以下是一位在數(shù)據(jù)分析領域打滾了N年后，寫下的一些體會，一定能給新人一些借鑒的地方。（總結的不錯，大家可以借鑒學習哦）

一、數(shù)據(jù)分析師有哪些要求？

　　1、理論要求及對數(shù)字的敏感性，包括統(tǒng)計知識、市場研究、模型原理等。

　　2、工具使用，包括挖掘工具、數(shù)據(jù)庫、常用辦公軟件（excel、PPT、word、腦圖）等。

　　3、業(yè)務理解能力和對商業(yè)的敏感性。對商業(yè)及產品要有深刻的理解，因為數(shù)據(jù)分析的出發(fā)點就是要解決商業(yè)的問題，只有理解了商業(yè)問題，才能轉換成數(shù)據(jù)分析的問題，從而滿足部門的要求。

　　4、匯報和圖表展現(xiàn)能力。這是臨門一腳，做得再好的分析模型，如果不能很好地展示給領導和客戶，成效就大打折扣，也會影響到數(shù)據(jù)分析師的職業(yè)晉升。

二、請把數(shù)據(jù)分析作為一種能力來培養(yǎng)

　　從廣義來說，現(xiàn)在大多數(shù)的工作都需要用到分析能力，特別是數(shù)據(jù)化運營理念深入的今天，像BAT這樣的公司強調全員參與數(shù)據(jù)化運營，所以，把它作為一種能力培訓，將會讓你終生受益。

三、從數(shù)據(jù)分析的四個步驟來看清數(shù)據(jù)分析師需具備的能力和知識：

　　數(shù)據(jù)分析的四個步驟（這有別于數(shù)據(jù)挖掘流程：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準備、模型搭建、模型評估、模型部署），是從更宏觀地展示數(shù)據(jù)分析的過程：獲取數(shù)據(jù)、處理數(shù)據(jù)、分析數(shù)據(jù)、呈現(xiàn)數(shù)據(jù)。

　?。ㄒ唬?獲取數(shù)據(jù)

　　獲取數(shù)據(jù)的前提是對商業(yè)問題的理解，把商業(yè)問題轉化成數(shù)據(jù)問題，要通過現(xiàn)象發(fā)現(xiàn)本質，確定從哪些緯度來分析問題，界定問題后，進行數(shù)據(jù)的采集。此環(huán)節(jié)，需要數(shù)據(jù)分析師具備結構化的思維和對商業(yè)問題的理解能力。

　　推薦書籍：《金字塔原理》、麥肯錫三部曲：《麥肯錫意識》、《麥肯錫工具》、《麥肯錫方法》

　　工具：思維導圖、mindmanager軟件

　　（二） 處理數(shù)據(jù)

　　一個數(shù)據(jù)分析項目，通常數(shù)據(jù)處理時間占70%以上，使用先進的工具有利于提升效率，所以盡量學習最新最有效的處理工具，以下介紹的是最傳統(tǒng)的，但卻很有效率的工具：

　　Excel：日常在做通報、報告和抽樣分析中經常用到，其圖表功能很強大，處理10萬級別的數(shù)據(jù)很輕松。

　　UltraEdit：文本工具，比TXT工具好用，打開和運行速度都比較快。

　　ACCESS：桌面數(shù)據(jù)庫，主要是用于日常的抽樣分析（做全量統(tǒng)計分析，消耗資源和時間較多，通常分析師會隨機抽取部分數(shù)據(jù)進行分析），使用SQL語言，處理100萬級別的數(shù)據(jù)還是很快捷。

　　Orcle、SQL sever：處理千萬級別的數(shù)據(jù)需要用到這兩類數(shù)據(jù)庫。

　　當然，在自己能力和時間允許的情況下，學習新流行的分布式數(shù)據(jù)庫及提升自身的編程能力，對未來的職業(yè)發(fā)展也有很大幫助。

　　分析軟件主要推薦：

　　SPSS系列：老牌的統(tǒng)計分析軟件，SPSS Statistics（偏統(tǒng)計功能、市場研究）、SPSS Modeler（偏數(shù)據(jù)挖掘），不用編程，易學。

　　SAS：老牌經典挖掘軟件，需要編程。

　　R：開源軟件，新流行，對非結構化數(shù)據(jù)處理效率上更高，需編程。

　　隨著文本挖掘技術進一步發(fā)展，對非結構化數(shù)據(jù)的分析需求也越來越大，需要進一步關注文本挖掘工具的使用。

　?。ㄈ?分析數(shù)據(jù)

　　分析數(shù)據(jù)，需要用到各類的模型，包括關聯(lián)規(guī)則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的數(shù)據(jù)需要在參照系下進行對比，結論才有意義。

　　推薦的書籍：

　　1、《數(shù)據(jù)挖掘與數(shù)據(jù)化運營實戰(zhàn)，思路、方法、技巧與應用》，盧輝著，機械出版社。這本書是近年國內寫得最好的，務必把它當作圣經一樣來讀。

　　2、《誰說菜鳥不會數(shù)據(jù)分析（入門篇）》和《誰說菜鳥不會數(shù)據(jù)分析（工具篇）》，張文霖等編著。屬于入門級的書，適合初學者。

　　3、《統(tǒng)計學》第五版，賈俊平等編著，中國人民大學出版社。比較好的一本統(tǒng)計學的書。

　　4、《數(shù)據(jù)挖掘導論》完整版，[美]Pang-Ning Tan等著，范明等翻譯，人民郵電出版社。

　　5、《數(shù)據(jù)挖掘概念與技術》，Jiawei Han等著，范明等翻譯，機械工業(yè)出版社。這本書相對難一些。

　　6、《市場研究定量分析方法與應用》，簡明等編著，中國人民大學出版社。

　　7、《問卷統(tǒng)計分析實務—SPSS操作與應用》，吳明隆著，重慶大學出版社。在市場調查領域比較出名的一本書，對問卷調查數(shù)據(jù)分析講解比較詳細。

（四） 呈現(xiàn)數(shù)據(jù)

　　該部分需要把數(shù)據(jù)結果進行有效的呈現(xiàn)和演講匯報，需要用到金字塔原理、圖表及PPT、word的呈現(xiàn)，培養(yǎng)良好的演講能力。

　　推薦書籍：

　　1、《說服力讓你的PPT會說話》，張志等編著，人民郵電出版社。

　　2、《別告訴我你懂ppt》加強版，李治著，北京大學出版社。

　　3、《用圖表說話》，基恩。澤拉茲尼著，馬曉路等翻譯，清華大學出版社。

　?。ㄎ澹?其他的知識結構

　　數(shù)據(jù)分析師除了具備數(shù)學知識外，還要具備市場研究、營銷管理、心理學、行為學、產品運營、互聯(lián)網、大數(shù)據(jù)等方面的知識，需要構建完整廣泛的知識體系，才能支撐解決日常遇到的不同類型的商業(yè)問題。

　　推薦書籍：

　　1、《消費者行為學》第10版，希夫曼等人著，江林等翻譯，中國人民大學出版社，現(xiàn)在應該更新到更高的版本。

　　2、《怪誕行為學》升級版，艾瑞里著，趙德亮等翻譯，中信出版社

　　3、《營銷管理》，科特勒等著，梅清豪翻譯，格致出版社和上海人民出版社聯(lián)合出版

　　4、《互聯(lián)網思維—獨孤九劍》，趙大偉主編，機械出版社

　　5、《大數(shù)據(jù)時代—生活、工作與思維的大變革》，舍恩伯格等著，周濤等翻譯，浙江人民出版社

四、關于數(shù)據(jù)分析師的職業(yè)發(fā)展：

　　1、數(shù)據(jù)分析師通常分兩類，分工不同，但各有優(yōu)勢。

　　一類是在專門的挖掘團隊里面從事數(shù)據(jù)挖掘和分析工作的。如果你能在這類專業(yè)團隊學習成長，那是幸運的，但進入這類團隊的門檻較高，需要扎實的數(shù)據(jù)挖掘知識、挖掘工具應用經驗和編程能力。該類分析師更偏向技術線條，未來的職業(yè)通道可能走專家的技術路線。

　　另一類是下沉到各業(yè)務團隊或者運營部門的數(shù)據(jù)分析師，成為業(yè)務團隊的一員。他們工作是支撐業(yè)務運營，包括日常業(yè)務的異常監(jiān)控、客戶和市場研究、參與產品開發(fā)、建立數(shù)據(jù)模型提升運營效率等。該類型分析師偏向產品和運營，可以轉向做運營和產品。

　　2、數(shù)據(jù)分析師的理想行業(yè)在互聯(lián)網，但條條大道通羅馬，走合適你的路線。

　　從行業(yè)的角度來看：

　　1）互聯(lián)網行業(yè)是數(shù)據(jù)分析應用最廣的行業(yè)，其中的電商企業(yè)，更是目前最火的，而且企業(yè)也更重視數(shù)據(jù)分析的價值，是數(shù)據(jù)分析師理想的成長平臺。

　　2）其次是咨詢公司（比如專門的數(shù)據(jù)挖掘公司Teradata、尼爾森等市場研究公司），他們需要數(shù)據(jù)分析人才，而且相對來說，數(shù)據(jù)分析師在咨詢公司成長的速度更快，專業(yè)也會更全面。

　　3）再次是金融行業(yè)，比如銀行和證券等行業(yè)，該行業(yè)對數(shù)據(jù)分析的依賴需求，越來越大。

　　4）最后是電信行業(yè)（中國移動、聯(lián)通和電信），它們擁有海量的數(shù)據(jù)，在嚴峻的競爭下，也越來越重視數(shù)據(jù)分析，但進入這些公司的門檻比較高。

五、什么人適合學習數(shù)據(jù)分析？

　　這個問題的答案跟“什么人適合學功夫”一樣，毫無疑問，功夫是適合任何人學習的（排除心術不正的人），因為能夠強身健體。而功夫的成效，要看習武者的修煉深淺。常常有人爭論，是詠春拳厲害，還是散打厲害，其實是顛倒了因果，應該看哪個人練習得比較好，流派之間沒有高低，只有人修煉的厚薄。

　　實際上，問題的潛臺詞是“什么人學習數(shù)據(jù)分析，會更容易取得成功（比如職業(yè)成功）”，這個要視乎你的興趣、付出和機遇。但要做到出類拔萃，除了上面三點，還需要一點天賦，這里的機遇是指你遇到的職業(yè)發(fā)展平臺、商業(yè)環(huán)境、導師和同事。

　　借用管理大師德魯克的話“管理是可以習得的”，管理并非是天生的，而數(shù)據(jù)分析能力，也可以后天提升?；蛟S做到優(yōu)秀，只需要你更加的努力+興趣，而這個努力的過程，也包括你尋找機遇的部分。

六、關于如何學習：

　　學習方法千萬種，關鍵是找到適合自己的，最好能夠結合你的工作遇到的問題來學習。

　　1、搜集書籍、案例庫和視頻，先弄懂理論，然后學會軟件操作，自己制作屬于自己的教程。

　　比如，你學習聚類分析模型。1）搜集相關的聚類分析模型的書籍、案例和教學視頻，了解聚類分析的原理，主要有哪幾種算法（劃分、層次、密度、網格）、模型適用的范圍和前提、如何評估模型的精確度等。

　　2）自己學會用軟件來實現(xiàn)。

　　3）總結整理成一份PPT和制作操作視頻，成為自己的學習教程，不斷完善。

　　4）學習到一定程度后，可以在博客、微信等渠道分享，授人與漁，而自己也會有所收獲。

　　2、關注名人、名博、網站，多渠道學習。

　　1）關注專業(yè)的數(shù)據(jù)分析、咨詢公司網站和論壇，特別強調，統(tǒng)計軟件公司的網站如SPSS的官網有很多案例庫，值得關注。

　　SPSS的案例庫，可在官網上搜索各類案例：http://ibm/developerwork … 8zhangzy/index.html

　　另外，你最好建一個自己的網址導航目錄，提升你的學習效率

　　2）關注名人名博，最好能加他們的微博、微信和微信公眾號，看牛人的博客和微信等內容，還是能得到很多引導，這個你懂的。

　　3）加入一些有共同愛好的QQ群，互相學習交流。通常群里有人會提出一些真實的運營問題，然后大家用不同的方法去解決，對思路很有啟發(fā)。

　　4）碎片化學習，最大化你的時間價值。為了把零散的時間利用起來，通常我會把一些資料上載到網盤，在零碎的時間里通過手機進行視頻、文檔學習等。目前使用百度云盤和360網盤。百度云盤應用比較廣，通常在網絡上搜索“關鍵詞+百度云”后，搜到結果可以直接保存在云盤上，搜索保存速度極大提升。360網盤則空間比較大，可以到達40T，同時有保險箱加密功能，安全性高一些。

　　手機上安裝一些APP，隨時隨地學習。

七、最后的建議

　　請再次問問自己，是否真的喜歡數(shù)據(jù)分析，能否忍受處理數(shù)據(jù)時的寂寞？如果是，那就開始學習，給你幾條建議。

　　1、把數(shù)據(jù)分析作為一種能力培養(yǎng)，讓自己在現(xiàn)在的團隊中展現(xiàn)出良好的數(shù)據(jù)分析能力，為你以后內部轉崗做好準備。如果內部轉崗不成，你可以考慮跳槽到我之前分析的行業(yè)中，但我強烈建議你還是需要把系統(tǒng)開發(fā)的編程能力學習好，并且對商業(yè)智能系統(tǒng)（BI和CRM）有一定了解，這也許是應聘數(shù)據(jù)分析的優(yōu)勢。如果沒有數(shù)據(jù)分析經驗去應聘，相對會難一些，用人單位會考你統(tǒng)計和數(shù)據(jù)挖掘模型方面的知識，以及工具使用情況。

　　2、在公司里找一些有共同愛好的同事一起學習數(shù)據(jù)分析，平時多請教數(shù)據(jù)分析做得好的同事，它山之石，可以攻玉。

　　3、扎實學好一、兩門數(shù)據(jù)挖掘軟件，基于你有編程的基礎，建議你可以學SAS或者R，同時輔助學習SPSS Modeler。如果沒編程基礎或者希望短期能夠取得成效，那也可以先學習SPSS。SAS+SPSS，基本能夠滿足很大部分企業(yè)的需求，三者都會，那更好。

　　4、要了解公司是如何運營，產品是如何開發(fā)的，如何做客戶研究鎖定客戶需求，如何做產品營銷，這些需要不斷工作積累和廣泛的閱讀。

　　5、開始學習時，先讀幾本有趣的數(shù)據(jù)分析類的書，然后系統(tǒng)學習一下統(tǒng)計知識（建議教材用《統(tǒng)計學》第五版，賈俊平等編著），接著網上快速搜集軟件操作視頻和案例，然后逐個分析模型進行學習和總結歸納，學習最好能夠結合實際工作中的問題進行。

　　6、學習到一定程度時，參加一些數(shù)據(jù)分析師的職業(yè)認證，進一步梳理知識結構，同時認識一些志同道合的朋友和老師，也是對你有很大幫助。

　　希望你能夠成為你想成為的人！

End.

來源：36大數(shù)據(jù)

2018年大數(shù)據(jù)專業(yè)就業(yè)前景

大數(shù)據(jù)人才稀缺

據(jù)數(shù)聯(lián)尋英發(fā)布《大數(shù)據(jù)人才報告》顯示,目前全國的大數(shù)據(jù)人才僅46萬,未來3-5年內大數(shù)據(jù)人才的缺口將高達150萬。

據(jù)職業(yè)社交平臺LinkedIn發(fā)布的《2016年中國互聯(lián)網最熱職位人才報告》顯示，研發(fā)工程師、產品經理、人力資源、市場營銷、運營和數(shù)據(jù)分析是當下中國互聯(lián)網行業(yè)需求最旺盛的六類人才職位。其中研發(fā)工程師需求量最大，而數(shù)據(jù)分析人才最為稀缺。領英報告表明，數(shù)據(jù)分析人才的供給指數(shù)最低，僅為0.05，屬于高度稀缺。數(shù)據(jù)分析人才跳槽速度也最快，平均跳槽速度為19.8個月。

根據(jù)中國商業(yè)聯(lián)合會數(shù)據(jù)分析專業(yè)委員會統(tǒng)計，未來中國基礎性數(shù)據(jù)分析人才缺口將達到1400萬，而在BAT企業(yè)招聘的職位里，60%以上都在招大數(shù)據(jù)人才。

大數(shù)據(jù)專業(yè)就業(yè)三大方向

大數(shù)據(jù)主要的三大就業(yè)方向：大數(shù)據(jù)系統(tǒng)研發(fā)類人才、大數(shù)據(jù)應用開發(fā)類人才和大數(shù)據(jù)分析類人才。

在此三大方向中，各自的基礎崗位一般為大數(shù)據(jù)系統(tǒng)研發(fā)工程師、大數(shù)據(jù)應用開發(fā)工程師和數(shù)據(jù)分析師。

大數(shù)據(jù)專業(yè)人才就業(yè)薪資

1基礎人才：數(shù)據(jù)分析師

北京數(shù)據(jù)分析平均工資： 10630/月，取自 15526 份樣本，較 2016 年，增長 9.4%。

數(shù)據(jù)分析師崗位職責

業(yè)務類別:技術

業(yè)務方向:數(shù)據(jù)分析

工作職責:

1. 根據(jù)公司產品和業(yè)務需求，利用數(shù)據(jù)挖掘等工具對多種數(shù)據(jù)源進行診斷分析，建設征信分析模型并優(yōu)化，為公司征信運營決策、產品設計等方面提供數(shù)據(jù)支持；

2. 負責項目的需求調研、數(shù)據(jù)分析、商業(yè)分析和數(shù)據(jù)挖掘模型等，通過對運行數(shù)據(jù)進行分析挖掘背后隱含的規(guī)律及對未來的預測；

3. 參與數(shù)據(jù)挖掘模型的構建、維護、部署和評估；

4. 整理編寫商業(yè)數(shù)據(jù)分析報告，及時發(fā)現(xiàn)和分析其中變化和問題，為業(yè)務發(fā)展提供決策支持；

5. 獨立完成項目需求管理、方案設計、實施管理和項目成果質量的把控；

6. 參與編寫項目相關文檔。

教育背景:

學歷：本科其它：

經驗要求:工作經驗：3-5年

任職要求:

1. 統(tǒng)計學、數(shù)學或計算機、數(shù)理統(tǒng)計或數(shù)據(jù)挖掘專業(yè)方向相關專業(yè)本科或以上學歷；有扎實的數(shù)據(jù)統(tǒng)計和數(shù)據(jù)挖掘專業(yè)知識；

2. 熟練使用數(shù)理統(tǒng)計、數(shù)據(jù)分析、數(shù)據(jù)挖掘工具軟件（SAS、R、Python等的一種或多種），能熟練使用SQL讀取數(shù)據(jù)；

3. 使用過 邏輯回歸、神經網絡、決策樹、聚類 等的一種或多種建模方法；

4. 3年以上數(shù)據(jù)分析工作經驗，征信從業(yè)背景人員優(yōu)先；

5. 具有金融行業(yè)項目經驗的相關經驗者優(yōu)先考慮；

6. 主動性強，有較強的責任心，積極向上的工作態(tài)度，有團隊協(xié)作精神。

能力素養(yǎng):

良好的分析、歸納和總結能力，善于分析、解決實際問題； 主動性強，有較強的責任心，積極向上的工作態(tài)度，有團隊協(xié)作精神。

2大數(shù)據(jù)開發(fā)工程師

北京大數(shù)據(jù)開發(fā)平均工資： 30230/月。

大數(shù)據(jù)開發(fā)工程師/專家 崗位指責（引自 滴滴出行）：

職位描述：

1、構建分布式大數(shù)據(jù)服務平臺，參與和構建公司包括海量數(shù)據(jù)存儲、離線/實時計算、實時查詢，大數(shù)據(jù)系統(tǒng)運維等系統(tǒng)；

2、服務各種業(yè)務需求，服務日益增長的業(yè)務和數(shù)據(jù)量；

3、深入源碼內核改進優(yōu)化開源項目，解決各種hadoop、spark、hbase疑難問題，參與到開源社區(qū)建設和代碼貢獻；

崗位要求：

1、計算機或相關專業(yè)本科以上學歷（3年以上工作經驗）；

2、精通C++/Java/Scala程序開發(fā)(至少一種)，熟悉Linux/Unix開發(fā)環(huán)境；

3、熟悉常用開源分布式系統(tǒng)，精通Hadoop/Hive/Spark/Storm/Flink/HBase之一源代碼；

4、有大規(guī)模分布式系統(tǒng)開發(fā)、維護經驗，有故障處理能力，源碼級開發(fā)能力；

5、具有良好的溝通協(xié)作能力，具有較強的分享精神；

6、對Kudu、Kylin、Impala、ElasticSearch，github等系統(tǒng)有深入使用和底層研究者加分；

3Hadoop開發(fā)工程師

北京hadoop平均工資： 20130/月，取自 1734 份樣本。

Hadoop開發(fā)工程師崗位職責（引自新浪網）：

職位描述：

1.參與優(yōu)化改進新浪集團數(shù)據(jù)平臺基礎服務，參與日傳輸量超過百TB的數(shù)據(jù)傳輸體系優(yōu)化，日處理量超過PB級別的數(shù)據(jù)處理平臺改進，多維實時查詢分析系統(tǒng)的構建優(yōu)化；

2.分布式機器學習算法在數(shù)據(jù)平臺的構建與優(yōu)化（包括常見的LR、GBDT、FM、LDA、Word2Vec及DNN等）；

3.深入源碼改進各種開源大數(shù)據(jù)項目（包括Hadoop、Spark、Kafka、HBase等）。

任職要求：

1.計算機或相關專業(yè)本科以上學歷；

2.熟悉Linux環(huán)境下開發(fā)，熟練掌握C++/Java/Scala等一種以上編程語言；

3.熟悉Hadoop生態(tài)系統(tǒng)相關項目，精通以下項目之一的源碼（Hadoop/Spark/Kafka/HBase/Flume/ElasticSearch/Druid/Kylin）；

4.具備良好的學習能力、分析能力和解決問題的能力。

4數(shù)據(jù)挖掘工程師

北京數(shù)據(jù)挖掘平均工資： 21740/月，取自 3449 份樣本，較 2016 年，增長 20.3%；

數(shù)據(jù)挖掘工程師招聘要求（引自螞蟻金服集團技術部）：

工作職責：

1、在分布式系統(tǒng)上進行數(shù)據(jù)計算、挖掘、和實現(xiàn)算法；

2、數(shù)據(jù)倉庫模型設計和建立；

3、數(shù)據(jù)梳理流程的實現(xiàn)和維護；

4、物流場景下的地址文本、空間屬性研究和分析。

任職資格：

1、本科以上學歷，有扎實的統(tǒng)計學，數(shù)據(jù)挖掘，機器學習，自然語言識別理論基礎，一種或幾種以上的實際使用經驗。

2、熟悉聚類、分類、回歸等機器學習算法和實現(xiàn)，對常見的核心算法和數(shù)據(jù)挖掘方法有透徹的理解和實際經驗。

3、深入理解Map-Reduce模型，對Hadoop、Hive、Spark、Storm等大規(guī)模數(shù)據(jù)存儲于運算平臺有實踐經驗。

4、有扎實的計算機理論基礎，至少熟悉一種編程語言，Java優(yōu)先。

5、有三年以上互聯(lián)網公司或者海量數(shù)據(jù)處理工作經驗，大數(shù)據(jù)挖掘、分析、建模經驗

5算法工程師

北京算法工程師平均工資： 22640/月，取自 10176 份樣本。

算法工程師 招聘要求（引自美團點評數(shù)據(jù)平臺部）：

職位描述：

互聯(lián)網公司背景優(yōu)先

A、廣告算法

崗位職責：

1.負責點擊率預估等主要廣告算法的技術選型；

2.負責核心算法的開發(fā)；

3.負責廣告大數(shù)據(jù)處理流程的建設及相關工具的研發(fā)；

4.負責廣告技術研究項目的推進與管理；

職位需求：

1.計算機或相關專業(yè)本科以上學歷，3年以上相關工作經驗;

2.熟練掌握一門開發(fā)語言；

3.有機器學習、數(shù)據(jù)挖掘相關知識；

4.在廣告、搜索、推薦等相關領域之一有技術研究工作經驗；

5.有較強的溝通協(xié)調能力；

B、推薦算法

職位描述：

1. 參與各個產品線的個性化推薦系統(tǒng)的研發(fā)；

2. 分析用戶行為數(shù)據(jù)，并設計合理的推薦算法模型及策略，并優(yōu)化推薦排序；

3. 通過對用戶行為數(shù)據(jù)的挖掘，對用戶進行建模，精準刻畫用戶各種屬性；

職位要求：

1. 全日制本科及以上學歷，計算機相關專業(yè)；

2. 熟練掌握各類個性化推薦算法，并有開發(fā)個性化推薦系統(tǒng)的實際項目經驗；熟練掌握各類回歸及排序算法，能夠利用相關算法進行推薦排序的優(yōu)化；

3. 熟練掌握分類、聚類、回歸、降維等經典機器學習算法和技術，能夠根據(jù)實際問題選擇合適的模型和算法并進行相應的開發(fā)；

4. 有較強的工程架構和開發(fā)能力，能夠實現(xiàn)支撐千萬級用戶和TB級用戶行為數(shù)據(jù)的推薦系統(tǒng)或算法；

5. 掌握python、matlab等腳本語言，熟悉各類數(shù)據(jù)挖掘工具（如weka、Mahout），能夠快速建立模型并進行驗證；

C、算法工程師

崗位職責:

1、開發(fā)和優(yōu)化用戶行為數(shù)據(jù)挖掘，文本分類和語義理解，社交網絡分析，網頁搜索，推薦系統(tǒng)等領域的特定算法

2、能夠很快學習和利用state-of-the-art的算法解決實際產品問題，提升產品用戶體驗

任職資格:

1、有一定的研究、實驗的能力，優(yōu)秀的分析問題和解決問題的能力

2、理解自然語言處理、機器學習、網頁搜索，推薦系統(tǒng)，用戶數(shù)據(jù)分析和建模的基本概念和常用方法，有相關領域的實際項目研發(fā)或者實習經歷者優(yōu)先。

3、熟悉C++, Java或Python，熟悉Linux或類Unix系統(tǒng)開發(fā),有較強的編程能力。 能獨立實現(xiàn)線上算法模塊者優(yōu)先。

4、對大數(shù)據(jù)處理平臺和工具有一定經驗者優(yōu)先, 包括： Hadoop, Hive, Pig, Spark 等

最后一個問題，哪些公司需求大數(shù)據(jù)人才？

答：所有的公司。大到世界500強，BAT這樣的公司，小到創(chuàng)業(yè)公司，他們都需求數(shù)據(jù)人才。

馬云爸爸說“我們已從IT時代進入了DT時代，未來我們的汽車、電燈泡、電視機、電冰箱等將全部裝上操作系統(tǒng)，并進行數(shù)據(jù)集成，數(shù)據(jù)將會讓機器更“聰明”。DT時代，數(shù)據(jù)將成為主要的能源，離開了數(shù)據(jù)，任何組織的創(chuàng)新都基本上是空殼?！?/p>

數(shù)據(jù)，未來的一切。

普遍的定義認為，統(tǒng)計學是關于數(shù)據(jù)的科學，研究如何收集數(shù)據(jù)，并科學地推斷總體特征。大數(shù)據(jù)和統(tǒng)計學還是存在一定區(qū)別的，其一是數(shù)據(jù)分析時不再進行抽樣，而是采用population（n=all）；其二是分析方法，側重所有變量之間的相關性，而不再根據(jù)背景學科理論篩選變量，進行假設檢驗。

現(xiàn)在社會上有一種流行的說法，認為在大數(shù)據(jù)時代，“樣本=全體”，人們得到的不是抽樣數(shù)據(jù)而是全數(shù)據(jù)，因而只需要簡單地數(shù)一數(shù)就可以下結論了，復雜的統(tǒng)計學方法可以不再需要了。

普查和抽樣調查是傳統(tǒng)的兩大數(shù)據(jù)收集方法。普查不需要統(tǒng)計學方法進行推斷估計，因為通過普查，已經取得了所有個體數(shù)據(jù)和總體的實際分布，這也是為什么人類開始懂得計數(shù)就開始進行普查。抽樣調查是利用抽樣理論解決如何科學設計樣本，取得樣本個體數(shù)據(jù)，并科學地推斷總體分布及特征。無論是普查還是抽樣調查，其核心問題之一是要取得準確的“個體數(shù)據(jù)”。但在大數(shù)據(jù)時代，一切皆可量化，一切皆可記錄，如何利用更全面、更及時、更經濟的網絡電子化數(shù)據(jù)，以及通過對這些數(shù)據(jù)使用新的分析及挖掘技術，產生新的見解和認識，是我們面臨的重大機遇。

大數(shù)據(jù)的應用可以說是在減少人類處理數(shù)據(jù)時帶入的主觀假設的影響，而完全依靠數(shù)據(jù)間的相關性來闡述。而由于消除人為因素帶入的誤差，已經分析人員作出假設的限制（如果教育背景和保險購買額是相關的，而分析人員沒想到，那這個結論就不會被分析出來，這在實際案例中是很容易發(fā)生的，大數(shù)據(jù)的核心也就在于它能更充分的發(fā)掘數(shù)據(jù)的全部真實含義。

在大數(shù)據(jù)時代，數(shù)據(jù)分析的很多根本性問題和小數(shù)據(jù)時代并沒有本質區(qū)別。當然，大數(shù)據(jù)的特點，確實對數(shù)據(jù)分析提出了全新挑戰(zhàn)。例如，許多傳統(tǒng)統(tǒng)計方法應用到大數(shù)據(jù)上，巨大計算量和存儲量往往使其難以承受；對結構復雜、來源多樣的數(shù)據(jù)，如何建立有效的統(tǒng)計學模型也需要新的探索和嘗試。對于新時代的數(shù)據(jù)科學而言，這些挑戰(zhàn)也同時意味著巨大的機遇，有可能會產生新的思想、方法和技術。

西線學院培訓機構提供良好的教學環(huán)境，良好的師資以及行業(yè)資源，使得西線學院教學永遠都是跟隨行業(yè)進步的步伐。說了這么多，其實就是想讓你更加了解大數(shù)據(jù)。如此優(yōu)秀的資源和別人望眼欲穿的實習機會，再不行動就要被后來居上的技術人員拍死在沙灘上了。