首页 慕课课程正文

纯干货丨大数据职位体系梳理(应用类·系统类)

导·读

  大数据时代,给个人带来了新的发展机会,也给个人提供了新的职位发展通道。

  一些同仁从其他岗位转向大数据岗位时,面对众多的大数据招聘职位时,却不知所措,不知道应该选择什么样的职位发展方向。

  以下收集并整理了一下各个公司的招聘职位,试图梳理当前大数据岗位体系,并寻找出一条合适的职位发展通道,希望对大家有用。

  大数据职位体系:

  前大数据职位,从总的来说,主要有两大类:一类是应用类,另一类是系统类。

纯干货丨大数据职位体系梳理(应用类·系统类)

  应用类:

  应用类,偏向于数据分析和数据应用,经常说到的数据分析、数据挖掘,就是典型的应用技术。这一类职位,要求采用适当的分析和挖掘方法对数据进行分析,提取数据中隐含的业务信息,来支撑企业决策。

  最典型的职位就是:大数据分析师。

  ▊大数据分析师:主要是指,基于业务问题,能够选择最合适的数据分析和数据挖掘方法,提取数据中的业务信息,从而支撑业务决策。要求熟悉数据分析/挖掘过程,掌握数据分析/挖掘方法,理解数据分析模型,熟练操作数据分析工具(比如Excel、SPSS、SAS等)。一般对于大数据分析师,其能力要求比较全面,不管是业务逻辑、还是分析方法、模型、可视化,都要求全面掌握。

  业务数据分析师:侧重于商业理解,要求能够将业务问题和商业问题,转化为大数据的问题,并将分析结果从业务层面进行解读,从而形成业务建议和业务策略。要求熟悉业务逻辑和业务模型,掌握数据分析思路,能将数据可视化,对数据解读等。当然,类似的职位还有大数据观察员、大数据研究员等等,这些都侧重于商业理解。

  大数据建模/算法师:侧重于数据建模,能够围绕业务问题,构建合适的数据分析框架和分析模型,将业务问题进行分解,从而达到定性或定量来描述业务的目的。要求熟悉数据建模、模型评估、模型优化、模型应用等等。

  大数据算法师:侧重于数据模型的实现算法研究、设计与实现,为达到分析目的,对实现算法进行分析、选择与优化,确保实现性能及效果。一般情况下,算法师往往和建模师在一起工作。

  系统类:

  系统类,偏向于系统研发,比如Hadoop系统、云计算,就属于系统类技术。这一类职位,要求熟悉Hadoop大数据平台的核心框架和组件,能够基于大数据平台来写代码开发应用,支撑业务应用。

  最典型的职位就是:大数据工程师。

  ▊大数据开发工程师:负责大数据系统的开发工作,能够运用编程语言进行应用程序的开发、测试和维护,实现产品功能。要求掌握编程语言,如JAVA、R、Python等等。

  大数据架构师:负责大数据系统的平台架构设计、平台构建。要求熟悉Hadoop/Storm/Spark等平台,熟悉整个生态系统的组件,有平台级开发和架构设计能力等等。

  大数据运维工程师:侧重于大数据平台运维管理,包括系统运维规划、系统监控、系统优化等等,保障大数据平台服务的稳定性和可用性。掌握平台各组件的安装、配置与调试,有良好的系统性能优化及故障排除能力。

  大数据库管理员:侧重于数据库/数据倒仓库的设计、开发、管理和优化,监控数据库的性能、故障检测和排除,包括数据采集,数据库架构设计,空间和容量规划,性能优化,数据安全和隐私,数据容错,等等。

  当然,在不同的企业中,职位的名称和叫法有所不同,或者会衍生出新的职位,但基本的岗位职责是类似的。

  作者简介:

  傅一航,大数据专家。专注于大数据分析、大数据挖掘等应用技术,及大数据系统解决方案。致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域。

  注:本文转自大数据专家傅一航,作者:傅一航,版权著作权属原创者所有。 编辑:Fynlch(王培),数据观微信公众号(ID:cbdioreview),欲了解更多大数据行业相关资讯,可搜索数据观(中国大数据产业观察网www.cbdio.com)进入查看。

责任编辑:王培

分享: