網路與大數據類掙多少錢

❶ 網路工程師的工資一般多少的

網路工程師是軟考中級資格考試裡面的一項考試。網路工程師能夠從事計算機信息系統的設計、建設、運行和維護工作。近幾年中高級的考試更新了大綱，增加了通關難度，但培訓機構還是都有辦法。如果你決定考證，可以多關注一些軟考的網站像希賽就挺好的，上面都有很多考試資訊，歷年真題什麼的，對考試很有幫助。

據工業和信息產業部預測，今後5年，我國從事網路建設、網路應用和網路服務的新型網路人才需求將達到60-100萬人，而現有符合新型網路人才要求的人還不足20萬。巨大的人才缺口，導致企業不惜以重金挖取網路人才。據權威媒體調查結果表明：京滬地區網路系統工程師的月薪大致為5500-6400元，網路安全工程師的月薪大致為7100-7800元，網路信息技術主管的月薪則高達8900-9600元。可見，網路工程師是大家就業的好選擇，同時還實現了高薪水的夢想。

就幾個認證而言的話，思科認證是由網路領域著名的廠商--Cisco公司推出的。是互聯網領域的國際權威認證。作為一位網路技術工程師，取得思科認證等級的高低是全球評價網路技術水平的標尺。目前人才市場上，CCNA可拿到5000元以上的月薪，而CCNP月薪則在5000元到9000元之間，CCIE月薪約1.2萬元左右。

華為認證是國產品牌，後勁大。對於設備運營類：一般要求應屆畢業生，對於大城市肯定都要研究生以上，待遇比較好，一般在6K往上走；對於二類城市等，名牌學生本科及研究生以上，待遇還可以，在3K往上走；對於三類城市，一名牌本科及研究生及以上，待遇一般，2K以上。其中又以移動、電信、聯通待遇排序。對於設備提供商類：大企業要求有經驗，本科畢業，一般進去後都是月薪4K以上；小一些企業基本也有3K。對於工程建設單位類：這個就要是地方和具體的公司來定，無法確定。

❷ 大數據分析師工資收入多少

你好，數據分析的市場平均薪資是在11637元，而北上廣地區的平均薪資比這個數字還要高上兩三千左右，如果在騰訊阿里等互聯網大廠，這個薪資就更多了。

1、大數據分析師在騰訊等互聯網大廠的職位

大數據分析師，是一個在互聯網行業大廠中非常常見的職位，幾乎所有希望放大數據價值的公司都一定會開始設立和存在的一個崗位。

在國內，像阿里巴巴、華為、網路、騰訊等等互聯網公司，在研發產品的技術線中都會有這樣的職位。

最後，互聯網行業作為新興的吸金行業，技術崗佔了員工60%以上，薪資也是非技術崗近2倍。技術崗並非只是寫代碼做碼農，雖說編程是 IT行業的核心，但是除此之外，還有測試、UI、運維、產品、運營等崗位，數學差、邏輯差，不適合編程，依然可以選擇其他崗位，可以根據這份資料了解有哪些適合自己的崗位。

希望我的回答對你有所幫助！

❸ 做大數據分析師能掙多少錢

二、大數據分析師的薪水在世界各地是否一致?

如您所料，大數據分析師角色的薪水因地點而異。數據科學中心確定以下十一個國家是大數據分析師薪酬最高的國家 ; 美國，瑞士，瑞典，新加坡，丹麥，加拿大，澳大利亞，荷蘭，德國，中國和英國。毫不奇怪，該列表與經濟發達國家的當前中位收入排名緊密相關。我們還可以查看與國家的平均薪資相比，以及與Web開發或UX設計等技術領域中其他流行的高薪專業相比，大數據分析師的薪水如何累積。讓我們更深入地看一下歐洲和北美的兩個最大市場。德國和美國。

德國的大數據分析師每年的收入在32,000歐元至60,000歐元之間，具體取決於企業的資歷水平，行業，所在地和成熟度。德國大數據分析師的中位收入略低於4萬4千歐元，比德國3萬歐元以上的中位收入高出30%以上。它還可以很好地衡量其他技術工作;例如，它高於網路開發人員的平均工資，即41k歐元。在美國，大數據分析師的收入要比德國同行高得多。平均薪資為$ 60k(約€53k)，比$ 43k的平均收入高出20%以上，與網路開發人員的預期收入相同一般。紐約的薪水在50,000至96,000美元之間，而舊金山的平均薪水在65,000至120,000美元之間。在整個池塘中，倫敦的大數據分析師職位的薪水在24,000英鎊至47,000英鎊之間，中國大數據分析師的薪水在5萬左右。

大數據分析師的薪水范圍。

四、大數據分析師根據他們的行業而獲得不同的薪水嗎?

成為大數據分析師的美妙之處在於，幾乎所有行業都可以找到這樣的角色。大多數企業都根據自己的數據制定決策，因此他們需要一名大數據分析師才能做到這一點。

LinkedIn將采礦業列為大數據分析師薪酬最高的行業，在美國，這些職位的平均薪酬為106,000美元至117,000美元。科學和公用事業部門的薪水也高於平均水平，平均薪金範圍為74,000美元至80,000美元。在薪資范圍的低端，從事製造業和金融業的大數據分析人員的薪水預計在55,000美元至65,000美元之間。

五、頂尖高科技公司向大數據分析師支付的工資

由於提供的高薪水，經常尋求在世界頂級科技公司擔任大數據分析師的角色。蘋果和Facebook 向其大數據分析師支付的薪水遠高於平均水平。除了薪水美麗，設備齊全的辦公室外，如果需要高超的學習經驗，從事技術工作也將是不可思議的。員工可以體驗快速變化，同時獲得對塑造我們世界的技術的見識。

鑒於科技公司每天都會收集大量數據，因此大數據分析師在科技行業中扮演著重要角色也就不足為奇了。做大數據分析師能掙多少錢亞馬遜的工作大數據分析人員可以在美國得到報酬高達$ 106,000名，與Facebook提供類似數額，根據的確。在倫敦，亞馬遜的大數據分析師薪水高達38,000英鎊。在倫敦為Google工作的大數據分析師可以期望得到更高的薪水，工資在42,000英鎊到52,000英鎊之間。對於那些在網路、騰訊、阿里北京辦公室工作的人來說，薪水可能高達95,000美元。

❹ 現在網路工程師一個月都能掙多少錢啊

如果你是新進的員工的話，一般2000元左右吧，不過加上其他補助的話，一月大概有2200-2500，如果你是有多年經驗的准備跳槽的網路工程師，那麼一月薪水至少可以達到3500元以上，加上年終分紅，平時一次性獎金，薪水還是相當可觀。
麻煩採納，謝謝!

❺ 互聯網人平均薪酬是多少元

2017年是互聯網保持快速發展一年，共享經濟和人工智慧的風口興起，新零售和新商業的概念走上前台，資本寒冬後市場開始全面回暖，全行業用人需求持續擴張。根據2017年BOSS直聘人才大數據平台積累的數據，1月10日，國內領先的移動互聯網招聘平台BOSS直聘發布《2017互聯網人才趨勢白皮書》。

互聯網行業平均薪酬1.06萬元，技術崗位停止普漲

報告顯示，2017年，互聯網行業平均招聘薪酬達到1.06萬元，同比上升3.1%。受AI、大數據等新興行業高級技術職位大量涌現及基礎崗位薪資回調影響，互聯網薪資分化逐漸加劇，前10%高薪職位平均薪資是低薪職位的8.1倍，較2016年的7.9倍進一步擴大。

在二三線城市中，武漢、無錫、鄭州、合肥、哈爾濱五座城市，2017年的互聯網人才需求增速均超過100%。

❻ 學會計算機專業出來一個月能掙多少錢

很多人都說，學習計算機專業工作後工資很高，這是真的嗎？學計算機專業工資多少呢？下面小編整理了一些相關信息，供大家參考！

學計算機專業工資多少 薪資待遇很高嗎

1計算機專業工資很高嗎
從職業發展角度來看，還是要結合個人的興趣了。畢業生如果喜歡編程，那麼就可以選擇進入正軌的軟體公司，從程序員做起，一步一個腳印，從事軟體開發。如果不喜歡編程，可以選擇搞通信，因為學習計算機專業的學生一般都有很好的數學理論基礎，做起來也比較容易。

計算機專業的就業情況還是不錯的，相比其他專業工資會高一些。不過薪資的高低還是要看個人能力和用人單位發展情況，能力強的本科畢業後年薪可以上10-15萬左右，如果能力一般月薪也就幾千塊。

但是很多東西都不能說的那麼絕對，有的人一畢業就有了很好的就業機會，而有的人則是畢業後選擇了其他的職業。對於剛畢業的學生來說，不要對工資有過高的要求，主要還是要從第一份工作中學到東西，這才是主要的。

2計算機專業薪資待遇好不好
計算機專業的畢業生在薪資待遇方面相對於其他行業還是處於前列的，計算機的就業率也是比較高的。隨著社會的發展，我們的日常工作更是離不開計算機方面的人才，所以，計算機人才在就業薪資上也是相對較高的。

計算機專業的畢業生，一開始畢業時薪資並不是很高，也就是3000-5000左右。因為用人單位往往更看重的是能力。在工作半年後，工資就可以漲到4000-6000左右，工作經驗1-3年工資可以達到8000-15000。

另外，跳槽也是從事計算機專業的人才提高薪資待遇的一條途徑，對於一些有經驗並且能力很強的人來說，如果工作三年跳槽2-3次，工資能翻好幾番，能達到幾十萬。

當然，以上的數字並不是固定的，一定會有人的薪資待遇比我說的要高，也有人會比我說的低，這主要還是取決於個人的能力。

❼ 現在大數據分析師工資好高，想從事這一行業應該怎麼做

以下內容由業務數據可視化分析展示平台DataHunter為您整理

數據分析師的工作內容？

數據分析師主要負責挖掘和分析海量數據，以滿足企業具體的商業需求。毫無疑問，越來越多的企業開始依賴數據推動決策，而且也有更多的企業開始將雲計算、自動化、AI等新興技術作為IT戰略的核心組成部分，這意味著，數據分析師在企業中的作用將愈發重要。

通常，數據分析師會藉助BI工具來組織和分析海量數據，而分析結果應當便於所有與業務相關的人查看並理解，特別是對於那些非IT人員。

需要掌握的技能&工具？

Quora數據科學家William Chen認為，一名優秀的數據分析師應具備以下技能：

編程：這是數據分析師最基本的技能，編程可以提高你的統計能力，幫助你分析海量數據，同時也可以創建自己的工具。

定量分析：這是分析大數據集的重要技能。定量分析可以提高實驗分析能力，擴展數據策略，並幫助你實現機器學習。

產品直覺：深入了解產品將有助於你進行定量分析，此外，這還將幫助你預測系統行為、建立衡量指標以及提高調試技能。

溝通：可能是每個行業最重要的軟技能，強大的溝通能力將幫助你「利用上述的所有技能」。

團隊合作：團隊合作對於數據分析工作的成功至關重要，這需要你無私接受反饋意見，並與團隊分享見解。

數據分析師也應掌握相應的分析工具。技能和方法只是理論，展現數據價值則需要通過工具。對於數據分析師而言，自助式的BI工具必不可少，其應具備以下特點：

接入企業各種業務系統，整合多源異構數據；

擁有實時的數據處理能力；

簡單操作，拖拽即可生成可視化圖表；

提供探索式分析功能，數據分析維度和粒度可隨意變換；

智能的圖表和模型推薦；

可雲端協作和分享，滿足各種移動辦公的場景。

需要理解哪些數據？

每個行業都有特定的數據類型，以下是各個行業中一些常見的數據形式，數據分析師需要根據相應的模型和數據類型進行各類分析。

業務類數據：當前，很多企業都在利用數據進行商業決策，通過對業務數據進行分析，可以有效改善企業運營效率、庫存問題、產品、客戶忠誠度等等諸多問題。

電子商務類數據：電子商務網站會採集大量的用戶行為數據，如瀏覽、購買等，通過這些數據，數據分析師可以幫助電子商務網站改善用戶體驗、探尋行業發展趨勢或研發新的產品。

財務類數據：在金融行業，賬戶、信貸、借記交易等財務數據對於企業運營來說至關重要。對於這一領域的數據分析師來說，安全、合規性、欺詐檢測將是主要關注的問題。

政府數據：大數據有助於幫助政府制定決策、監測大眾滿意度，同金融行業一樣，數據的安全和合規也是該行業的數據分析師最為關注的問題。

科學數據：藉助於現有的科技技術，科學家們可以更方便的收集和分享實驗室數據，而數據分析師可以幫助科學家們更好的完成數據分析。

社交類數據：利用社交網路數據，可以更好的進行精準營銷，通過對帖子、推文、博客和其他社交數據進行分析，可以有效改善用戶服務和體驗。

醫療數據：幾乎所有衛生保健機構都會針對電子醫療數據進行記錄，數據分析師可以基於這些數據，幫助醫療機構改善衛生服務，並發現那些潛在隱患。

電信數據：如今，電子產品都在收集用戶數據，這些數據需要存儲、管理、維護和分析。通過這些數據，分析師們可以幫助企業更好的了解用戶需求，提高用戶體驗。

其他類型數據：比如政治、公益事業、智能家電等，可以說，沒有任何一個行業可以免受大數據沖擊。

數據分析師的薪資？

在美國，據BLS（美國勞工統計局）統計，目前數據分析師的平均工資每年約為111800美元。毫無疑問，這是一個快速增長且收入豐厚的職位，BLS預測這一領域的工作將在2024年前增長11%。

在Glassdoor招聘網站上的「美國50大最佳工作」報告中，依據工作機會、工資和總體工作滿意度評級，數據分析師職位在各個行業中排名最高。

而在國內，我們通過查看拉勾網、智聯等招聘網站發現，初級數據分析師的月薪大概在10K-15K左右，而相對資深一些的數據分析師可以達到20K-30K的水平，數據科學家普遍在35K-70K之間。

❽ 做網路工程師能掙多少錢呢

看你往哪方面發展了，要是網技術方面發展，技術越精，錢越高；往管理方面發展，技術要求只要明白大概怎麼回事就行，但是其它一切能力都要很強，如果就做一般的技術員，應該還是能糊口的

❾ 學完大數據分析師出來工資多少

那就看你有多少經驗了，還有能力
剛入門的，大概三四千
有七八年工作經驗的，兩萬也輕松拿到

❿ 網路工程師的工資一般多少

第一，網路工程師在未來肯定是一個吃香的行業。因為現在已經處處離不開網路了。每一個網路都需要有人維護，所以，只要有技術，沒有找不到工作的網路工程師。
第二，請千萬不要相信某些人說的什麼網路工程師只有幾百塊錢或者一千多一點。你可以想想，每天板磚的還能掙多少錢呢，那些只是單純的體力活動，而作為一個高高端技術的人每個月只掙幾百塊錢，那我只能說你的技術連板磚的技術都不如。既然叫網路工程師就要有網路工程師的技術，一個幾百塊錢的網路工程師不能叫工程師，充其量只能叫網管。
第三，以思科的標准來說，如果你的技術能夠達到ccnp的水平，那麼在一些大城市裡邊，開始的時候拿到3000左右的工資不是沒有可能。而且，隨著你的經驗的增加，參加項目的增加，你的工資很可能在5年之內翻番。
第四，當你從事網路工程師之後，你會發現其實網路工程師很有分支，比如網路安全工程方面，當你能夠在其中有深入的研究，年薪二十多萬也是可能的。
當然，我要說明的一點是，如果你沒有活到老學到老的勁頭兒的話，請不要選擇網路工程師。因為網路是一個不斷更新的區域。總是一句話，網路工程師的成功靠的是技術，如果你有技術加上兩年的經驗。前程肯定是沒有問題。