大数据就业方向了解一下

大数据是眼下非常时髦的热词，同时也催生出了一些与大数据处理相关的职业，通过对数据的挖掘分析来影响企业的商业决策。随着大数据在国内的发展，大数据相关人才却出现了供不应求的状况，大数据分析师更是被媒体称为“未来最具发展潜力的职业之一”。那么，大数据的就业方向有哪些呢？我们该如何择业呢？

数据行业从广义上讲可以分为以下几个职位：

一、数据分析师

数据分析师是对数据、数据指标的解读，通过对数据的分析，来解决商业问题。

主要有包括：

（1）业务监控：诊断当前业务是否正常？是否存在问题？业务发展是否达到预期？如果没有达到预期，问主要问题在哪？是什么原因引起的？

（2）建立分析体系：这些数据分析师已经对业务有一定的理解，对业务也相对比较熟悉，更多帮业务方建立一套分析体系，或者更高级是做成数据产品。例如：营销活动。分析师会告诉业务方，在活动前你应该分析哪些数据，从而制定恰当的营销计划。在营销过程中，你应该看哪些数据，从而及时做出营销活动调整。在营销活动，应该如何进行活动效果评估以及行业未来发展的趋势分析。

二、数据挖掘工程师

数据挖掘工程师多是通过对海量数据进行挖掘，寻找数据的存在模式，从而通过数据挖掘来解决具体问题。其更多是针对某一个具体的问题，是以解决具体问题为导向的。例如：聚类分析，通过对于会员各种人口统计学、行为数据进行分析，对客户进行分类，更好地理解客户，知道公司会员是到底如何？高、中、低低价值的客户构成，既可以后期公司的运营提供指导，提高活动效率，可以指导公司的营销。

做数据挖掘工程， 必须精通数据库。很多时候，你模型的数据预处理，可能完成在数据库里完成，你用到的数据库技巧更高。必须要会成熟的数据挖掘工具、数据挖掘算法，等，当然如果你会一、二款开源软件，并会写一些程序代码那是最好的，大公司都喜欢用开源的软件。

三、数据建模师

这个职位与数据挖掘工程师还是有本质区别的。数据建模师，更多偏向于中、小数据量，而且其使用更多更多是统计学的方法，数据建模师其实很少会提到算法这个词。但是有时候，这二个模型越来越没有明确的分工，一般来说都会二个职位的人都会去学习对方的知识，所以这二个职位有合并的趋势。

新进入数据行业的同学，可以根据自己的背景背景选择相应的职位，学数据、统计学的朋友更多可以偏向于建模师，而计算机特别是写编程好的同学，可以走数据挖掘工程师，也许适应性更好，但这不是绝对的。

数据分析就业选择公司的三条参考标准：

第一点：去供职于那些利用数据分析来做市场战略定位的公司；

如果一个企业是凭借数据学来做到自己与其他竞争对手之间的「切割」，公司核心竞争力是构建在数据和分析工具上，那么整个公司都会瞄准数据学发力，所有的资源都是围绕着数据分析投入。它会更加愿意投资，获得数据领域最顶尖的人才，打造最优秀的底层系统，不断地将最前沿的算法和计算技术推向极致，开发各种不可思议的工程产品来展现数据学的魔力。

第二点：去为一个拥有着伟大想法的公司工作；

找到一家拥有足够数据量，并且已经开始着手做一些有趣事情的公司。几乎所有的公司在成长过程中，数据量都会不断扩大，但是如果你选择了一家已经拥有足够级别数据量的公司，那么它的潜力，可发展性将会提升到另外一个层次。

第三点，去选择给一家即将进入空白市场的公司。

当评估市场机会的时候，去选择一个还没有将成型的解决方案的公司。一个白手起家，闯入陌生领域的公司有可能没有非常稳定的公司组织结构，这固然让人觉得有点儿不靠谱，但是作为数据分析师来说，这个地方是充满最多创意性和自由的地方。在从来没有人涉足的领域去构建一些东西，这样性质的工作同样是可以评估测量的。不要光是看重设计中「数学」以及「统计」的地位，而且还要重视「数据通道」，「API」。