大数据有什么岗位

‘壹’ 大数据行业就业方向有哪些大数据技术就业岗位有哪些

方向：大数据开发方向，数据挖掘、数据分析和机器学习方向，大数据运维和云计算方向

就业岗位：

1、大数据工程师

大数据工程师的话其实包涵了很多，比如大数据开发，测试，运维，挖据等等，各个岗位不同薪资水平也不大相同。总的来说的话它共有6093个岗位在智联招聘上招聘，平均工资也在11643元。

2、Hadoop开发工程师

职位描述：参与优化改进新浪集团数据平台基础服务，参与日传输量超过百TB的数据传输体系优化，日处理量超过PB级别的数据处理平台改进，多维实时查询分析系统的构建优化。

3、大数据研发工程师

职位描述：

构建分布式大数据服务平台，参与和构建公司包括海量数据存储、离线/实时计算、实时查询，大数据系统运维等系统；服务各种业务需求，服务日益增长的业务和数据量。

4、大数据架构师

大数据架构师的招聘岗位有1446个，从招聘的薪资来看，大数据架构师基本薪资都是15K~60K，大数据架构师的薪资可以说是相当可观的，在大数据行业里，大数据架构师的酬劳可以说是领先与其他的，所以大数据架构师对于人才的要求也是比较严格的。

5、大数据分析师

工作职责:根据公司产品和业务需求，利用数据挖掘等工具对多种数据源进行诊断分析，建设征信分析模型并优化，为公司征信运营决策、产品设计等方面提供数据支持；负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对运行数据进行分析挖掘背后隐含的规律及对未来的预测。

‘贰’ 大数据专业毕业生就业岗位有哪些

大数据的择业方向有大数据开发方向、数据挖掘数据分析和机器学习方向、大数据运维和云计算方向，主要从事互联网行业相关工作。
大数据课程难度大，同时有大专本科学历要求！但工作需求大，毕业以后可以从事的岗位还是比较多的，回报高，待遇在年薪30~50万之间，如果是互联网大厂更高。

‘叁’ 大数据的就业岗位有哪些

大数据岗位高薪清单对于求职者来说，大数据只是所从事事业的一个方向，而职业岗位则是决定做什么事?大数据从业者/求职者可以根据自身所学技术及兴趣特征，选择一个适合自己的大数据相关岗位。下面为大家介绍十种与大数据相关的热门岗位。
1 ETL研发企业数据种类与来源的不断增加，对数据进行整合与处理变得越来越困难，企业迫切需要一种有数据整合能力的人才。ETL开发者这是在此需求基础下而诞生的一个职业岗位。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL
2 Hadoop开发随着数据规模不断增大，传统BI的数据处理成本过高企业负担加重。而Hadoop廉价的数据处理能力被重新挖掘，企业需求持续增长。并成为大数据人才必须掌握的一种技术。
3 可视化工具开发可视化开发就是在可视化工具提供的图形用户界面上，通过操作界面元素，有可视化开发工具自动生成相关应用软件，轻松跨越多个资源和层次连接所有数据。过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项独立的专业技能和岗位。
4 信息架构开发大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。
5 数据仓库研究为方便企业决策，出于分析性报告和决策支持的目的而创建的数据仓库研究岗位是一种所有类型数据的战略集合。为企业提供业务智能服务，指导业务流程改进和监视时间、成本、质量和控制。
6 OLAP开发OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。
7 数据科学研究数据科学家是一个全新的工种，能够将企业的数据和技术转化为企业的商业价值。随着数据学的进展，越来越多的实际工作将会直接针对数据进行，这将使人类认识数据，从而认识自然和行为。8 数据预测分析营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。
8 数据预测分析营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。
9 企业数据管理企业要提高数据质量必须考虑进行数据管理，并需要为此设立数据管家职位，这一职位的人员需要能够利用各种技术工具汇集企业周围的大量数据，并将数据清洗和规范化，将数据导入数据仓库中，成为一个可用的版本。
10 数据安全研究数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。

‘肆’ 大数据可以从事哪些职位，大数据就业方向有哪些

大数据行业就业指南：三大方向 ，十大职位。

大数据主要的三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。

十大职位：一、ETL研发；二、Hadoop开发；三、可视化（前端展现）工具开发；四、信息架构开发；五、数据仓库研究；六、OLAP开发；七、数据科学研究；八、数据预测（数据挖掘）分析；九、企业数据管理；十、数据安全研究。

‘伍’ 大数据这个行业里面的全部岗位都有什么_要全部的

细分的有20多个
大数据在全球范围内的IT就业市场占有越来越重要的影响。根据Gartner公司提供的数据，截至到2015年将有440万的IT工作来支持大数据，仅美国就会有190万的IT工作产生。看看我们列出的排名前20位的大数据职位及其职责列表。

首席数据官Chief DataOfficer
职责：
a. 与行政人员，数据所有者和数据管理员共同为内部和外部的客户创建数据管理策略并且实现数据的准确性和制定工作流程的需求目标。
b. 引导EIM程序，业务数据管理员和数据服务供应商提供数据管理活动。
c. 建立数据政策，标准，组织并且督促EIM概念的组织成立。
b. 监督组织内的数据质量工作的监管，并且为不能被数据治理委员会解决的数据管理问题提供几种治理。
e. 建立数据供应商管理策略，并通过CIO/CTO和IT组织的协调来监督完善EIM项目。
f. 领导创建程序的业务定义，数据管理目标和EIM计划执行的原则。
g. 负责企业的信息/数据管理预算和数据相关的系统活动。

数据分析师Data analyst
职责：
a. 协调客户和员工之间的关系，提供所有的数据分析和支持。
b. 对所有结果进行数据分析，并为客户准备演讲。
c. 对数据进行审核并且为客户解决业务相关的问题。
d. 与工程和产品管理团队进行协调，并确定所有交接的准确性，并准备好总结。
e. 进行数据分析并且传递给终端客户。
f. 监督所有的客户问题，并为经理和主管的协调和交接提供帮助。
g. 监督和管理所有和客户发票并且对所有的支付问题进行及时的评价。
h. 管理客户发票的所有数据，并提供公司的指标。
i. 监督并解决所有客户的发票数据问题，并和各供应商协调和管理所有以前的平衡合作关系。
j. 管理所有的数据消耗异常状态，确定数据的漏洞后准备相应的决议。
k. 监督流程管理工具，并确保遵守所有周期的指导方针。
l. 维护和管理发票文档库，并解决所有问题。
m. 执行内部设计和准备所有的发票，并确定更进流程的质量。

大数据观察员Big DataVisualizer
职责：
a. 通过可视化软件给商务提供价值增值分析来指导分析和借鉴分析带来的影响，综合成清晰的沟通。
b. 理解数据如何在不同的系统中运作来提供有关要求来确定正确的数据输入组织报告/分析。
c. 与数据质量团队之间紧密合作，以确保数据的完整性。
d. 发展业务需求为报告流程去推动功能规范化。
e. 在业务和跨职能团队的合作下，完整地记录报告流程和系统。
f. 收购，管理和文档的数据（包括地理空间数据）。
g. 与客户/客户服务团一起进行工作计划，并进行数据分析。
h. 参与提案撰写，客户交付成果和研究论文。
i. 对数据、GIS数据分析创建可视化从而列入建议书，报告，论文和多媒体项目数据。

大数据解决方案架构师Big DataSolutions Architect
职责：
a. 对Hadoop解决方案的整个生命周期进行引导，包括需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署。
b. 在一个团队中，设计并卡发开创性大规模集群的数据处理系统提供了技术和管理的领导。
c. 帮助Xtremeinsights客户指定战略，最大限度地发挥数据的价值。
d. 帮助Xtremeinsights在大数据空间通过促进白皮书，技术评论对社区建立思想领导。

大数据工程师Big DataEngineer
职责：
a. 收集和处理大规模的原始数据（包括脚本编写，网页获取，调用APIs，编写SQL查询等）。
b. 和我们的工程团队密切合作，并以惊人的创新和算法与我们的生产系统相结合。
c. 将非结构化数据处理成适合分析的一种形式，然后进行分析。
d. 根据所需要的和专案分析商业决策。

大数据研究员Big DataResearcher
职责：
a. 从多种关系数据库中提取数据，操作，使用定量，统计和可视化工具研究数据。
b. 告知适当的建模技术的选择，以确保使用严格的统计过程的测试模型进行开发。
c. 建立和维持有效的流程来验证并更新预测模型。
d. 分析，建模，预测卫生服务的利用模式/趋势和创造能力来为医疗保健服务模式模拟假设的情景。
e. 与内部业务，分析和数据战略合作伙伴共同合作，从而提高效率，为核心的软件产品增加预测模型的适用性
f. 帮助管理分析的创新性，形成的见解，主张整合新概念到现有的客户端工具中，帮助翻译即席分析到可扩展的软件解决方案。

数据仓库管理员Data warehousemanager
职责：
a. 指定并实施信息管理策略。
b. 协调和管理的信息管理解决方案
c. 多个项目的范围，计划和优先顺序安排
d. 管理仓库的各个方面，比如数据外包，移动，质量，设计和实施。

数据架构师Data architect
职责：
a. 通过采用最佳实践和工具，包括SOL,SSIS,SSRS和OLAP来设计数据库，数据模型，ETL过程，数据仓库应用和商业智能（BI）报告。
b. 根据现有的标准和准则来提供高品质（DA）的相关结果，包括ETL过程，数据仓库设计和数据系统的改进。
c. 通过提供对数据仓库的方法和途径的建议解决程序（DA）的相关问题与业务分析师和技术团队。
d. 分析（DA），相关业务需要，可与项目工作人员对（DA）的发展未来做出决定和建议。

数据库管理员Database manager
职责：
a. 提高数据库工具和服务的有效性。
b. 确保所有的数据符合法律规定。
c. 确保信息得到保护和备份。
d. 与工作团队做定期报告。
e. 监控数据库性能。
f. 改善使用的技术。
g. 建立新的数据库。
h. 检测数据录入程序。
i. 故障排除。

商业智能分析员Businessintelligence analyst
职责：
a. 就工具，报告或者元数据增强来进行传播信息。
b. 进行或协调测试，以确保情报的定义与需求相一致。
c. 使用商业智能工具来识别或监测现有和潜在的客户。
d. 综合目前的商业只能和趋势数据，来支持采取行动的建议。
e. 维护或更新的商业智能工具，数据库，仪表板，系统或方法。
f. 及时的管理用户流量的商业情报。

数据仓库分析员Data warehouseanalyst
职责：
a. 了解企业用户的需求信息，并将其传送到数据仓库团队的其他成员。
b. 指导并实施面试任务。
c. 指导并收集采访资料。
d. 协助DW数据分析师分析现有的报告并确定整合指标。
e. 指导数据库需求文件的准备。
f. 协助数据分析师测绘任务。
g. 分析现有的报告。
h. 引导业务指标的鉴定和文献。
i. 在合适的资源系统专家的指导下确定系统的记录。
j. 帮助识别潜在的数据来源，数据库。
k. 负责数据采集过程的试验和实施。
l. 担任ETL和前端程序员的顾问。

数据建模师Data modeler
职责：
a. 为标准命名约定和编码实践指定最佳的训练方案，以确保数据模型的一致性。
b. 推荐在新环境中的数据模型的重复使用机会。
c. 对数据库和SQL脚本执行的物理数据模型进行逆向工程。
d. 评估数据模型和物理数据库的差异和矛盾。
e. 验证业务数据对象的准确性和完整性。
f. 分析数据相关的系统的挑战，并提出相应的解决方案。
g. 根据公司标准制定标准的数据模型。
h. 对系统分析员，工程师，程序员和其他人在项目的限制和能力，性能要求和接口进行指导。
i. 审查修改现有软件，以提高效率和性能。

数据库开发员Databasedeveloper
职责：
a. 设计，开发和实施基于客户需求的数据库系统。
b. 优化数据库系统的性能效率。
c. 准备设计规范和功能单证的分配数据库的项目。
d. 对数据库系统进行空间管理和容量规划。
e. 建立数据库表和字典。
f. 参与数据库设计和架构，以支持应用程序开发项目。
g. 执行数据备份和档案上定期。
h. 测试数据库，并进行错误修正。
i. 及时解决数据库相关的问题。
j. 制定安全程序，以保护数据库免受未经授权的使用。
k. 评估现有的数据库，并提出改进建议的执行效率。
l. 开发用于数据库设计和开发活动的最佳实践。

门户网站管理员Portaladministrator
职责：
a. 制定所有门户网站的布局和维护网站的所有功能。
b. 监督所有页面内容，并提供给所有工作人员和外部组织的帮助。
c. 整合新的技术体系为门户和网络管理员的协调工作。
d. 维持对所有门户项目的现状，并协助解决新的和现有渠道的所有问题和自动化的所有进程。
e. 在所有配置进行测试和升级过程中，实现所有的目标，并保持对所有门户环境的新技术维护。
f. 确定网站的所有长期目标，并根据指引，建议改进所有内容。
g. 保持高效的门户网站的文档系统，并协助安装所有Web中心互动系统。
h. 分析所有系统的升级和应用程序，并确保遵守所有计划要求，设计了新的门户网站所有的解决方案，并协助解决所有的生产问题。
i. 监测和分析所有门户网站的系统指标，并保持最佳性能。
j. 与管理人员和社区成员协调落实各项业务活动，并确定所有的web服务器配置。
k. 管理和配置所有的门户应用程序。
l. 保留所有门户网站的市场和不断变化的行业知识。
m. 对全业务运营提供支持，并确保所有的利润优化。

数据库管理员Databaseadministrator
职责：
a. 选择合适的软件和硬件
b. 管理数据安全和隐私
c. 管理数据完整性
d. 数据备份
e. 数据库恢复
f. 优化数据库性能
g. 提高查询处理性能

首席数据分析师Chief DataAnalyst
职责：
a. 为一部分的基础整体研究程序员开发新的分析项目
b. 团队的其他成员来提供技术投入研究项目的发展。
c. 为分析员提供大型调查的收集，编制和分析。
d. 在适当的时候使用Excel，SPSS或者STATA和先进的技术进行统计分析。
e. 对政策专家，相关的投资方和学者进行基础的增长。

业务系统分析员Business SystemAnalyst
职责：
a. 确定通过研究业务职能业务目；收集信息；评估输出要求和格式。
b. 设计通过分析要求的新的计算机程序；构建工作流程图和示意图；研究系统的能力；书写规范。
c. 提高通过研究当下实践系统进行设计修改。
d. 通过识别问题来对控制提出建议，提高写作流程。
e. 通过定义项目里程碑，阶段和要素来形成项目团队，建立项目预算。

数据挖掘分析师Data mininganalyst
职责：
a. 对优先考虑的账户进行统计分析，从而最大限度的成功化。
b. 与主管或客户端沟通行动计划，并找出需要改进的地方。
c. 执行战略数据分析和研究，以支持业务需求。
d. 找准机会从而通过复杂的统计建模提高生产率。
e. 浏览数据来认准机会并提高业务成效。
f. 指定业务流程，目标和战略的理解，以提供分析和解释。
g. 通过内部讨论的理解，在适当情况下获得业务需求和必要的分析。

数据策略师Data strategist
职责：
a. 定义大数据战略，包括设计多阶段实施路线图。
b. 独立工作，或作为一个团队的一部分，设计和开发的大数据解决方案。
c. 异构数据的数据错误，探索和发现新的见解。
d. 知道分析，架构，设计以及数据仓库和商业只能解决方案的发展。
c. 指导年轻的团队成员。
f. 协助业务开发团队提供售前活动和招标书。
g. 帮助评估和计划项目。

业务数据分析师Business DataAnalyst
职责：
a. 与关键投资者的业务分析师和高级管理人员紧密合作，了解他们的经营策略和问题，确定研究需求，帮助设计实验，并根据结果提出建议。
b. 通过客户细分，从多个来源的定量和定性派生的发展和应用进行影响的决定。
c. 调整利益相关者和分析师对如何使用研究和分析的想法，以支持业务计划和战略的优先试图（分析路线图）。
d. 传动复杂的分析项目，需要分析或利益相关者从开始到结束之间的多团队协作。
e. 有效地管理多个在建设的项目，确保目标和时间获得满足。确定在短期和长期间的权衡和平衡所有投资者的需求。
f. 领导和参与业务讨论，提供意见，需要的时候进行一些变革。
g. 关键指标与解释器的讨论，推测并提出行动。
h. 与业务伙伴的投资者在制定和优先的业务问题上考虑短期和长期的潜在影响，解释结果，量化的机遇，并提出了一个观点合作数据的专家来执行分析操作。
i. 在企业领导的重视下积极主动地带来新的商机。
j. 知道分析师和股东对事物的知识和流程上，确保它们是可重复的，可持续的和可扩展的。
k. 在所有阶段上与多个项目组合作。

‘陆’ 大数据专业毕业生就业岗位有哪些

大数据的择业方向有大数据开发方向、数据挖掘数据分析和机器学习方向、大数据运维和云计算方向，主要从事互联网行业相关工作。

大数据课程难度大，同时有大专本科学历要求！但工作需求大，毕业以后可以从事的岗位还是比较多的，回报高，待遇在年薪30~50万之间，如果是互联网大厂更高。

大数据学习内容主要有：

①JavaSE核心技术；

②Hadoop平台核心技术、Hive开发、HBase开发；

③Spark相关技术、Scala基本编程；

④掌握Python基本使用、核心库的使用、Python爬虫、简单数据分析；理解Python机器学习；

⑤大数据项目开发实战，大数据系统管理优化等。

工作岗位列举几个热门：

初级大数据离线处理，薪资10000-13000；

Spark开发工程师，薪资14000-16000；

Python爬虫工程师，薪资16000-20000；

大数据开发工程师，薪资20000+。

想要系统学习，你可以考察对比一下开设有IT专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能，建议实地考察对比一下。

祝你学有所成，望采纳。

‘柒’ 大数据行业有哪些岗位

一、数据分析师/数据科学家

从本质来说数据分析师和数据科学家是相同的，因为他们做同样的事情——从数据中获取价值。价值可以有不同的形式：对于数据分析师来说，价值意味着洞察，而对于数据科学家来说，是在洞察之上的产品发展智能。

数据分析师分析数据以获得洞察，并帮助形成业务决策。而数据科学家更关心的是使用机器学习和 A / B 测试来驱动和改进产品。

数据科学家专注于前瞻，即做出预测，而数据分析师则更多地聚焦在回顾，如分析历史数据。

二、数据工程师

没有数据工程师的帮助，数据科学家就无法做出贡献。为什么?由于数据工程师构建了引入数据的数据管道!如同炼油厂闲置，是由于没有原油进入，最终原因是石油管道还没有建成。

三、业务分析师(各种职能)

传统的 BA 引导，记录业务需求并充当业务和技术之间的联络人。相反，我们使用业务分析师的头衔作为总括头衔来涵盖所有具有业务性质(非技术性)且需要重要数据技能的分析师角色。

四、BI分析师/工程师/开发人员

我们还拥有传统的商业智能( BI )分析师和商业智能工程师角色。一般来说，当我们谈论 BI 时，我们指的是使用“定义良好的BI基础设施”在“大公司”环境中进行数据分析和报告，基础设施指的是各种企业软件系统( ERP，CRM 等)以及在他们之上进行连接和报告 BI 工具。

关于大数据行业有哪些岗位，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

‘捌’ 大数据工程有哪些岗位领域

从岗位来看，由大数据开发、挖掘、算法、分析、到架构。从级别来看，从工程师、高级工程师，再到架构师，甚至到科学家。而且，契合不同的行业领域，又有专属于这些行业的岗位衍生，如涉及金融领域的数据分析师等。

大数据的相关工作岗位有很多，有数据分析师、数据挖掘工程师、大数据开发工程师、大数据产品经理、可视化工程师、爬虫工程师、大数据运营经理、大数据架构师、数据科学家等等，下面就讲讲其中的几个岗位。

数据分析师：日常工作内容有三个方面，第一是临时取数,第二是报表的需求分析，第三是业务专题分析。

数据挖掘工程师：日常工作内容主要有五类。第一是用户基础研究,第二是个性化推荐算法,第三是风控领域应用的模型,第四是产品的知识库,第五是文本挖掘、文本分析、语义分析、图像识别。

数据产品经理：日常工作内容：第一是大数据平台的建设，让获取数据、使用数据更加容易，构建完善的指标体系，实现对业务的全流程监控，提高决策效率，降低运营成本，提升应收水平;第二是数据需求分析，形成数据产品，对内可以提升效率，控制成本，对外增加创收，最终实现数据价值的变现。

大数据研发工程师：这个岗位是需求量最大的，日常工作内容有三个方面：第一是数据的采集，比如爬虫、日志采集等;第二是数据预处理、ETL工作，比如数据清洗、转换、集成、规约等;第三是大数据应用和可视化的开发。

此外，现在越来越多的行业领域也涉猎大数据,通常来说它们可以被大致分为两类：大数据工程与大数据分析。而这些领域互相独立又互相关联。

而随着AI(人工智能)的到来，未来大数据需要依赖于云计算平台海量的计算能力，同时通过大数据给人工智能提供内容。所以在未来十年，云计算，大数据，人工智能是这个时代对社会影响最深远的技术，为此我们需要提前做好准备。

关于大数据工程有哪些岗位领域，该如何下手的内容，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

以上是小编为大家分享的关于大数据工程有哪些岗位领域?的相关内容，更多信息可以关注环球青藤分享更多干货

‘玖’ 与大数据相关的工作职位有哪些

说个大概吧

大数据开发工程师：负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等；

数据分析师：进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见；

数据挖掘工程师：商业智能，用户体验分析，预测流失用户等；需要过硬的数学和统计学功底以外，对算法的代码实现也有很高的要求。

数据库开发：设计，开发和实施基于客户需求的数据库系统，通过理想接口连接数据库和数据库工具，优化数据库系统的性能效率等；

数据管理：数据库设计、数据迁移、数据库性能管理、数据安全管理，故障检修问题、数据备份、数据恢复等；

数据科学家：清洗，管理和组织（大）数据，利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换；

数据产品经理：把数据和业务结合起来做成数据产品。

‘拾’ 大数据哪些职位比较容易些

大数据的相关的岗位有哪些，今天加米谷大数据就来说个大概：

1、大数据开发工程师

开发，建设，测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等

2、数据分析师

收集，处理和执行统计数据分析；运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力

3、数据挖掘工程师

数据建模、机器学习和算法实现；商业智能，用户体验分析，预测流失用户等；需要过硬的数学和统计学功底以外，对算法的代码实现也有很高的要求

4、数据架构师

需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署；高级算法设计与优化；数据相关系统设计与优化，需要平台级开发和架构设计能力