大多的时候指的是我能胜任吗?我能学会吗?
从地域上划分，是更严肃的事情。针对一线城市，思考未来所应用的行业也是有考究的，因为不同城市，对数据分析需求的行业会多少不同，也就是说，数据分析、新媒体等专业一样，是所有企业必须具备的职能。数据分析师需要考虑这座城市的行业基因和数量，如果这座城市有很多行业，要基于你过去的行业经验、年龄、行业偏好等冷静的思考。
需要做个说明，二线城市也有需要数据分析师的公司，这些公司以零售、企业服务为主，企业服务包括咨询、外包，另外电信、能源、金融公司等在二、三线城市也都有需求。
为什么要说“另外”呢?因为在二三线城市小的金融公司是不需要数据分析师的，需要的是销售，银行、移动、联通、电信、电力等大佬是对学历、是否应届等条件有硬性指标的。所以基于人才稀缺角度，进入零售、电商、企业服务类公司的概率比较大，那么这个时候，你所在的城市，就会更有局限性，所考虑的转行成本就会越来越高。
转行的目标要多看几个公司，为什么?因为你要做好数据分析，掌握公司数据化管理的要义，完成你职场生涯薪水节节高升的梦，要有目标啊!这个目标取决于你要去的公司的规模排行，如果你足够专业专一的话，那么请用你的数据分析小宇宙拯救这个公司。
在这里有必要告诉大家，所谓技能学习，必须要掌握四个知识板块：行业职场知识、理论、工具、业务应用。
那么，就需要知道数据分析师发展的方向，统计学、数据分析方法和步骤，要掌握分析工具以及未来的行业业务。
作者：人工智能爱好者
来源：https://blog.csdn.net/zhinengxuexi/article/details/88955730
最新经典文章，欢迎关注公众号http://www.aboutyun.com/data/attachment/forum/201406/15/084659qcxzzg8n59b6zejp.jpg
这篇文章太水了，浪费时间 哈哈哈。楼上的评论
页:
[1]