大數(shù)據(jù)工作都做什么。我對(duì)大數(shù)據(jù)感興趣，想從事這方面的工作，但是不知道他具體是要做什么。求解~~

大數(shù)據(jù)相關(guān)工作崗位很多，有大數(shù)據(jù)分析師、大數(shù)據(jù)挖掘算法工程師、大數(shù)據(jù)研發(fā)工程師、數(shù)據(jù)產(chǎn)品經(jīng)理、大數(shù)據(jù)可視化工程師、大數(shù)據(jù)爬蟲(chóng)工程師、大數(shù)據(jù)運(yùn)營(yíng)專員、大數(shù)據(jù)架構(gòu)師、大數(shù)據(jù)專家、大數(shù)據(jù)總監(jiān)、大數(shù)據(jù)研究員、大數(shù)據(jù)科學(xué)家等等。

數(shù)據(jù)分析師：
工作內(nèi)容：
a.臨時(shí)取數(shù)分析，比如雙11大促活動(dòng)分析；產(chǎn)品的流量轉(zhuǎn)化情況、產(chǎn)品流程優(yōu)化分析，等等；
b.報(bào)表需求分析--比如企業(yè)常見(jiàn)的日?qǐng)?bào)、周報(bào)、月報(bào)、季報(bào)、年報(bào)、產(chǎn)品報(bào)表、流量轉(zhuǎn)化報(bào)表、經(jīng)營(yíng)分析報(bào)表、KPI報(bào)表等等；
c.業(yè)務(wù)專題分析：
精準(zhǔn)營(yíng)銷分析（用戶畫像分析、營(yíng)銷對(duì)象分析、營(yíng)銷策略分析、營(yíng)銷效果分析）；
風(fēng)控分析（策略分析，反欺詐分析，信用狀況分析）；
市場(chǎng)研究分析（行業(yè)分析、競(jìng)品分析、市場(chǎng)分析、價(jià)格分析、渠道分析、決策分析等等）；
工具和技能：
工具： R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT
技能：需掌握SQL數(shù)據(jù)庫(kù)、概率統(tǒng)計(jì)、常用的算法模型（分類、聚類、關(guān)聯(lián)、預(yù)測(cè)等，每一類模型的一兩種最典型的算法）、分析報(bào)告的撰寫、商業(yè)的敏感性等等；

數(shù)據(jù)挖掘工程師：
工作內(nèi)容：
a.用戶基礎(chǔ)研究：用戶生命周期刻畫（進(jìn)入、成長(zhǎng)、成熟、衰退、流失）、用戶細(xì)分模型、用戶價(jià)值模型、用戶活躍度模型、用戶意愿度識(shí)別模型、用戶偏好識(shí)別模型、用戶流失預(yù)警模型、用戶激活模型等
b.個(gè)性化推薦算法：基于協(xié)同過(guò)濾（USERBASE/ITEMBASE）的推薦，基于內(nèi)容推薦，基于關(guān)聯(lián)規(guī)則Apriot算法推薦，基于熱門地區(qū)、季節(jié)、商品、人群的推薦等
c.風(fēng)控模型：惡意注冊(cè)模型、異地識(shí)別模型、欺詐識(shí)別模型、高危會(huì)員模型、
電商領(lǐng)域（炒信模型、刷單模型、職業(yè)差評(píng)師模型、虛假發(fā)貨模型、反欺詐模型）
金融領(lǐng)域（欺詐評(píng)分模型、征信評(píng)分模型、催收模型、虛假賬單識(shí)別模型等）
d.產(chǎn)品知識(shí)庫(kù)：產(chǎn)品聚類分類模型、產(chǎn)品質(zhì)量評(píng)分模型、違禁品識(shí)別模型、假貨識(shí)別模型等
e.文本挖掘、語(yǔ)義識(shí)別、圖像識(shí)別，等等
工具和技能：
工具： R、Python、SAS、SPSS、Spark、Mlib等等
技能：需掌握SQL數(shù)據(jù)庫(kù)、概率統(tǒng)計(jì)、機(jī)器學(xué)習(xí)算法原理（分類、聚類、關(guān)聯(lián)、預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)等）、模型評(píng)估、模型部署、模型監(jiān)控；

數(shù)據(jù)產(chǎn)品經(jīng)理：
工作內(nèi)容：
a.大數(shù)據(jù)平臺(tái)建設(shè)，讓獲取數(shù)據(jù)、用數(shù)據(jù)變得輕而易舉；構(gòu)建完善的指標(biāo)體系，實(shí)現(xiàn)對(duì)業(yè)務(wù)的全流程監(jiān)控、提高決策效率、降低運(yùn)營(yíng)成本、提升營(yíng)收水平；
b.數(shù)據(jù)需求分析，形成數(shù)據(jù)產(chǎn)品，對(duì)內(nèi)提升效率、控制成本，對(duì)外增加創(chuàng)收，最終實(shí)現(xiàn)數(shù)據(jù)價(jià)值變現(xiàn)；
c.典型的大數(shù)據(jù)產(chǎn)品：大數(shù)據(jù)分析平臺(tái)、個(gè)性化推薦系統(tǒng)、精準(zhǔn)營(yíng)銷系統(tǒng)、廣告系統(tǒng)、征信評(píng)分系統(tǒng)（如芝麻評(píng)分）、會(huì)員數(shù)據(jù)服務(wù)系統(tǒng)（如數(shù)據(jù)縱橫），等等；
工具和技能：
工具： 除了掌握數(shù)據(jù)分析工具，還需要掌握 像 原型設(shè)計(jì)工具Auxe、畫結(jié)構(gòu)流程的X-Mind、visio、Excel、PPT等
技能：需掌握SQL數(shù)據(jù)庫(kù)、產(chǎn)品設(shè)計(jì)，同時(shí)，熟悉常用的數(shù)據(jù)產(chǎn)品框架

數(shù)據(jù)研發(fā)工程師：
工作內(nèi)容：
a.大數(shù)據(jù)采集、日志爬蟲(chóng)、數(shù)據(jù)上報(bào)等數(shù)據(jù)獲取工作
b.大數(shù)據(jù)清洗、轉(zhuǎn)換、計(jì)算、存儲(chǔ)、展現(xiàn)等工作
c.大數(shù)據(jù)應(yīng)用開(kāi)發(fā)、可視化開(kāi)發(fā)、報(bào)表開(kāi)發(fā)等
工具和技能：
工具：hadoop、hbase、hive、kafaka、sqoop、java、python等
技能：需掌握數(shù)據(jù)庫(kù)、日志采集方法、分布式計(jì)算、實(shí)時(shí)計(jì)算等技術(shù)

大數(shù)據(jù)工程師是做什么的 需要掌握哪些技能

大數(shù)據(jù)工程師需要負(fù)責(zé)創(chuàng)建和維護(hù)數(shù)據(jù)分析基礎(chǔ)架構(gòu)，包括大數(shù)據(jù)架構(gòu)的開(kāi)發(fā)、構(gòu)建、維護(hù)和測(cè)試等，還負(fù)責(zé)創(chuàng)建用于建模，挖掘，獲取和驗(yàn)證數(shù)據(jù)集合等流程。

大數(shù)據(jù)工程師做哪些工作

大數(shù)據(jù)工程師可以做大數(shù)據(jù)開(kāi)發(fā)工作，開(kāi)發(fā)，建設(shè)，測(cè)試和維護(hù)架構(gòu)，負(fù)責(zé)公司大數(shù)據(jù)平臺(tái)的開(kāi)發(fā)和維護(hù)，負(fù)責(zé)大數(shù)據(jù)平臺(tái)持續(xù)集成相關(guān)工具平臺(tái)的架構(gòu)設(shè)計(jì)與產(chǎn)品開(kāi)發(fā)等。

大數(shù)據(jù)工程師可以做數(shù)據(jù)分析工作，收集，處理和執(zhí)行統(tǒng)計(jì)數(shù)據(jù)分析，運(yùn)用工具，提取、分析、呈現(xiàn)數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的商業(yè)意義，需要業(yè)務(wù)理解和工具應(yīng)用能力。

大數(shù)據(jù)工程師可以做數(shù)據(jù)挖掘工作，數(shù)據(jù)建模、機(jī)器學(xué)習(xí)和算法實(shí)現(xiàn)，商業(yè)智能，用戶體驗(yàn)分析，預(yù)測(cè)流失用戶等，需要過(guò)硬的數(shù)學(xué)和統(tǒng)計(jì)學(xué)功底以外，對(duì)算法的代碼實(shí)現(xiàn)也有很高的要求。

大數(shù)據(jù)工程師可以做數(shù)據(jù)庫(kù)開(kāi)發(fā)及管理工作，設(shè)計(jì)，開(kāi)發(fā)和實(shí)施基于客戶需求的數(shù)據(jù)庫(kù)系統(tǒng)，通過(guò)理想接口連接數(shù)據(jù)庫(kù)和數(shù)據(jù)庫(kù)工具，優(yōu)化數(shù)據(jù)庫(kù)系統(tǒng)的性能效率等。

大數(shù)據(jù)工程師需要學(xué)什么

1、計(jì)算機(jī)編碼能力：實(shí)際開(kāi)發(fā)能力和大規(guī)模的數(shù)據(jù)處理能力是作為大數(shù)據(jù)工程師必須要掌握的能力，現(xiàn)在人們?cè)谏缃痪W(wǎng)絡(luò)上所產(chǎn)生的許多記錄都是非結(jié)構(gòu)化的數(shù)據(jù)，如何從這些毫無(wú)頭緒的信息中提取有用數(shù)據(jù)呢，這就需要大數(shù)據(jù)工程師來(lái)做。

2、.大數(shù)據(jù)架構(gòu)工具與組件：企業(yè)大數(shù)據(jù)框架的搭建，多是選擇基于開(kāi)源技術(shù)框架來(lái)實(shí)現(xiàn)的，這其中就包括Hadoop、Spark、Storm、Flink為主的一系列組件框架，及其生態(tài)圈組件。

3、數(shù)據(jù)倉(cāng)庫(kù)和ETL工具：數(shù)據(jù)倉(cāng)庫(kù)和ETL能力對(duì)于大數(shù)據(jù)工程師至關(guān)重要。像Redshift或Panoply這樣的數(shù)據(jù)倉(cāng)庫(kù)解決方案，以及ETL工具，比如StitchData或Segment都非常有用。

4、編程語(yǔ)言：編碼與開(kāi)發(fā)能力是大數(shù)據(jù)工程師的必備技能，要熟悉Python，C/C++，Java，Perl，Golang或其它語(yǔ)言。

數(shù)據(jù)工程師是做什么的

數(shù)據(jù)工程師負(fù)責(zé)創(chuàng)建和維護(hù)分析基礎(chǔ)架構(gòu)，該基礎(chǔ)架構(gòu)幾乎可以支持?jǐn)?shù)據(jù)世界中的所有其他功能。數(shù)據(jù)工程師負(fù)責(zé)大數(shù)據(jù)架構(gòu)的開(kāi)發(fā)、構(gòu)建、維護(hù)和測(cè)試，例如數(shù)據(jù)庫(kù)和大數(shù)據(jù)處理系統(tǒng)。大數(shù)據(jù)工程師還負(fù)責(zé)創(chuàng)建用于建模，挖掘，獲取和驗(yàn)證數(shù)據(jù)集合等流程。

數(shù)據(jù)工程師的工作內(nèi)容有：

學(xué)習(xí)并適應(yīng)產(chǎn)品設(shè)計(jì)開(kāi)發(fā)體系和公司產(chǎn)品開(kāi)發(fā)程序，按產(chǎn)品開(kāi)發(fā)規(guī)范進(jìn)行新產(chǎn)品設(shè)計(jì)，產(chǎn)品設(shè)計(jì)驗(yàn)證；

完成產(chǎn)品技術(shù)積累，形成技術(shù)規(guī)范，理解公司程序及用戶的特定文件編制要求，確保全新產(chǎn)品設(shè)計(jì)成功引入公司；

完成產(chǎn)品設(shè)計(jì)資料并發(fā)布，確保設(shè)計(jì)資料對(duì)制造過(guò)程工藝路線和方法具有指導(dǎo)作用，與用戶交流并確保圖紙狀態(tài)持續(xù)的滿足用戶技術(shù)狀態(tài)要求；

完成項(xiàng)目的設(shè)計(jì)驗(yàn)證計(jì)劃并實(shí)施，進(jìn)行技術(shù)積累，形成規(guī)范的設(shè)計(jì)模板，實(shí)現(xiàn)技術(shù)進(jìn)步，持續(xù)改進(jìn)，并推行持續(xù)性改進(jìn)作為更改的手段；

與制造工程師緊密合作，降低產(chǎn)品設(shè)計(jì)成本，達(dá)到適合公司具體情況的產(chǎn)品設(shè)計(jì)，確保現(xiàn)有條件某具體項(xiàng)目制造過(guò)程的最合理性。