最近看到很多關(guān)于大數(shù)據(jù)方面的新聞,得出感悟:“大數(shù)據(jù)做的厲害是真得很牛,但學(xué)習(xí)的過程確實(shí)非常辛苦!,看到很多培訓(xùn)機(jī)構(gòu)說開發(fā)類大數(shù)據(jù)的課程都是學(xué)習(xí)4個(gè)月,單項(xiàng)領(lǐng)域的比如數(shù)據(jù)庫(kù)開發(fā)3個(gè)月就夠了,這真的適合0基礎(chǔ)的人? 我想答案是適合0基礎(chǔ)的自律者,那么對(duì)于想從事大數(shù)據(jù)工作的求職者來說,如何根據(jù)自身?xiàng)l件進(jìn)行職位選擇?今天,小編整理八種與“大數(shù)據(jù)”相關(guān)的熱門職位:
一、ETL研發(fā)
隨著數(shù)據(jù)種類的不斷增加,企業(yè)對(duì)數(shù)據(jù)整合專業(yè)人才的需求越來越旺盛。ETL開發(fā)者與不同的數(shù)據(jù)來源和組織打交道,從不同的源頭抽取數(shù)據(jù),轉(zhuǎn)換并導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)以滿足企業(yè)的需要。ETL研發(fā),主要負(fù)責(zé)將分散的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成,最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中,成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。目前,ETL行業(yè)相對(duì)成熟,相關(guān)崗位的工作生命周期比較長(zhǎng),通常由內(nèi)部員工和外包合同商之間通力完成。ETL人才在大數(shù)據(jù)時(shí)代炙手可熱的原因之一是:在企業(yè)大數(shù)據(jù)應(yīng)用的早期階段,Hadoop只是窮人的ETL。
二、Hadoop開發(fā)
Hadoop的核心是HDFS和MapReduce.HDFS提供了海量數(shù)據(jù)的存儲(chǔ),MapReduce提供了對(duì)數(shù)據(jù)的計(jì)算。隨著數(shù)據(jù)集規(guī)模不斷增大,而傳統(tǒng)BI的數(shù)據(jù)處理成本過高,企業(yè)對(duì)Hadoop及相關(guān)的廉價(jià)數(shù)據(jù)處理技術(shù)如Hive、HBase、MapReduce、Pig等的需求將持續(xù)增長(zhǎng)。如今具備Hadoop框架經(jīng)驗(yàn)的技術(shù)人員是最搶手的大數(shù)據(jù)人才。
三、可視化工具開發(fā)
海量數(shù)據(jù)的分析是個(gè)大挑戰(zhàn),而新型數(shù)據(jù)可視化工具如Spotifre,Qlikview和Tableau可以直觀高效地展示數(shù)據(jù)?梢暬_發(fā)就是在可視開發(fā)工具提供的圖形用戶界面上,通過操作界面元素,由可視開發(fā)工具自動(dòng)生成應(yīng)用軟件。還可輕松跨越多個(gè)資源和層次連接您的所有數(shù)據(jù),經(jīng)過時(shí)間考驗(yàn),完全可擴(kuò)展的,功能豐富全面的可視化組件庫(kù)為開發(fā)人員提供了功能完整并且簡(jiǎn)單易用的組件集合,以用來構(gòu)建極其豐富的用戶界面。過去,數(shù)據(jù)可視化屬于商業(yè)智能開發(fā)者類別,但是隨著Hadoop的崛起,數(shù)據(jù)可視化已經(jīng)成了一項(xiàng)獨(dú)立的專業(yè)技能和崗位。
四、數(shù)據(jù)倉(cāng)庫(kù)研究
數(shù)據(jù)倉(cāng)庫(kù)是為企業(yè)所有級(jí)別的決策制定過程提供支持的所有類型數(shù)據(jù)的戰(zhàn)略集合。它是單個(gè)數(shù)據(jù)存儲(chǔ),出于分析性報(bào)告和決策支持的目的而創(chuàng)建。為企業(yè)提供需要業(yè)務(wù)智能來指導(dǎo)業(yè)務(wù)流程改進(jìn)和監(jiān)視時(shí)間、成本、質(zhì)量和控制。數(shù)據(jù)倉(cāng)庫(kù)的專家熟悉Teradata、Neteeza和Exadata等公司的大數(shù)據(jù)一體機(jī)。能夠在這些一體機(jī)上完成數(shù)據(jù)集成、管理和性能優(yōu)化等工作。
五、OLAP開發(fā)
隨著數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和應(yīng)用,數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)量從20世紀(jì)80年代的兆(M)字節(jié)及千兆(G)字節(jié)過渡到現(xiàn)在的兆兆(T)字節(jié)和千兆兆(P)字節(jié),同時(shí),用戶的查詢需求也越來越復(fù)雜,涉及的已不僅是查詢或操縱一張關(guān)系表中的一條或幾條記錄,而且要對(duì)多張表中千萬條記錄的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和信息綜合。聯(lián)機(jī)分析處理(OLAP)系統(tǒng)就負(fù)責(zé)解決此類海量數(shù)據(jù)處理的問題。OLAP在線聯(lián)機(jī)分析開發(fā)者,負(fù)責(zé)將數(shù)據(jù)從關(guān)系型或非關(guān)系型數(shù)據(jù)源中抽取出來建立模型,然后創(chuàng)建數(shù)據(jù)訪問的用戶界面,提供高性能的預(yù)定義查詢功能。
六、數(shù)據(jù)科學(xué)研究
這一職位過去也被稱為數(shù)據(jù)架構(gòu)研究,數(shù)據(jù)科學(xué)家是一個(gè)全新的工種,能夠?qū)⑵髽I(yè)的數(shù)據(jù)和技術(shù)轉(zhuǎn)化為企業(yè)的商業(yè)價(jià)值。隨著數(shù)據(jù)學(xué)的進(jìn)展,越來越多的實(shí)際工作將會(huì)直接針對(duì)數(shù)據(jù)進(jìn)行,這將使人類認(rèn)識(shí)數(shù)據(jù),從而認(rèn)識(shí)自然和行為。因此,數(shù)據(jù)科學(xué)家首先應(yīng)當(dāng)具備優(yōu)秀的溝通技能,能夠同時(shí)將數(shù)據(jù)分析結(jié)果解釋給IT部門和業(yè)務(wù)部門領(lǐng)導(dǎo)?偟膩碚f,數(shù)據(jù)科學(xué)家是分析師、藝術(shù)家的合體,需要具備多種交叉科學(xué)和商業(yè)技能。
七、數(shù)據(jù)預(yù)測(cè)分析
營(yíng)銷部門經(jīng)常使用預(yù)測(cè)分析預(yù)測(cè)用戶行為或鎖定目標(biāo)用戶。預(yù)測(cè)分析開發(fā)者有些場(chǎng)景看上有有些類似數(shù)據(jù)科學(xué)家,即在企業(yè)歷史數(shù)據(jù)的基礎(chǔ)上通過假設(shè)來測(cè)試閾值并預(yù)測(cè)未來的表現(xiàn)。
八、數(shù)據(jù)安全研究
數(shù)據(jù)安全這一職位,主要負(fù)責(zé)企業(yè)內(nèi)部大型服務(wù)器、存儲(chǔ)、數(shù)據(jù)安全管理工作,并對(duì)網(wǎng)絡(luò)、信息安全項(xiàng)目進(jìn)行規(guī)劃、設(shè)計(jì)和實(shí)施。數(shù)據(jù)安全研究員還需要具有較強(qiáng)的管理經(jīng)驗(yàn),具備運(yùn)維管理方面的知識(shí)和能力,對(duì)企業(yè)傳統(tǒng)業(yè)務(wù)有較深刻的理解,才能確保企業(yè)數(shù)據(jù)安全做到一絲不漏。
以上就是小編整理為大家整理八種與“大數(shù)據(jù)”相關(guān)的熱門職位,希望能夠幫助大家。同時(shí)希望0基礎(chǔ)的學(xué)員不要著急要結(jié)果,一步一個(gè)腳印,終有一天會(huì)迎來光明!