大数据各岗位有何不同?

693次观看

标签：大数据大数据岗位不同

以下回答来自环球青藤，点击开启技能学习>

老师回答

付老师大数据工程师

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

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。

由于数据的普及，几乎所有分析师角色都需要某些数据技能集。因此，业务分析师角色是对于具有领域专业知识，并且精于数据的候选人来说，业务分析师是非常不错的职位目标。

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。

©本文版权归环球青藤所有，任何形式转载请联系我们。

免费直播

精选课程

相关推荐

成为大数据开发工程师有哪些要求?

刘老师大数据工程师

1、熟练精通至少一门编程语言

掌握Java是必不可少的，要是能同时熟悉Python、Scala就更好了。

2、掌握Linux操作系统

百分之八十以上的企业使用Linux操作系统进行云计算、大数据平台的构建，所以做大数据开发，Linux必备。

3、掌握大数据主流框架及组件

主要是Hadoop、Spark、Storm、Flink等一系列框架，及其生态圈组件，这部分是重中之重。

软实力，就相对来说要虚一些了，逻辑思维能力、沟通能力、学习能力等等，通常在HR面试的时候，主要就是考察这些方面。

大数据科学专业学什么?

刘老师大数据工程师

主要课程：C程序设计、数据结构、数据库原理与应用、计算机操作系统、计算机网络、Java语言程序设计、Python语言程序设计，大数据算法、人工智能、应用统计(统计学)、大数据机器学习、数据建模、大数据平台核心技术、大数据分析与处理,大数据管理、大数据实践等课程。

大数据科学专业是培养以计算机科学、统计分析为基础，具备经济、金融、物流、商业、贸易、管理等相关学科的领域知识，能推动并引领未来全球“互联网 +”、云计算、大数据技术在各领域的深入应用，具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才。

毕业方向

毕业生能在政府机构、企业、公司等从事大数据管理、研究、应用开发等方面的工作。同时可以考取软件工程、计算机科学与技术、应用统计学等专业的研究生或出国深造。

大数据专业需要学习哪些语言?

刘老师大数据工程师

1、Java

大数据的本质无非就是海量数据的计算、查询与存储，后台开发很容易接触到大数据量存取的应用场景，所以 Java 语言有着天然优势，现在大数据的组件很多都是用 Java 开发的，比如 HDFS、Yarn、HBase、MapReduce、ZooKeeper等等。

2、Python

Python 的优势在于资源丰富，拥有坚实的数值算法、图标和数据处理基础设施，建立了非常良好的生态环境。并不是所有的企业都能自己生产大量数据用于决策辅助，更多的互联网企业都是靠爬虫来抓取互联网数据进行分析，而 Python 在网络爬虫领域有着强势地位。Python 的战略定位就是做一种简单、易用但专业、严谨的通用言语组合。Python 语法简捷而清晰，对底层做了很好的封装，是一种很容易上手的高级语言。更重要的是， Python 的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在 Python 模块里，暴露出漂亮的接口。

3、Scala

Scala 在 JVM 上运行，基本上成功地结合了函数范式和面向对象范式。目前，它在金融界和需要处理海量数据的公司企业中取得了巨大进展。Scala 通常采用一种大规模分布式方式来处理数据，它还驱动着像 Spark 和 Kafka 这样的大数据处理平台，也被 Twitter 和 LinkedIn 这样的大型企业所使用。