首页 > 海文新闻 > 大数据行业各个岗位竞争力如何?

大数据行业各个岗位竞争力如何?

2017年09月27日13:47:48来源:海文国际         78
分享到:

大数据行业越来越多的吸引人们的关注,很多人想进入这个行业,但是都想问大数据岗位ude竞争力到底怎么样,能不能有很好的职业发展,其实数据工程师也是分了等级了,要明白自己的等级和缺陷在哪里,才能进一步提高自己的能力和竞争力。

数据工程师分为五个等级,第五级是能独立完成所分配的工作,第四级是能指导和带领其他人一同完成更有影响力的工作,第三级是能够独立带领人做出一个为公司挣得利润的产品了,第二级是能够做出先前没有的东西的人,第一级是开创一个产业的人。

1、数据分析师的基本要求是懂企业的业务和数据,具备写报告的能力,所处的阶段,跟自己所处的企业强相关,你提交的经营分析报告能够呈送到公司哪一层,就代表了你的水平,比如你主要为科室写,就代表了达到科室的水平,如果你的报告能在公司的市场经营分析会发表,就代表了公司的市场水平,如果你的报告给老大,就代表了公司的水平,经营分析报告考验的一方面当然是你的数据分析水平和业务能力,但更考验的是你的沟通力、理解力和表达力。

数据为根,领导为本,数据分析师从事的工作也算是一门艺术。

大数据行业各个岗位竞争力如何?

2、数据挖掘师所处阶段很难划分,纯粹从技能的角度看,第一阶段是能理解业务和数据,能熟练的处理数据,以经验导向去打造一个模型,这算是入门了,第二阶段是对统计学有一定理解,掌握专门的挖掘引擎,能采用更为科学的方式去打造一个模型,第三阶段是自己搞算法去创造一个模型,这在很多应用型企业不太需要,基本上是数据科学家要干的活了。

上面仅仅是从技能的角度做了划分,数据挖掘最终还是要效果导向,无论你掌握了什么技能,最主要的评估依据是创造了多少效益,即使你经验导向,模型没有采用什么算法,但只要效益高,就可以称是个好的挖掘师,因为你拥的数据和业务经验足以弥补挖掘技能的短板。

传统数据挖掘业务理解和数据处理占到了70%以上精力,因此技能要求并不是那么苛求,但随着大数据的来临,海量数据处理、机器学习的技能要求会大幅加大,比如计算优化啥的,这已经不是业务经验所能弥补的,要靠一定的技术,很多互联网公司对于数据挖掘师都提出了相关的技术要求,由此可见一般。

3、数据开发师本质属于开发人员,就是俗称的码农,只是他操作的平台大多是数据仓库类OLAP平台,使用的语言大多是SQL,展现的方式大多是报表、指标或清单,业务和数据理解力基本代表了其开发水平,因此,评估的方式既有传统的开发人员的及时率啥的,也包括数据准确性等指标,公司的运营报表,KPI指标都依赖于代码质量,影响也不可谓不大。

数据开发师的技术通道较窄,除了上升为管理者,常见的是转型成为数据架构师或数据挖掘师。

4、数据架构师相对于数据开发师内涵更广,视野更宽,其致力于企业数据的采集、整合和治理,如果说数据开发师侧重于满足一个个数据需求,数据架构师则侧重打好数据基础,为前者提供更好的服务保障,我们通常说的数据仓库建模、数据质量管理、元数据管理等等,都是其工作范围,阿里不是在提打造小前台,大中台吗?那么数据的大中台谁来打造,就是数据架构师,可以这么说,数据架构师是公司数据资产的总体设计师。

注意数据架构师和大数据架构师是两个概念,大数据架构师前面的大数据是大数据领域的概念,一般是指大数据平台的架构师,数据架构师的数据才指真正的对于数据的规划。

数据架构师的评估比较难,因为领域覆盖很广,很多企业实际将其职能分散到了多个人手中,比如数据仓库由项目经理建设,数据治理工作则让运维人员负责,这导致了建设和运维的脱离,两张皮现象使得数据治理工作很难真正落地,实际上数据管理领域是最需要DevOps的。

基于实践的认知,笔者觉得初级的数据架构师一般只具备单点能力,比如能规划企业的数据蓝图,能完成企业相关数据管理规范的制定,或是能完成一个数据仓库、数据质量或元数据项目,优秀的数据架构师则能贯通管理、开发和运维线,让数据规范能在实践中真正落地。

没有做过数据开发,就不要轻易让人做数据架构,很容易眼高手低,那种没做过数据仓库的,一上来就谈数据管理的,大多也是无法落地的。

5、平台架构师就不用多说了,完全技术导向,如果懂业务和数据更好,不懂也没关系,一般的技术控走的都是这条路线,之所以将其纳入数据人的范畴,是因为大数据时代系统和数据耦合性越来越高,诸如深度学习、人工智能什么的,算法能否高效,已经不仅仅是个数据问题,也是个平台问题。

但即使你有了很强的能力,也并不代表你对外就有竞争力,比如你在一个企业内可能很厉害,对外却是一文不值,因为你的能力在自己的企业可能是稀缺的,独特的,但对外则要遵循市场的供求关系。

有了这些铺垫,我们就来谈谈数据人跳槽的可行性问题,不同的数据岗位行业需求不一样,决定了你的实际竞争力。

总之,1-5年的数据人,需要客观的认识这五类数据工作的性质,明确自己的专业发展方向,虽然我们强调综合性人才,但对于数据类工作一定要精通一门,知道自己的擅长和局限之处,不要好像什么都懂一点,但其实哪样都不精通,这是大忌,其实任何一门只要沉下心去做,达到出类拔萃的境界,就不会受上面所说的一些限制了。