數據開發工程師如何創收

『壹』 要成為一名大數據開發工程師必備哪些技能

想要學習大數據開發，第一件事並不是要找書籍或者是找視頻教程，而是要了解一下大數據行業前景，了解一下成為大數據工程師需要具備什麼樣的能力，掌握哪些技能我當初學習大數據之前也有過這樣的問題，作為一個過來人，今天就跟大家聊下大數據人才應該具備的技能。
首先我們要知道對於大數據開發工程師需要具備的技能，下面我們分別來說明：

用人單位對於大數據開發人才的能力要求有
技能要求：
1.精通JAVA開發語言，同時熟悉Python、Scala開發語言者優先；
2.熟悉Spark或Hadoop生態圈技術，具有源碼閱讀及二次開發工作經驗；精通Hadoop生態及高性能緩存相關的各種工具，有源碼開發實戰經驗者優先；
3.熟練使用SQL，熟悉資料庫原理，熟悉至少一種主流關系型資料庫；熟悉Linux操作系統，熟練使用常用命令，熟練使用shell腳本；熟悉ETL開發，能熟練至少一種ETL（talend、kettle、ogg等）轉化開源工具者優先；
4.具有清晰的系統思維邏輯，對解決行業實際問題有濃厚興趣，具備良好的溝通協調能力及學習能力。
以上就是想要成為大數據人才需要具備的技能
那麼如何具備這些能力，怎麼學習了，對於大多數人來說，目前只有通過參加大數據的學習，才能夠系統的掌握以上的大數據技能，從而勝任大數據工程師的工作。

『貳』 在公司里，數據分析師是如何幫助公司創收的

這兩年數據分析、數據挖掘概念很流行，各路教育機構，開課的老師喜歡拿美國XX信用卡公司或者啤酒與尿布這種陳年老梗來論證數據分析有啥價值。可真正在圈子裡干久了就知道，數據分析能幫助公司直接創收的途徑只有一種：幫乙方公司創收！因為只有乙方公司才會把數據分析、數據挖掘、數據產品、數據咨詢當作商品來賣。這樣，做數據分析的就有三種方式可以幫公司創收：做產品。比如BI公司、大數據公司、輿情公司、徵信公司，他們賣的是一整套數據產品。數據分析師在這些公司實際上扮演者產品生產者的角色，因此直接幫公司創收做服務。比如一些咨詢公司、新媒體公司、大數據提供數據挖掘服務、提供數據採集、報告撰寫服務。這些服務是針對甲方品牌、推廣、營銷等某個部門的需求，因此可以賣錢。在這里數據分析師實際上還是產品生產者，只是輸出的不是一個具體的產品，而是由報告、excel、ppt、代碼、會議等等組成的服務。做售前。相當多軟體公司、咨詢公司會拉一個數據分析師當售前，因為忽悠客戶的時候，光空口白話說我這個方案怎麼怎麼好是沒有競爭力的。需要一個懂數據會分析問題的人來做一個可量化的方案，讓客戶心服口服冊悉。在這里數據分析師實際上扮演的是銷售的角色，只是這個銷售賣的是知識，打動客戶靠的是專業性不是送回扣。所以你會發現，招數據分析高薪的基本都是乙方，或者甲方企業中的乙方部門（比如阿里數據銀行、智能客服，雖然是阿里的項目但是還是此姿森作為乙方提供服務給其他公司的）因為在這里數據分析才是直接生產力。在甲方？在創收問題上，數據分析從來都是排在隊尾。比如甲方爸爸要出一個新產品增加收入，那麼他需要做什麼呢？設計產品生產產品銷售渠道品牌推廣產品促銷物流跟進數據分析看看效果怎樣……是滴，大家會發現沒有數據分析，其他六步照樣可以做；只有數據分析沒有前六步，數據分析就是一張廢紙，這就是數據分析在甲方的尷尬之處。有些同學會說：那數據分析可以幫企業設計正確的產品哇！但實際上產品設計師不看數據照樣可以設計產品，他們已經這樣做了100多年了，也因此誕生了喬老爺那句經典的：我從來不看任何市場調查！這個尷尬之處是數據分析的工作方式本身固有的局限。數據分析需要有數據才能分析，這是一種相對後置的過程。而類似產品設計，核心是創意；產品銷售，核心是業務隊伍的能動力。這些人的能動性是前置的動作。企業的業績是做出來的，不是算出來的，所以在創收上數據分析其實是很無力的。
只有一種場景數據分析可能對收入有用，就是：某個業務部門+B42實在做得太差，搞不掂了。這時候如果通過分析能提升一些效益，那他們簡直happy的不能行。這也是為什麼很多成熟的數據挖掘項目都是做給客服外呼、簡訊發送、EDM的。因為在這些地方自然轉化率低的令人發指，而業務部門的文案、產品、廣告又起不了太大作用。同時這些渠道又都是點對點推送的方式，數據積累和建模環境相對封閉。數據模型能把自然轉化率從1%提升到2%，業務部門就已經謝天謝地了。
實際上，數據分析對企業有幫助，更多體現在後置性的，比如績效評估，結果考核，成果優化上。有意思的是，很多從業者自己都沒有想明白這一點，比如這個問題，帆軟也有個答案，大家可以看看，里邊舉的例子全部是如何砍成本，而不是加收入。
然而，帆軟的回答本身是很專業的。因為砍成本比增加收入，更容易體現數據分析的功勞。大家回顧上邊新產品增加收入的過程，如果數據分析說這個業績是我做出來的，至少有6個部門會和你搶功勞。但如果數據分析說這里有一個產品很垃圾可以砍掉，那麼最多得罪一個部門（設計這個產品的部門）剩下5個部門還是支持你的（因為他們不需要浪費時間了）所以，聰明的數據分析總是從內控的角度入手證明價值，而不是從外部增收的角度入手。
然而，這樣又出了第二個尷尬的地方，就是為毛線我要上個數據產品做這個呢？甚至為毛線我要雇個數據分析師做這個呢？因為進銷存的數據ERP里也有，理論上我想知道哪個產品效益不好只要有一個會SQL的程序員從ERP里森畝跑個數就行了啊！所以如果只把數據分析的價值掛在內控上，那麼數據分析的重要性和專業性就非常低了。各部門老闆自己也會分析啊，你們跑sql的懂業務嗎？不懂業務你內控個什麼呢？
這時候就需要進一步的包裝以體現數據分析的價值。最核心的就是上個產品！就像後宮嬪妃，年輕貌美的時候都會討皇上一時歡心，但長久來看還是得生個孩子的。有個孩子自己的地位就穩固了。比如銷售，完全可以用紙質賬單，為什麼要用pos系統？就是當pos系統上線，業務流跑起來以後，就沒理由再讓他停掉，孩子已經生出來了，就得養著。
數據分析的孩子常見的有這么幾種：面向管理層的儀表盤，適用於信科學化管理這一套理論的老闆面向業務部門的數據產品。可能是一個推薦系統，精準營銷模型，也可以是一個業務助手，數據集市，總之是業務部門日常工作中必須用到的某個環節，把它打包，用數據包裝起來，封裝成一個產品面向一線的營銷提醒工具，運營數據指南。讓銷售們每天都得看一眼，不看就不舒服。讓運營們寫文案前都得看看熱度排行，不看心裡沒底。具體的就不展開了，如何引起老闆關注，如何拉攏業務部門，如何讓一線使用，寫本書都夠了。這么多年作咨詢，見過大量甲乙方，凡是聰明的數據人，最終不約而同走了做內控→引起管理層重視→上產品→與業務部門合作→擴組織架構這一條路。而那些號稱上個大數據系統能盈利XXX的，基本上都死無葬身之地。
這兩年大數據、人工智慧概念大火，數據分析崗位又像年輕貌美的嬪妃一樣被各大企業老闆們寵信，也有無數同學新涌進這個領域。所以特別誠懇的提醒大家：我們自己可以有很多方法、很多復雜的概念，然而最終企業是不是靠我們這個掙錢，才是我們長久安身立命的本錢。如果我們只是打輔助的，就盡早圍繞一個具體業務場景，輸出一個產品，和業務緊密結合起來，這樣我們自己的地位才穩固。最後插一句，比如演算法類崗位，大家要注意區分，因為演算法即可以應用在生產系統（比如影相識別，物資調配，路線規劃，過程式控制制），也可以應用在分析系統（比如推薦、預測、BI）如果是應用在生產系統，那地位相對穩固很多，因為生產線是不會徹底更替的，只會不斷優化。但如果是應用在分析系統，那水分就大了去了，大家要認真看到底這個演算法是干什麼再做決斷。早在2013年《大數據時代》流行的時候，就興起了一波「大數據分析」的熱潮。結果當時腦子一熱向老闆喊了：「我們可以利用大數據XXXX分析提升業績的」現在估計墳頭草都有我娃個子高了……作為一個前輩，有義務告訴大家這個行業的真相，數據的價值可以有很多種，不一定是直接增加收入。數據確實很有用，然而不代表老闆們認可這個用處，不代表我們能從這里陞官加薪。技術以外，如何創造價值，有可能需要代碼和演算法以外的其他東西輔助。與大家共勉。

『叄』 資料庫開發工程師的職業發展

資料庫開發工程師的人才來源可以分為2個方面：應屆畢業生和社招。
1）應屆畢業生：對於應屆畢業生來說，要想成長為資料庫開發工程師需要具備一些軟體研發方面的技能，同時對資料庫理論基礎有一定了解，對於資料庫管理系統有一些實踐經驗，再加上較好的主動性、工作認真細致、具有團隊合作精神即可；
2）社招：社會招聘主要可以從軟體研發和DBA兩個方面來篩選人才。對於之前從事大型分布式軟體系統研發的工程師，比較容易轉型為資料庫開發工程師，只需要熟悉一些資料庫架構和理論基礎即可。而對於DBA來說首信蔽，已經擁有大量的資料庫運維經驗，對於資料庫研發工作非常有幫助，此時再需要掌握一定的代碼編寫能力和分布式計算的基礎，即可轉型成為資料庫開發工程師。 資料庫開發工程師的職業發展主要分為兩條線：技術方向和管理方向。
1）技術方向：根據研究領域的不同，主要分為資料庫架構師和資料庫運維技術專家兩個方向者州。 資料庫架構師：熟練掌握各種資料庫管理系統的架構和內部原理，能夠根據實際業務需求，設計出不同的資料庫應用系統架構，並在業務高速發展時，提供資料庫模型設計的優化建議和解決方案 資料庫運維技術專家：這個發展路線與高階DBA的發展路線比較相似。當資料庫開發工程師在跟進和解決資料庫生產環境問題的過程中，積累了大量的運維經驗，熟練掌握了大量先進的資料庫運維技術，比如分布式部署、性能監控、彈性擴容等，可以成長為資料庫運維技術專家，為各產品提供資料庫架構設計和優化建議。 2）管理方向：從資料庫開發工程師開始持續發展，積累了一定技術深度，並且通過與業務部門交互溝通鍛煉坦段了較強的協調和推進能力，可以轉型為管理崗位。管理崗位的常見發展路徑包括經理、總監、CTO、CEO等，往往在小型創業公司管理崗位發展迅速，在中大型公司的發展速度相對較慢。 資料庫開發工程師的常見職業發展路徑如下圖，供參考：

『肆』 數據開發好找工作嗎

就目前市場大數據技術人才的就業情況來看，不是不好找工作，而是崗位需求多，大數據人才供不足，這就給不少企業帶來了困難，因此也就出現了市場上高薪聘請大數據人才。這也讓很多年輕人看到了未來大數據的就業前景，紛紛選擇投入大數據的學習之中。因此「學了大數據好找工作嗎?」這樣的問題，就顯得如此弱小了。
首先，據媒體統計，我國大數據人才極缺，空或指缺崗位大量存在，而缺口還將進一步擴大，大數據人才供給是大數據時代迫切需要解決的問題。這也就意味著，學好大數據技術，在大數據人才緊缺的現狀下，找到一份好的工作，是很簡單的事情。
其次，大數據職位薪酬可觀。正因為人才的緊缺，大數據職位的薪酬會讓很多人艷羨不已，上面已經提高了萬達的年薪，而據權威機構統計，大數據相關或指職衫念配位比同等級的其他行業職位薪酬高20%。
再者，在互聯網的技術行業，技術和項目經驗應該是最為重要的高凱，想要得到高的薪資，高凱跟自身的努力是分割不開的。自身學藝不精的話，當然得不到企業的青睞，找到不工作也是正常的。大數據這個行業，經驗技術是最為重要的，自己的技術過關才是硬道理。
由此看來，如果你想要找一份相對較好的大數據職位，就必須擁有過硬的技術。而市面上的大數據培訓機構那麼多，想要選擇一家比較好的，則需要你看自身的需求，從同行業比較中，小編強烈推薦你選擇千鋒大數據培訓。
就目前市場大數據技術人才的就業情況來看，不是不好找工作，而是崗位需求多，大數據人才供不足，這就給不少企業帶來了困難，因此也就出現了市場上高薪聘請大數據人才。這也讓很多年輕衫念配人看到了未來大數據的就業前景，紛紛選擇投入大數據的學習之中。因此「學了大數據好找工作嗎?」這樣的問題，就顯得如此弱小了。

『伍』 一個優秀的大數據開發工程師的日常是怎麼樣的

【導讀】大數據相關工作崗位很多，有大數據分析師、大數據挖掘演算法工程師、大數據研發工程師、數據產品經理、大數據可視化工程師、大數據爬蟲工程師、大數據運營專員、大數據架構師、大數據專家、大數據總監、大數據研究員、大數據科學家等等。下面先主要總結歸納最常見、需求量最大、最普遍的4個崗位，其他的崗位以後逐步補充，也歡迎大家一起來補充和優化

『陸』 大數據工程師的職業發展前景如何

我們都知道，大數據現在是非常火熱的，基本上是人盡皆知，很多人也都非常想加入這個行業，成為一名優秀合格的大數據工程師。從目前的情況來看，由於現今大市場環境下大數據人才匱乏，對於公司來說，很難招聘到合適的人才（既要有高學歷，同時最好還有大規模數據處理經驗），這也就為那些正在成為大數據工程師的朋友提供了一個很好的職業稀缺環境。那麼大數據工程師的職業發展前景具體如何呢？
大數據工程師的前途還是很明朗的，成為大數據工程師如果有相關方面的經驗的話還是比較簡單的。目前長期從事資料庫管理、挖掘、編程工作的人，包括傳統的量化分析師方面的工程師，以及任何在工作中需要通過數據來進行判斷決策的管理者，比如某些領域的運營經理等，都可以嘗試該職位，而各個領域的達人只要學會運用數據，也可以成為大數據工程師。
大數據工程師在薪酬待遇也是很有優勢的，可以說，大數據工程師在IT類職業中比較稀缺的，大數據工程師的收入待遇可以說達到了同類的頂級。根據顏莉萍的觀察，國內IT、通訊、行業招聘中，有10％都是和大數據相關的，且比例還在上升。大數據時代的到來很突然，在國內發展勢頭激進，而人才卻非常有限，現在完全是供不應求的狀況。在美國，大數據工程師平均每年薪酬高達17.5萬美元，而據了解，在國內頂尖互聯網類公司，同一個級別大數據工程師的薪酬可能要比其他職位高很多。
在職業發展路徑上，由於大數據人才數量較少，因此大多數公司的數據部門一般都是扁平化的層級模式，大致分為數據分析師、資深研究員、部門總監3個級別。大公司可能按照應用領域的維度來劃分不同團隊，而在小公司則需要身兼數職。這個職位的大部分人會往研究方向發展，成為重要數據戰略人才。另一方面，大數據工程師對商業和產品的理解，並不亞於業務部門員工，因此也可轉向產品部或市場部，乃至上升為公司的高級管理層。
關於大數據工程師的職業發展問題小編就為大家介紹這么多。可以看到，大數據工程師未來的發展前景還是非常美好的，並且薪資待遇也非常的好，這也是為什麼這么多人爭相加入到這一行業中的重要原因之一。如果大家心存志遠的話，可以選擇大數據工程師作為自己職業生涯的長遠規劃哦