大数据专业未来就业前景如何？

有关回应 · 2021-5-14 20:56:41

作为一名大数据方向的研究生导师，我来回答一下这个问题。
首先，从近两年大数据方向研究生的就业情况来看，大数据领域的岗位还是比较多的，尤其是大数据开发岗位，目前正逐渐从大数据平台开发向大数据应用开发领域覆盖，这也是大数据开始全面落地应用的必然结果。从2019年的秋招情况来看，大数据开发岗位的数量明显比较多，而且不仅需要研发型人才，也需要应用型人才，所以本科生的就业机会也比较多。
当前大数据技术正处在落地应用的初期，所以此时人才招聘会更倾向于研发型人才，而且拥有研究生学历也更容易获得大厂的就业机会，所以对于当前大数据相关专业的大学生来说，如果想获得更强的岗位竞争力和更多的就业渠道，应该考虑读一下研究生。
读研之后在岗位选择上可以重点考虑一下大数据平台开发，在5G通信的推动下，未来云计算会全面向PaaS和SaaS领域覆盖，这个过程会全面促进大数据平台的发展。另外，由于人工智能平台的陆续推出，对于大数据平台也是一种促进。相比于大数据应用开发岗位来说，大数据平台开发岗位不仅薪资待遇更高，职业生命周期也会更长，而且未来也可以获得更多的发展机会，也会更容易进入云计算、人工智能等领域发展。
对于当前在读的本科生来说，如果不想读研，那么应该从以下三个方面来提升自身的就业竞争力：
第一：提升程序设计能力。动手实践能力对于本科生的就业有非常直接的影响，尤其在当前大数据落地应用的初期，很多应用级岗位还没有得到释放，不少技术团队比较注重学生程序设计能力，所以具备扎实的程序设计基础还是比较重要的。
第二：掌握一定的云计算知识。大数据本身与云计算的关系非常紧密，未来不论是从事大数据开发岗位还是大数据分析岗位，掌握一定的云计算知识都是很有必要的。掌握云计算知识不仅能够提升自身的工作效率，同时也会拓展自身的技术边界。
第三：重视平台知识的积累。产业互联网时代是平台化时代，所以要想提升就业能力应该重视各种开发平台知识的积累，尤其是与行业领域结合比较紧密的开发平台。实际上，大数据和云计算本身就是平台，所以大数据专业的学生在学习平台开发时也会相对顺利一些。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

有关回应 · 2021-5-14 20:56:42

随着科技的发展，人类社会拥有数据规模增长很快，每时每刻、从天到地都有大量数据被产生和存储下来。数据科学则通过对数据进行分析，帮助决策。
比如这么多家社交网站，一天到晚从你的定位到点击了什么连接，各种鸡毛蒜皮的数据都存着，他们不怕数据多，就怕有什么没记录下来的。数据量的增大和数据的多样化也促进了很多公司、政府进行数据分析来支持商务决策（data driven decision making）。
事实上，大到世界500强，BAT这样的公司，小到创业公司，他们都需求数据人才。目前，大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。
大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。有些特别强调大数据战略的互联网公司则会另设最高职位—如阿里巴巴的首席数据官。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。
职业发展主要分为3个方向：
1、大数据开发方向; 所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等；
2、数据挖掘、数据分析和机器学习方向; 所涉及的职业岗位为：大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等；
3、大数据运维和云计算方向；对应岗位：大数据运维工程师；
三个方向中，大数据开发是基础。以Hadoop开发工程师为例，Hadoop入门月薪已经达到了 8K 以上，工作1年月薪可达到 1.2W 以上，具有2-3年工作经验的hadoop人才年薪可以达到 30万—50万，一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径。这三个方向精通任何方向之一者，均会前（钱）途无量。
然而目前只有很少的大学开设大数据这门课程，所以大多数都是参加培训学习的大数据，好程序员大数据拥有更加细致，完整的大数据开发知识体系，内容包含Linux&&Hadoop生态体系、大数据计算框架体系、云计算体系等等。只为成就非凡人生，构筑梦想桥梁，期待有兴趣的朋友加入！

有关回应 · 2021-5-14 20:56:43

21世纪互联网飞速发展，人工智能时代、大数据时代已经来临，且磅礴发展，势不可挡。以税务系统为例，金税三期对企业管理运用大数据比对，进行监管、稽查：假账，假发票无处遁形；统计局智慧统计大数据云平台建设，关系国计民生发展；大数据专业就业前景远大，空间发展无限。

大数据分析是一门跨领域技术，还可以衍生到蓬勃发展的测试行业，不但统计学、计算机等理工背景的可以学，金融、财务、市场营销、电子商务、人力资源等经济管理类专业也可以学。每时每刻，我们都在产生大量的数据：微信聊天、刷微博、抖音平台、快手平台、地铁刷卡、银行存款…… 大数据的高速增长，离不开软件分析和软件测试支持；数据分析人才、测试人才出现了供不应求的状况。有媒体报道，美国的数据分析师平均年薪高达17.5万美元，国内顶尖互联网公司，数据分析师、软件测试工程师薪酬比同一级别的其他职位薪酬高20%-30%，且颇受企业重视。

题主目前正是勤奋学习、强修内功、扎实修炼、努力提升的好时间。一分耕耘一分收获。肯定能在测试行业大展身手、大有作为。

有关回应 · 2021-5-14 20:56:44

针对该问题，偷儿个懒，贴一个本人最近写的文章，谈一下自己根据个人学习和工作经验的一些感想~分三个部分详细讨论^^
[h1]1. 数据分析为什么“火”了[/h1]几乎所有商业上的成功都依赖于成功的决策行为，好的决策依赖于充分、有用的信息。信息的来源有两个主要的渠道，一是人的主观经验，二是客观数据，这二者实际上是缺一不可，形成互补关系。因此，当企业在面对具体的经营问题时，为了度过难关，就通常需要高薪挖有行业经验的人才，同时收集有利于企业决策的重要数据。
数据分析到底是什么？此处可以恰到好处地下个定义——在主观经验的基础之上，对客观数据加以充分利用，获得有价值的、有利于成功决策的信息的分析方法！
人们用数据分析解决问题的历史由来已久了，早在春秋战国时期就有"数灶台"来判断敌军数量的经典案例。但是直到近十年，数据分析方法才真正迎来蓬勃的发展，我认为背后主要来自于计算机技术的迅速发展，主要包括以下几个方面：
（1）数据获取技术提高
从广义上，数据包括生产数据、自然数据、和行为数据几大类。随着传感器技术的发展，单个传感器成本已经被压到很低，人们可以非常廉价地获得制造业中产品的生产数据和复杂自然界中的各种监控数据。另外，随着互联网、社交网络、和移动通讯技术的发展，也促使了人们日常行为的"电子化"程度更高，更多用户行为数据可以通过各式各样的在线应用流量入口被快速精确、且完整地记录下来。
（2）数据存储效率提高
存储芯片做的越来越小，成本越来越低，云存储的技术也获得了迅速的发展和应用。随着5G技术的逐渐落地，未来数据传输速度的瓶颈也不再是问题。数据可以做到随时获取、随时存储、随时应用。
（3）数据计算效率更高
主要是分布式计算的算法和相应硬件技术的发展（如GPU加速以及大规模计算集群技术）。
（4）数据相关法律法规健全
众所周知，只有在健全的法律体系下，一个行业才能平稳有序的发展。随着数据相关的应用和商业模式越来越多，与老百姓的生活相关性日益密切，无论是国外还是国内，都相继出台了成熟的数据产权以及数据安全的法律法规。好的数据企业在健全的法律保障下可以稳健发展，不断产生更有价值的行业创新，也创造出更多的高价值岗位。
[h1]2. 数据创造价值的基本逻辑[/h1]在企业运营中，通过数据分析可以获得更充分的市场信息——这样就可以更好地了解市场，从而做出更加准确的决策获得效益。那么，数据和企业效益之间的基本逻辑是什么？更多更好的数据是否直接带来企业效益？
针对该问题，提出几个我认为的关键要点：
一是要认识到使用数据是有成本的，一个企业不应冒进地采取数据扩展策略。数据并不是越多越好，要重视数据质量、真实性、数据背后的意义、以及数据与具体业务（商业模式）的相关性，有针对性地收集数据、使用数据；
二是要认清市场竞争环境仍然以零和博弈的形态为主，使用数据的目的是获取决策信息，但仅仅如此是不够的，更重要的是相对于市场上的竞争对手获得更强的信息不对称优势。因此，在当前的市场环境下，在传统行业中充分使用数据分析技术会给企业带来超额价值，更容易取得成功（如农业、传统制造业、能源行业等）；
三是要怀着谦逊的心态看待数据分析技能，把它看作一种必备技能（就像英语一样），而非核心竞争力，这也是我最想强调的；这里所说的数据分析技能，既包括一般的业务数据分析，也包括相对复杂一些的数据挖掘、机器学习、深度学习等。尽管后者的方法对技术要求更高，但是随着编程能力的普及化、算法程式的乐高化、以及数据教育的亲民化，在未来（当你毕业的时候），这些内容都不大会构筑非常高的入行门槛。
因此，若非个人能力特别牛，有著名高校和著名paper的背书，不建议把数据分析技术作为核心能力去培养（纯兴趣除外）。毕竟整个社会对纯算法研发岗位的需求少之又少（仅限于高校及top大厂的研究院），就算有，大多数的技术创新也仅维持在简单的应用层面，很难在当今异常成熟的技术条件下做出特别重大的算法上创新。
[h1]3. 做一个有职业优势的数据专家[/h1]综上，我的大致判断是：如果喜欢数据科学并且想从事科研，可以选择并从事大数据相关专业的学习；如果未来去业界发展，建议理性看待数据类专业的"市场价值"，将其作为基础能力去培养，同时重视多元化发展自己的技能。
建议考虑，"大数据+X"的模式去选择自己喜欢的专业或规划自己的就业方向~ 毕竟，未来很多行业都会与数据技术、信息技术产生非常紧密的耦合关系，数据技术更应当理性地看作是一种常规的方法和技能来解决某个特定领域的问题。
大数据就像基础学科：数学，样无处不在~
此外，在学习数据分析技能的时候，我也要给出几个小TIP：
一、打好基础，熟练掌握经典的最常用的模型
大数据技术有明显的2/8特征，少数非常经典的简单算法模型（如回归、决策树、MLP）就可以解决绝大多数的算法问题了。
二、除Excel外，集中掌握一两门核心的大数据编程语言
建议R(学术、统计)和Python（商业应用）
三、重视核心竞争力的培养
把数据技能看作是基础能力，同时要有自己的核心能力。对于在校生，就算某个具体的专业，如经管、医疗、物理等等；对于从业者，就算某个行业的领域知识和经验，如制造业知识、金融业知识等等。
四、对算法的学习关注逻辑，避免陷入细节
按照现在的行业大趋势，未来可用的模型和算法会越来越多、越来越复杂；如果要一直跟着学，所有细节都掌握根本不现实，也会累死。当然，这样做其实根本不必要，因为现成的开源代码或架包很快就会出现。
建议仅对核心的经典模型掌握其基本原理甚至推导逻辑；对于繁杂的创新模型，主要是了解模型特征和适用条件，理解以下几个要点：
1、背后的核心经典模型是什么？
2、解决了什么特殊问题？在经典模型上有什么改进?
3、应用场景？是否广泛应用？
4、优缺点？局限？
刘通：火爆的数据行业前景如何？更多信息欢迎关注本人专栏~ 欢迎大家的拍砖交流~~~

有关回应 · 2021-5-14 20:56:45

可以比较肯定的回答是大数据不好学，但可以学习，为什么会有这样的回答的，大家一定是比较好奇的，有的人甚至觉的只要是参加大数据培训就能够学会，其实实际的情况并没有想象的怎么好，大数据培训学习也不是所有的人都可以的，按照现实情况来看要想学习大数据起码也要本科起步，而且要有良好的思维逻辑。
对于大数据目前好不好学，小编这里有几点可供大家参考一下：
1.大数据好不好学，答案一定是不好学，如果好学也就不会有怎么多的人才缺口了；
2.大数据学习是有一定的门槛的，但并不像许多小伙伴说的需要数学和统计学基础才行。我们经常说的大数据培训学习一般都是指的大数据开发，一般本科生就可以学习。
3.为什么说不好学呢？从大数据学习的内容上来看，他是一门比较复杂的学科，首先，大数据培训学习需要先掌握一门编程学科，最好是Java编程语言。所以说，大数据难但是可以学。
说完了大数据是否好学，我们再来探讨一下大数据就业情况怎么样。
大数据就业情况这个相比了解过的童鞋都明白，之所以参加大数据培训学习进入这个行业大概也都被其发展和就业方面情况所吸引。大数据的就业缺口目前来看还是比较大的，有百万之多，而且待遇也是相当可观的。
对于大数据的未来发展也是可期的，人工智能、云计算、物联网和大数据都是密不可分，随着互联网的不断发展，今后会有更多的行业融入大数据技术，对于大数据的依赖性更强。

大数据专业未来就业前景如何？

5 个回复