新的一年，发现很多小伙伴想入行大数据，只是听说大数据薪资很高，但对大数据行业具体情况不了解。大数据到底是做什么的？有哪些岗位？就业薪资具体是多少？这些问题今天为你一一解答。
1
什么是大数据
大数据（Big Data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据学习资源分享扣qun是45八三15七八最后加two数字
大数据有以下三个特点：大批量(Volume)、高速度(Velocity)和多样化(Variety) 。
• 大批量 – 大数据体积庞大。企业里到处充斥着数据，信息动不动就达到了TB级，甚至是PB级
• 高速度 – 大数据通常对时间敏感。为了最大限度地发挥其业务价值，大数据必须及时使用起来
• 多样化 – 大数据超越了结构化数据，它包括所有种类的非结构化数据，如文本、音频、视频、点击流、日志文件等等都可以是大数据的组成部分
大数据相关工作主要是指基于各种分析手段对大数据进行科学分析、挖掘、展现，以辅助企业做出商业决策。
2
国内外领先的大数据公司有哪些？
• 国内：阿里巴巴、华为、百度、腾讯、浪潮、探码科技、中兴通讯、神州融、中科曙光、华胜天成、用友等。
• 国际：IBM、惠普、Splunk、戴尔、Opower、Teradata、甲骨文、微软、亚马逊、谷歌、New Relic、Alation等。
3
大数据相关岗位及职责
（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
（5）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
（6）数据库管理
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
（7）数据科学家
数据挖掘架构、模型标准、数据报告、数据分析方法；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
（8）数据产品经理
把数据和业务结合起来做成数据产品；平台线提供基础平台和通用的数据工具，业务线提供更加贴近业务的分析框架和数据应用
4
大数据开发岗位介绍
想要成为一名合格的大数据开发工程师，首先就要了解大数据这样职业，大数据非传统型的互联网数据信息，大数据也包含了很多新的特征。
互联网时代的发展，每天都产生各种各样的数据信息，数据来源很广，每天都有从各方面来临的数据信息，大数据格式多种多样，非结构化数据、结构化数据、excel文件等等，而且大数据数量很大，至少要是TB级别的，甚至会达到PB级别的。
既然数据总量如此之多，又各种类型的都有，增长数据也很快，那数据该如何汇总并且转化运用成自己所需要的数据信息呢?这就诞生了大数据研发工程师，大数据研发工程师在充分了解行情的基础之上，发挥其自身所具备的专业技能。
5
大数据开发薪资
作为IT类职业中的“大熊猫”，大数据工程师的收入待遇可以说达到了同类的顶级。国内IT、通讯、行业招聘中，有10%都是和大数据相关的，且比例还在上升。在美国，大数据工程师平均每年薪酬高达17.5万美元；
大数据开发工程师在一线城市和大数据发展城市的薪资是比较高的。
而据了解，在国内顶尖互联网类公司，同一个级别大数据工程师的薪酬可能要比其他职位高20%至30%，且颇受企业重视。
因为接触到的学生毕业后一般在北京、广东、上海、南京地区就业的居多，所以可能我的概括也有局限性仅供你参考。对于一些大数据行业就业信息的数据报告也可以作为参考。
1、目前培训毕业后的就业周期一般在2周-4周之间，一般在2周的时候就会拿到1-3份OFFER
2、2017年毕业学生从10-25K都有，15K居多。和入职企业及地区有很大关系
3、2018年学生15-25K，15K为最低入职薪资，17-18K居多
4、以上薪资待遇不含13薪等其他福利，综合收入会更高一些
腾科学员一般学完大数据的薪资都在8000-30000之间。当然，前提是你要在学习期间认真跟着老师学习和做项目，这样在就业时才有资本谈薪资。
小白学习大数据开发的难度其实并不高，关键是看你想不想学，每个人都是从小白过渡而来，别人能做好，相信你也可以。所以，0基础并不是学习大数据的限制，也不是你学不好的理由，只要你能够持坚持学习，那么你一样可以学懂大数据开发，成为一名专业的人才。
6
想进入大数据科学职场该如何准备?
数据科学是一个跨学科的领域，这意味着数据科学家要了解多个领域的知识，并成为不同领域的专家。 数据科学家必须在以下方面具备坚实的基础：计算机科学、统计研究(需要扎实的基础)、线性代数、数据处理(数据分析的专业知识)、机器学习、软件工程、python编程、R编程、业务领域知识。你需要注意以下五点：
一、向具有多年行业经验的前辈学习Python和R
行业经验是无可替代的。 比起一位热心的业余爱好者(如在线提供的许多课程)，拥有5年以上数据科学行业工作经验的人将是讲师的不二人选。 学习Python和R是一方面，掌握Python和R是完全不同的事情。如果想在这个行业做得好，需要做到掌握技能，而不仅仅是具备基本能力。一定要确保你的讲师具有可靠的行业经验，因为这种经历会帮助你拿到顶尖的数据科学公司的offer。相比于拥有相关专业博士学位的学者，从拥有行业经验的专家那里会学到最多。
二、在GitHub上构建数据科学作品集
在GitHub上拥有在线作品集(online portfolio)至关重要!
如果你不对学习的内容进行编程练习，也没有将课程应用于实际数据和现实情景，那么再好的培训都是无效的。你需要做数据科学项目，并且尽量使你的项目具有吸引力。
GitHub作品集应该遵循以下准则：
三、加入Kaggle并参加数据科学竞赛
Kaggle.com就是你的训练场。
如果你准备入手数据科学，立即成为Kaggler吧! 或者，如果你更倾向于开发，请加入TopCoder!(TopCoder也有数据科学发展路径)。 Kaggle是公认的数据科学的发源地，因为Kaggle多年来一直举办数据科学竞赛，并且是国际上所有顶尖数据科学竞赛的集合地。 收到知名公司offer的最简单方法之一就是在Kaggle上获得尽可能高的排名。 更重要的是，你可以将自己的表现与行业中的顶级竞争对手进行比较。
四、练习面试问题
现在，很多网站都有数据科学岗位面试中使用的问题集。没有企业会让你死记硬背200个面试问题，但他们确实希望你能够在代码(最好是Python)或伪代码中解决基本的数据科学和算法问题。 最好还要了解基本概念，例如交叉验证是什么，维度的诅咒，过拟合的问题以及在实际场景中如何处理它。此外，你还需要能解释主要数据科学算法的内部细节，例如AdaBoost。 线性代数，统计学和一些基本的多变量微积分的知识也可以帮助你在竞争中抢占先机。
五、管理你的网络声誉
这似乎与数据科学无关，但它是任何求职的基本要求。想想未来的雇主在看到求职者名姓名后的第一件事是什么?他会先百度这个名字。当搜索你的名字时，会出现什么内容?你的网络资料能否承受以下考验?
如果有以上这些潜在的问题，你可能需要调整自己的网络个人资料。你可以通过博客文章，成熟的网络评论，甚至为自己创建博客，向世界展现积极的自己。在如今的这个在线、数字、互联的世界，这对于求职者来说至关重要。
人才市场上待挑选的产品
在人才市场上，你试图将自己和你的网络信誉销售给从未见过你的人，他甚至没有听过你的名字。因此，互联网资料将成为关键，以确保你在竞争中抢占先机。目前许多培训网站提供的课程，讲师都是业余爱好者或具有不到2年行业经验的人士。所以，不要满足于低价课程，在互联网上，一分耕耘一分收获。如果这是你理想的职业领域，初期投资肯定会有更多的长期回报。