作爲IT類職業中的“大熊貓”,大數據人才(數據工程師,數據分析師,數據挖掘師,算法工程師等)、在國內人才市場可謂是一顆閃耀的新星。由於剛剛出於萌芽階段,這個領域出現很大的人才缺口。
學習大數據,你的職業是如何規劃的?
1 大數據人才做什麼?
2 需要具備的能力
2.1 精通SQL
2.2 數據模型技能
2.3 ETL設計
2.4 架構項目
3 知識體系
機器學習基礎
機器學習工具
3.1 大數據通用處理平臺
3.2 分佈式存儲
3.3 資源調度
3.4 機器學習工具
3.5 數據分析/數據倉庫(SQL類)
3.6 消息隊列
3.7 流式計算
3.8 日誌收集
3.9 編程語言
3.10 數據分析挖掘
3.11 數據可視化
3.12 機器學習
4 大數據人才的職業發展
4.1 薪酬待遇
4.2 職業發展路徑
1 大數據人才做什麼?
大數據是眼下非常時髦的技術名詞,與此同時自然也催生出了一些與大數據處理相關的職業,通過對數據的挖掘分析來影響企業的商業決策。大數據工程師就是一羣“玩數據”的人,玩出數據的商業價值,讓數據變成生產力。大數據和傳統數據的最大區別在於,它是在線的、實時的,規模海量且形式不規整,無章法可循,因此“會玩”這些數據的人就很重要。
在這裏還是要推薦下我自己建的大數據學習交流羣:957205962,羣裏都是學大數據開發的,如果你正在學習大數據 ,小編歡迎你加入,大家都是軟件開發黨,不定期分享乾貨(只有大數據軟件開發相關的),包括我自己整理的一份最新的大數據進階資料和高級開發教程,歡迎進階中和進想深入大數據的小夥伴加入。
因此,分析歷史、預測未來、優化選擇,這是大數據人才在“玩數據”時最重要的三大任務。通過這三個工作方向,他們幫助企業做出更好的商業決策,找出最優化的結果。
2 需要具備的能力
2.1 精通SQL
如果英語是業務的交流工具,那麼SQL就是數據的交流工具。一個不會流利的英語的業務人員能有多大的成就?不管任何技術時代的產生和更替,SQL一直是數據的通用語。數據工程師應該有能用SQL表達任何‘相關子查詢’和窗口函數複雜度的技術能力。對數據工程師來說初始SQL/DML/DDL簡單到根本沒有難度。即使是沒有接觸過SQL的人,他也能讀懂並明白數據庫的執行計劃,瞭解所有步驟,知道程序怎麼被調用,連接算法的不同和執行計劃內的分佈式維度。
2.2 數據模型技能
作爲一個數據工程師,有對實體-關係模型的認知反射,規範化的清晰認識,權衡反規範化的敏銳直覺。數據工程師應該熟悉維度建模及相關概念與術語。
2.3 ETL設計
能夠寫出有效率、有彈性的、“可發展”的ETL任務是一個關鍵。
2.4 架構項目
就如任何一個領域的專家的專業技能一樣,數據工程師需要一個較高層次的綜括,對大多數的工具,平臺,庫,和其他供他支配的資源的瞭解。認識到不同類型的數據庫、計算引擎、流處理器、消息隊列、工作流協調器、序列化格式及其他相關技術的屬性、用例、微妙之處。在設計解決方案的時候,他應該有能力選擇即將要使用的技術,並有一個構想去協調怎麼使他們一起更好地工作。
3 知識體系
3.1 大數據通用處理平臺
Spark
Flink
Hadoop
3.2 分佈式存儲
HDFS
3.3 資源調度
Yarn
Mesos
3.4 機器學習工具
Mahout
Spark Mlib
TensorFlow (Google 系)
Amazon Machine Learning
DMTK (微軟分佈式機器學習工具)
3.5 數據分析/數據倉庫(SQL類)
Pig
Hive
kylin
Spark SQL,
Spark DataFrame
Impala
Phoenix
ELK
ElasticSearch
Logstash
Kibana
3.6 消息隊列
Kafka(純日誌類,大吞吐量)
RocketMQ
ZeroMQ
ActiveMQ
RabbitMQ
3.7 流式計算
Storm/JStorm
Spark Streaming
Flink
3.8 日誌收集
Scribe
Flume
3.9 編程語言
Java
Python
R
Ruby
Scala
3.10 數據分析挖掘
MATLAB
SPSS
SAS
3.11 數據可視化
R
D3.js
ECharts
Excle
Python
3.12 機器學習
機器學習基礎
聚類
時間序列
推薦系統
迴歸分析
文本挖掘
決策樹
支持向量機
貝葉斯分類
神經網絡
深度學習
機器學習工具
Mahout
Spark Mlib
TensorFlow (Google 系)
Amazon Machine Learning
DMTK (微軟分佈式機器學習工具)
4 大數據人才的職業發展
4.1 薪酬待遇
作爲IT類職業中的“大熊貓”,大數據人才的收入待遇可以說達到了同類的頂級。國內IT、通訊、行業招聘中,有10%都是和大數據相關的,且比例還在上升。在美國,大數據工程師平均每年薪酬高達17.5萬美元,而據瞭解,在國內頂尖互聯網類公司,同一個級別大數據工程師的薪酬可能要比其他職位高20%至30%,且頗受企業重視。
4.2 職業發展路徑
由於大數據人才數量較少,因此大多數公司的數據部門一般都是扁平化的層級模式,大致分爲數據分析師、資深研究員、部門總監3個級別。大公司可能按照應用領域的維度來劃分不同團隊,而在小公司則需要身兼數職。有些特別強調大數據戰略的互聯網公司則會另設最高職位—如阿里巴巴的首席數據官。這個職位的大部分人會往研究方向發展,成爲重要數據戰略人才。另一方面,大數據工程師對商業和產品的理解,並不亞於業務部門員工,因此也可轉向產品部或市場部,乃至上升爲公司的高級管理層。