文章轉載於http://blog.csdn.net/u012562943/article/details/54580328
1、技術日漸成熟，應用空間得以拓展
大數據技術，最早於1980年被首次提及，卻在近幾年才獲得突飛猛進的發展。相較於幾十年前神經網絡算法捉襟見肘的計算能力，如今處理器對大規模數據的高速處理能力無疑發揮了關鍵性的作用。藉助於處理器的高性能，使我們短時間內完成PB 級數據的機器學習和模型訓練成爲可能，由此爲高度依賴深度學習的圖像、語音識別產品的快速迭代奠定基礎，大數據應用空間得以拓展，也由此催生了提供相關產品與服務的技術公司。
2、重視數據資產，數據挖掘已成必然
現代信息技術使每日產生的數據量呈指數級增長，企業發展再也無法迴避對數據價值的挖掘與利用。電商平臺利用畫像做個性化推薦，互聯網金融公司利用高危識別技術管控金融風險，滴滴出行利用交易數據通過實時定價優化利潤……這些都是對大數據價值的發掘和利用。隨着數據資產意識的加強，數據挖掘也將獲得越來越多結合具體行業場景的重視。
3、技術催生業務新模式，蘊含創業新契機
大數據產業鏈，催生出針對不同版塊提供產品和服務的業務組合新模式，無論是利用推薦算法做內容服務的今日頭條，還是基於數據整合提供監測服務的 TalkingData，或者是提供底層架構支持的阿里雲，無不是發覺了大數據產業鏈條所蘊含的創業先機。
大數據創業，時至今日熱度不減，雖難出BAT那樣巨頭獨大的局面，其提供的相對公平的競爭機會，依然在吸引着新的創業公司加入。
4、市場供不應求，崗位挑戰空間大
翻看大數據相關招聘崗位，一方面是供不應求的招聘局面，另一方面是騰訊、華爲等大牌互聯網公司開出的誘惑薪資，都讓普通崗位的程序員躍躍欲試。
再加上這些崗位相比於傳統的軟件工程，有更高的挑戰空間和更大的難度，自然引得更多人才進入到這個領域。
大數據相關崗位有哪些？
1. 偏技術的“算法工程師”
利用算法手段，構建機器學習模型，解決諸如“人臉識別”、“支付風險管控”等高難度問題。它往往既需要工程師在具體問題上有足夠的專注力，也需要對相關的算法有足夠深度的瞭解。
2. 偏業務的“數據挖掘工程師”
結合計算機知識，重點攻克複雜業務的算法化和模型化難題。與算法工程師的要求不同，它往往不需要工程師在算法上探索得足夠深入，卻對知識的廣度和技能的交叉度有較高的要求，還需要工程師具備相當和快速的業務理解能力。當然了，對數據的高敏感性也必不可少。
技術 Leader 最想要什麼樣的人？
1、最好，你是個獨當一面的全才
基礎條件：紮實的計算機基礎、邏輯能力、英文等素質
保障條件：聰明、學習能力強
加分條件：大規模集羣開發經驗；上層數據應用優化經歷；熟悉聚類、分類、推薦、
NLP、神經網絡等常見算法；會數據處理，還熟悉聚類、分類、推薦、NLP、神經網絡等各種常見算法……
2、退而求其次，有配合團隊的長板優勢
全才難得，退而求其次，針對不同崗位吸收具有不同特長的人才，以追求團隊整體配合的平衡，也不失爲一個策略。
計算機視覺領域的大數據公司，往往需要自己的團隊中同時具備如下特長的成員。比如精通算法的人才：把圖像識別相關算法模型調整到極致；工程實力型人才：高性能實現訓練好的算法模型，或者幫團隊搭建一整套視頻圖像數據採集、標註、機器學習、自動化測試、產品實現的平臺。
即便同一算法工程團隊內部，成員的技能側重點也要合理搭配，以互爲補充。比如，有人專注核心算法研究，就要有人擅長業務分析，專注業務算法模型的實現。
因此，對於想轉型大數據的普通程序猿來說，梳理清楚自己現有技能對於新團隊的價值非常重要，這是促使新團隊決定吸收自己的關鍵。比如，發揮硬件和底層系統工作經歷在算法高速實現上的優勢，一旦通過自身擅長的技能切入新團隊之後，就有了更多橫向發展的機會，幫助自己在大數據相關領域建立更強競爭力。
3、相較當前技能水平，紮實的基礎和成長空間更被看重
當前技能水平好比是術，而紮實的計算機基礎則處於道的層面，諸如Spark等工具性知識通過後期學習便能輕易掌握，而如果缺少了C++/Java基礎想進步卻絕非易事。比如，如果算法、數據結構比較強，編程語言上對 C++ 理解較深入，在應用層的學習上，就可能會比其他人快很多。
有人將程序猿能力抽象爲一個金字塔模型，雖然對計算機語言的精通是每個工程師都注重的能力，但越基礎的素養越蘊含了更多的發展潛力。相比單純苛責當前技能，能利用基礎素養勝任一部分基礎工作，然後通過1-2年鍛鍊接受更復雜問題的程序猿，反而更受企業青睞。
TalkingData 大數據招聘負責人曾直言道，相比於對 Spark 瞭解更多的人，他們更願意招收那些 Java 學得好的人。因爲 Spark 的接口學習起來相對容易，但是要想精通 Java 是一件很難的事情。如果把 Java 或者 C++ 學透了，那麼對計算機技術的認識將很不一樣。
轉型大數據，要點歸納
1、重視基礎
2、發揮專長
3、準備充分
4、首選公司內部轉崗