大數據能工作多少年

⑴ 這幾年大數據專業就業前景怎樣，能找到工作嗎

從就業的角度出發，掌握一門IT技術，就等同於進入了高薪行業，畢竟IT行業的整體薪資待遇是十分可觀的，而現在我們正處於大數據時代的背景之下，大數據就業前景怎麼會差呢?
大數據工程師因為掌握著前沿的大數據相關技術，深受企業重視，所以找工作容易，收入也非常高。以一線城市為例子，高級大數據工程師的月薪，起步價就是20K起，隨著能力的提升，薪資待遇的上升速度也比較快，有能力做到技術總監這類職位的話，薪資不可估量。所以女生如果擁有過硬的大數據技術就業前景更是無可限量的!
在選學校和專業，以及查詢分數線時，建議使用蝶變志願。它基於專業和職業興趣來分析，根據各高校歷年的招生錄取數據，理性分析錄取概率，更有防撞車及志願評估的雙重保險，增加錄取概率，降低落檔風險，用同樣的分上更好的大學。
聽說貴州新華有這樣的專業可以去實地考察一下

⑵ 大數據開發可以干到多少歲

這個不僅是說大數據開發，對於很多行業工作者來說都是這樣
「你能跟得上節奏，你就能做多久」
對於年齡變大，就把程序員淘汰這一說法還不是來自於「年紀大了，學習知識的能力就變弱了」這一想法。
但是，事實上真的是這樣嗎？
當然不是，都說35歲是程序員的一道分水嶺，超過35歲就差不多在這行要干不下去了。但我見過不少超過35歲卻還依然在工作的程序員，且知識儲備比很多年輕人要高得多，問題解決能力也很強。
所以，這些都是看你是否有能力跟上時代的潮流，是否有能力及時更新自己的知識儲備，能夠滿足計算機這一行業的更新換代的速度，只要你能跟上，你年齡再大都沒問題，反而專業能力會越來越高！

⑶ 大數據培訓出來多長時間能找工作

自己是在魔據大數據訓練的，5個月左右就能找工作了，一般差不多都是訓練5個月就能找工作了。

⑷ 大數據的就業方向都有哪些職業壽命如何

三大方向，十大職位。 大數據主要的三大就業方向：大數據系統研發類人才、大數據應用開發類人才和大數據分析類人才。 十大職位：
一、ETL研發；
二、Hadoop開發；

三、可視化（前端展現）工具開發；
四、信息架構開發；

五、數據倉庫研究；

六、OLAP開發；

七、數據科學研究；

八、數據預測（數據挖掘）分析；

九、企業數據管理；
十、數據安全研究。

技術好的時間回長久一些，技術不好基本上在35左右。

⑸ 大數據學多久可以找到工作

找工作要和你掌握的技術有關，在黑馬程序員培訓學習過，你要是技術掌握的到位，在結合老師講的面試技巧，沒面試兩家你就能找到滿意的工作。您的採納是對我成長的鞭策

⑹ 大數據需要學習幾年呀

您好，對於你的遇到的問題，我很高興能為你提供幫助，我之前也遇到過喲，以下是我的個人看法，希望能幫助到你，若有錯誤，還望見諒！。如果你本科畢業參加大數據培訓，0基礎需要7個月左右時間。
內容主要有：
①JavaSE核心技術；
②Hadoop平台核心技術、Hive開發、HBase開發；
③Spark相關技術、Scala基本編程；
④掌握Python基本使用、核心庫的使用、Python爬蟲、簡單數據分析；理解Python機器學習；
⑤大數據項目開發實戰，大數據系統管理優化等。
你可以考察對比一下南京課工場、北大青鳥、中博軟體學院等開設有大數據專業的學校。祝你學有所成，望採納。
北大青鳥中博軟體學院大數據專業實拍非常感謝您的耐心觀看，如有幫助請採納，祝生活愉快！謝謝！

⑺ 大數據還能火多久

大數據的意義是由人類日益普及的網路行為所伴生的，受到相關部門、企業採集的，蘊含數據生產者真實意圖、喜好的，非傳統結構和意義的數據 。

2013年5月10日，阿里巴巴集團董事局主席馬雲在淘寶十周年晚會上，將卸任阿里集團CEO的職位，並在晚會上做卸任前的演講，馬雲說，大家還沒搞清PC時代的時候，移動互聯網來了，還沒搞清移動互聯網的時候，大數據時代來了。

⑻ 在大數據行業工作兩年是怎樣一種體驗

在大數據行業工作兩年是怎樣一種體驗
寫在前面
今年廣州的初夏在經歷了大雨的洗禮之後，一切都變得更加明朗起來，新的工作，新的人和事。懶惰讓我變得更焦慮，焦慮促使我進步，程序員的焦慮大家應該都有共同的感覺，時代的步伐太快了，在這個環境下的軟體開發一定會淘汰掉那些不懂得學習、懶惰的人。希望跟大家共勉。
在本文中，我主要回顧這兩年來，在大數據行業公司從事大數據類的前端開發的工作。最近剛剛換了一份工作，這里把我的經驗稍作總結分享給大家。
本文主要從大數據開發的角度出發，到大數據治理的必要性，再到圖形化建模的暢想，最後在數據質量的把關，然後到大數據可視化的應用，總結兩年的見聞和我的學習成果，也不知理解有無偏差，希望大家能給出建議。
大數據開發
大數據開發，有幾個階段：
1.數據採集（原始數據)
2.數據匯聚（經過清洗合並的可用數據)
3.數據轉換和映射（經過分類、提取的專項主題數據)
4.數據應用（提供api 智能系統 、應用系統等)

數據採集
數據採集有線上和線下兩種方式，線上一般通過爬蟲，通過抓取或者通過已有應用系統的採集。
在這個階段，我們可以做一個大數據採集平台，依託自動爬蟲（使用Python或者Node.js製作爬蟲軟體），ETL工具、或者自定義的抽取轉換引擎，從文件中、資料庫中、網頁中專項爬取數據。如果這一步通過自動化系統來做的話，可以很方便的管理所有的原始數據，並且從數據的開始對數據進行標簽採集，可以規范開發人員的工作，同時目標數據源可以更方便的管理。
數據採集的難點在於多數據源，例如mysql、postgresql、sqlserver 、 mongodb 、sqllite。還有本地文件、excel統計文檔、甚至是doc文件。如何將它們規整、有方案地整理進我們的大數據流程中也是必不可缺的一環。
數據匯聚
數據的匯聚是大數據流程最關鍵的一步，你可以在這里加上數據標准化，你也可以在這里做數據清洗，數據合並，還可以在這一步將數據存檔，將確認可用的數據經過可監控的流程進行整理歸類，這里產出的所有數據就是整個公司的數據資產，到了一定的量就是一筆固定資產。
數據匯聚的難點在於如何標准化數據，例如表名標准化，表的標簽分類，表的用途，數據的量，是否有數據增量？數據是否可用？
這些需要在業務上下很大的功夫，必要時還要引入智能化處理，例如根據內容訓練結果自動打標簽，自動分配推薦表名、表欄位名等，還有如何從原始數據中導入數據等。
數據轉換和映射
經過數據匯聚的數據資產如何提供給具體的使用方使用？在這一步，主要就是考慮數據如何應用，如何將兩、三個數據表轉換成一張能夠提供服務的數據。然後定期更新增量。
經過前面的那幾步，在這一步難點並不太多了，如何轉換數據與如何清洗數據、標准數據無二，將兩個欄位的值轉換成一個欄位，或者根據多個可用表統計出一張圖表數據等等。
數據應用
數據的應用方式很多，有對外的、有對內的，如果擁有了前期的大量數據資產，是通過restful API提供給用戶？還是提供流式引擎 KAFKA 給應用消費? 或者直接組成專題數據，供自己的應用查詢？這里對數據資產的要求比較高，所以前期的工作做好了，這里的自由度很高。
大數據開發的難點
大數據開發的難點主要是監控，怎麼樣規劃開發人員的工作。開發人員隨隨便便採集了一堆垃圾數據，並且直連資料庫。 短期來看，這些問題比較小，可以矯正。 但是在資產的量不斷增加的時候，這就是一顆定時炸彈，隨時會引爆，然後引發一系列對數據資產的影響，例如數據混亂帶來的就是數據資產的價值下降，客戶信任度變低。
如何監控開發人員的開發流程？
答案只能是自動化平台，只有自動化平台能夠做到讓開發人員感到舒心的同時，接受新的事務，拋棄手動時代。
這就是前端開發工程師在大數據行業中所佔有的優勢點，如何製作交互良好的可視化操作界面？如何將現有的工作流程、工作需求變成一個個的可視化操作界面？ 可不可以使用智能化取代一些無腦的操作？
從一定意義上來說，大數據開發中，我個人認為前端開發工程師占據著更重要的位置，僅次於大數據開發工程師。至於後台開發，系統開發是第三位的。
好的交互至關重要，如何轉換數據，如何抽取數據，一定程度上，都是有先人踩過的坑，例如kettle，再例如kafka，pipeline ，解決方案眾多。關鍵是如何交互？ 怎麼樣變現為可視化界面？ 這是一個重要的課題。
現有的各位朋友的側重點不同，認為前端的角色都是可有可無，我覺得是錯誤的，後台的確很重要，但是後台的解決方案多。 前端實際的地位更重要，但是基本無開源的解決方案，如果不夠重視前端開發， 面臨的問題就是交互很爛，界面爛，體驗差，導致開發人員的排斥，而可視化這塊的知識點眾多，對開發人員的素質要求更高。
大數據治理
大數據治理應該貫穿整個大數據開發流程，它有扮演著重要的角色，淺略的介紹幾點：
· 數據血緣
· 數據質量審查
· 全平台監控

數據血緣
從數據血緣說起，數據血緣應該是大數據治理的入口，通過一張表，能夠清晰看見它的來龍去脈，欄位的拆分，清洗過程，表的流轉，數據的量的變化，都應該從數據血緣出發，我個人認為，大數據治理整個的目標就是這個數據血緣，從數據血緣能夠有監控全局的能力。
數據血緣是依託於大數據開發過程的，它包圍著整個大數據開發過程，每一步開發的歷史，數據導入的歷史，都應該有相應的記錄，數據血緣在數據資產有一定規模時，基本必不可少。
數據質量審查
數據開發中，每一個模型(表)創建的結束，都應該有一個數據質量審查的過程，在體系大的環境中，還應該在關鍵步驟添加審批。例如在數據轉換和映射這一步，涉及到客戶的數據提供，應該建立一個完善的數據質量審查制度，幫助企業第一時間發現數據存在的問題，在數據發生問題時也能第一時間看到問題的所在，並從根源解決問題，而不是盲目的通過連接資料庫一遍一遍的查詢SQL。
全平台監控
監控其實包含了很多的點，例如應用監控，數據監控，預警系統，工單系統等，對我們接管的每個數據源、數據表都需要做到實時監控，一旦發生殆機，或者發生停電，能夠第一時間電話或者簡訊通知到具體負責人，這里可以借鑒一些自動化運維平台的經驗的，監控約等於運維，好的監控提供的數據資產的保護也是很重要的。
大數據可視化
大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現。
重要的事說三遍，大數據可視化歸類的數據開發中，有一部分屬於應用類，有一部分屬於開發類。
在開發中，大數據可視化扮演的是可視化操作的角色， 如何通過可視化的模式建立模型？ 如何通過拖拉拽，或者立體操作來實現數據質量的可操作性？ 畫兩個表格加幾個按鈕實現復雜的操作流程是不現實的。
在可視化應用中，更多的也有如何轉換數據，如何展示數據，圖表是其中的一部分，平時更多的工作還是對數據的分析，怎麼樣更直觀的表達數據？這需要對數據有深刻的理解，對業務有深刻的理解，才能做出合適的可視化應用。
智能的可視化平台
可視化是可以被再可視化的，例如superset，通過操作SQL實現圖表，有一些產品甚至能做到根據數據的內容智能分類，推薦圖表類型，實時的進行可視化開發，這樣的功能才是可視化現有的發展方向，我們需要大量的可視化內容來對公司發生產出，例如服裝行業，銷售部門：進貨出貨，顏色搭配對用戶的影響，季節對選擇的影響 生產部門：布料價格走勢？ 產能和效率的數據統計？ 等等，每一個部門都可以有一個數據大屏，可以通過平台任意規劃自己的大屏，所有人每天能夠關注到自己的領域動向，這才是大數據可視化應用的具體意義。

結語
洋洋灑灑寫了很多，對我近兩年的所見所聞所學所想進行了一些總結。
有些童鞋會問，不是技術么？為什麼沒有代碼？我要說，代碼是要學的，要寫的，但是與工作無關，代碼是我個人的技能，個人傍身，實現個人想法的重要技能。 但是代碼與業務的關系不大，在工作中，懂業務的人代碼寫的更好，因為他知道公司想要什麼。 如果你業務很差，那也沒關系，你代碼好就行了呀，根據別人的交代幹活，也是很不錯的。技術和業務是相輔相成的，稍後博主總結代碼的精進。
寫完了，我的焦慮一絲未少，我的代碼規范性不夠，目前技術棧JS、Java、Node.js、Python 。
主業JS熟練度80%，正在研究阮一峰的es6（看的差不多）和vuejs的源碼（有點擱淺），vuejs算是中等，css和布局方面可以說還可以，另外d3.js，go.js都是處於會用，能幹活。 Node.js呢，express和koa無問題，看過一些express的源代碼，還寫過兩個中間件。
Java、Python都處於能做項目的程度，目前也不想抽很多精力去深入它們，就想要保持在想用能用的地步。
未來的幾年，我打算多學學人工智慧、大數據開發的知識，未來這塊應該還有一些熱度的。
最後和大家共勉，三人行，必有我師焉。

⑼ 大數據需要學習多久才可以去工作

一般學大數據的時間是6個月左右，具體的時間要看個人掌握的情況，大數據的前景是很好的，希望你可以早日學有所成！

⑽ 從事大數據工作，工資一般收入多少

大數據技術人員是指從事大數據採集、清洗、分析、治理、挖掘等技術研究，並加以利用、管理、維護和服務的工程技術人員，主要工作包括大數據採集、大數據清洗、大數據建模與大數據分析;管理、分析展現及應用等技術;設計、開發、集成、測試大數據軟硬體系統等。

當然，這也和你所在的城市市場需求有很大關系，根據加米穀這些年的教學來看，通過我們大數據培訓出去的童鞋薪資平均也是1W+，一二線城市大數據發展起步早，行業的應用也更多更深，大數據人才的需求量就比較大，加上目前國內的大數據人才比較缺乏，薪資待遇在IT行業是很高的也正常。如果是小城市需求量很小，就業情況也可想而知。