入行大數據領域，你需要選對職位

隨著大數據領域的火爆，數據科學領域的招聘信息越來越多，范圍也越來越廣，然而面對參差不齊的招聘信息，你真的知道大數據到底做什么的么？“你希望具體從事的大數據工作或方向是什么？”

對于，大數據領域生態，包涵很多不同打的崗位，也賦予不同崗位不同的技能、要求和發展方向。為了和大家介紹的清楚，通過一個數據課題case流程來解釋不同崗位的職責。
數據課題流程
大數據課題流程有4個基本環節，分別是業務理解、數據準備、數據挖掘、分析應用。在這個流程里有四個層次：需求層、數據層、模型分析層與輸出層，同時對應四個職能領域：
業務理解（業務數據分析師，業務戰略規劃師）：業務側之眼，負責業務規劃與戰略規劃，幫助企業在業務層突破、創新，實現價值
DBA：承擔整個公司數據倉儲、數據庫的搭建與服務，保證數據安全、穩定
大數據挖掘：負責關鍵模型應用與研究工作
大數據分析應用：既是外部需求的接入者，也是解決方案的輸出者，很多時候也會承擔全盤統籌的角色
研發層：完整的流程還需增加職能，承擔整個運營系統的構建與維護、數據準備、平臺與工具開發
數據科學領域職位劃分
這樣一張完整的職能架構變出來了，下面通過信息圖區分每個職位的角色介紹、必備技能。
1.業務數據分析師
業務數據分析師
角色/任務：改進業務流程的業務和IT之間的中介
必備語言：SQL
技能和特長:
基本工具（例如微軟Office）
數據可視化工具（e.g.Tableau）
自覺聽和講故事
商業智能的理解
數據建模
2.數據庫管理員
數據庫管理員
角色/任務：確保數據庫是提供給所有相關用戶，正在正確執行，并且安全運行
必備語言：SQL,Java,Ruby on Rails,XML,C#,Python
技能和特長:
備份恢復
數據建模和設計
分布式計算（hadoop的）
數據庫系統（SQL和基于NO SQL）
數據安全
ERP業務知識
3.數據科學家
數據科學家
角色/任務：清洗，管理和組織（大）數據，利用算法和模型提高數據處理效率、挖掘數據價值、實現從數據到知識的轉換。
必備語言：R,SAS,Python,Matlab,SQL,HivePig,Spark
技能和特長:
分布式計算
預測模型
故事講述和可視化
數學\統計，機器學習
4.數據架構師
數據架構師
角色/任務：創建數據管理系統進行整合，集中，保護和維護數據源
必備語言：SQL,XML,HIVE,PIG,SPARK
技能和特長:
數據倉庫解決方案
深入了解數據庫體系結構
提取thansformation和加載（ETL），電子表格和BI工具
數據建模
系統開發
5.數據工程師
數據工程師
角色/任務：開發，建設，測試和維護架構（如數據庫，以及較大規模的處理系統）
必備語言：SQL,Hive,Pig,R,Mtlab,SAS,SPSS,Python,Java,Ruby,C++,Perl
技能和特長:
數據庫系統（SQL和基于NO SQL）
數理統計功底，統計學
數據建模ETL工具
數據API
數據倉庫解決方案
6.統計學家
統計學家
角色/任務：收集，分析和解釋，定性和定量的數據統計理論和方法
必備語言：R,SAS,SPSS,Mtlab,Stata,Python,Perl,Hive,Pig,Spark,SQL
技能和特長:
統計理論方法
數據挖掘機器學習
分布式計算（Hadoop的）
數據庫系統（SQL和基于NO SQL）
云工具
7.數據產品經理
數據產品經理
角色/任務：管理團隊分析師和數據科學家，與團隊解決課題
必備語言：SQL,R,SAS,Python,Matlab,Java
技能和特長:
數據庫系統（SQL和基于NO SQL）
領導項目管理
人際溝通
數據挖掘預測建模數據建模
8.數據分析師
數據分析師
角色/任務：收集，處理和執行統計數據分析
必備語言：R, Python, HTML,Javscript,C/C++,SQL
技能和特長:
電子表格工具（例如Excel）中
數據庫系統（SQL和基于NO SQL）
通信可視化
數學，統計，機器學習
入職大數據領域，弄清楚是做什么產品，做什么項目，將要用到什么技術，什么語言，然后才能有針對性的去進行相關學習和培訓
對于大數據運營體系和系統底層架構，包含了采集層、存儲層、計算層和應用層，對于每一層所需的編程語言和工具都有所側重
大數據底層架構圖
理論上計算機專業、信息專業、數學專業、管理專業或者其他專業背景的都可以嘗試這個領域。前期是做數據的基礎監測和總結工作，如周期性的報告或特定專題報告；中期參與業務溝通、梳理需求，組織建模解決問題；后期為企業內部提供戰略意見，帶領團隊提供可落地的解決方案，解決大數據課題，落地數據方案。
最后，會Python無論數據采集（爬蟲）、數據建模挖掘、數據分析應用（展示）均能攻克。