想請問一下 生物信息和大數據可視化 兩個方向哪個前景更好？求具體分析，謝謝啦~
生物信息VS大數據可視化
從去年起，生物信息行業開始活躍，生物信息工程師平均工資開始快速上升。此前10年瀰漫的失敗主義氣氛逐漸扭轉。
這主要因為中美兩國終於向基因測序技術發放了醫療應用的牌照。從人類基因組計劃開始，科學界十幾年的積累，終於能看到應用落地。隨之而來的是投資和創業風起雲湧。這一兩年新創建的基因測序領域的創業公司有上百家吧。
我個人在阿里上市前夕放棄了很多股票跳出來，就是為了趕上這波創業機會。涉及真金白銀的選擇，是不是更有說服力一些？
歡迎給我的公司投簡歷，GeneDock是一個基因數據云服務。你可以來做生物信息大數據可視化，例如基因瀏覽器。JD參考 https://genedock.com/joinus/不要選生信，雲平台再進化一下硬體配置開按需收費，就是行業大換血的時候了：IT人員替代生信人員，並且IT主要集中在運維和前端。初創公司短期內要做個大幅超越開源實現(e.g. Chipster )的平台不太現實的。當然，國內依舊有一部分客戶會繼續交智商稅的，但想做大是挺難了。
大數據可視化應該至少不會像前者那麼「傻」，有一堆免費勞動力直接開源解決方案的。
還有想指望生信錢途的，吾有一招：
先學如何淘寶開店（電商的概念有了！），然後：XX元代建按需收費生信分析雲平台（大數據！雲分析的概念有了！）。付款後，用腳本拷貝個docker鏡像上雲（虛擬容器概念有了！），然後自動發送管理員帳號密碼（O2O概念有了！）。這個絕對互聯網思維！
好了，現在就差投資人的錢了！二更：
感謝@Tang Boyun關於「生物信息雲平台」的補充。確實，NIH已經有項目，專門支持雲平台的發展NCI Cancer Genomics Cloud Pilots，而且國外也有很多雲平台的公司，如DNAnexus，確實是未來的趨勢。但是，我覺得如果走學術道路，應該是不會受太大影響的吧。哈哈。==================================
很抱歉對於「大數據可視化」不是非常了解，只談一下生物信息的發展前景：
如果題主想走學術道路或者以後出國的話，生物信息還是很好的方向的。由於生物學數據量越來越大（尤其是基因組數據），大學、研究機構、大的藥廠都需要生物信息學方面的人才。
相關1：An Explosion Of Bioinformatics Careers相關2：國外的生物信息學相關的公司：http://grouthbio.com/Genome_Software_Service.php如果題主主要想找一份穩定的工作（還要賺錢），尤其是在國內的話：生物測序公司謀一份生物信息的工作還是比較容易的，但是薪資遠不如IT（什麼20k之類的）。主要的工作就是利用開源的軟體（都是別人寫的），按照已有的流程處理一下數據。
相關1：國內生物信息學領域或基因組測序相關的創業公司有哪些，其主營業務分別是什麼？ - 創業項目不足之處，望輕噴。『小明選擇了生物信息，小紅選擇了大數據可視化，他們都有光明的前途。』
生物信息已經是一個很大的學科了，從建模、演算法、機器學習、系統開發等等。本質上是為生命科學服務的信息技術，強調計算機、數學、統計等等方面的能力。
大數據可視化，不再是傳統的畫個圖什麼的。複雜的大數據的可視化一樣涉及到到很多演算法和數據分析的事情，最終的可視化的優劣還會被作者的審美水平影響——沒有一點藝術細胞是做不好數據可視化的。
地雷說的生物信息的薪酬增長情況很真實。我們剛剛招的2015年應屆畢業生，比較優秀的，基本薪酬是15K。可能跟好的互聯網公司還有差距，但這個差距縮小得很快。
總結，我的建議是如果樓主沒什麼藝術細胞，動手能力不錯，大學數學和統計學沒荒廢的話，就選生物信息吧，IT背景的生物信息還是挺有錢途的，要Offer請發私信給我。這位題主，你以為我們作生物信息的，就不需要玩大數據可視化那套東西了？
大數據可視化技術含量要比生物信息高多了，那些不懂的就不要說話了。
生物信息這個圈子怎麼了，今年趁著泡沫拿到點投資就覺得自己是個興盛行業了。
wegene 和genedock 已經算行業頂級了，才能給一個應屆畢業生15K的月薪。
當年地理信息怎麼死的都沒人記得了。
首先可視化這個領域就有很多東西可以做，保證永遠有飯吃，可以鋪條前端的路走。
前端是整個IT行業變化最大，變幻最快，當然總要學新東西，但是工資從來沒低過。大數據一般都是企業以及互聯網公司的用戶交易數據。
你摸清這些數據的原委，你對企業的架構運作，以及用戶的需求分析都了如指掌，很多CEO都是從數據分析崗位走出去的。很多都走入的管理層。
因為你對企業很熟悉啊，你對這數據摸得清楚，你對這世界上最賺錢的企業了解他整個運作的模式，這意味著什麼？這意味著你的工資也不會少。
大數據分析接觸的都是高層，直接參与大公司決策，見識和廣度遠超技術本身。
何況這技術含量無比的高呢。
生物信息是小樣本大數據，也就是一個人產生很多數據，但是數據份數很少，現在千人基因組計劃才完成。
大數據動輒百萬，千萬 人口的數據，這裡邊可以挖掘的東西，可以挖掘的太多了。
我徒弟之前在某閱讀軟體公司用hive 做數據分析，曾做到公司每天收入增加一萬元，你玩生物信息玩到下輩子也沒有這種機會。
當然如果genedock 和 wegene 給你offer 你可以優先考慮，其他公司就算了。
這兩家公司都是很不錯的，靠譜公司，要技術有技術，要逼格有逼格，要文化有文化，還能碰觸生命的奧秘。至於其他offer還是優先大數據可視化吧。所謂大數據可視化是以我司為代表的一批廠商忽悠出來的概念，所謂技術和藝術的融合混搭，其實沒有融合只是混搭，就是找一些水平較高的視覺設計師，用點圖形學技術，把傳統的數據驅動的儀錶板做個看起來高端的包裝。你說它有價值吧也有一點，但基本上還是浮在表面，很難深入下去。
現在我司自己都不提可視化了，覺得價值感不夠，也不容易掙大錢。
最後，放我司基因可視化app畫面鎮樓，核心代碼是我自己寫的，毋庸諱言，這是對mygenome的赤裸裸抄襲。
我是用機器學習演算法做疾病基因層面的分析的。。現在的情況是，確實越來越多的臨床應用，檢測手法正在被演算法取代（因為信息多，精度高）而且這個趨勢勢必會越來越旺盛。但是這畢竟不是互聯網應用，涉及到生命安全的問題，什麼時候能完全臨床還是個未知數。我自己也是很有體會的，就拿設計機器學習演算法來說，演算法不僅要效果好，穩定（不受數據variance影響），可重複，還要具有生物可解釋性。整個過程下來，大部分時間不是在修改模型，而是在設計實驗測試模型。
可視化是完全工程的事，只要樓主有興趣，做這個當然也不錯，也會很有前景。
從人生的角度，如果樓主要做生物信息的話，需要學非常多跨領域的東西(生物，醫學，數學，統計，計算機)。一開始很痛苦，慢慢就會覺得很刺激。這種刺激感和跨領域的訓練會讓你看很多問題都有思路。最後你收穫的成功可能遠比做可視化來的豐富。
負責過互聯網公司數據團隊，個人認為「大數據可視化」偏細分技巧，典型的中型及以下互聯網公司不會有很多這類型職位需求。但是做標準的數據分析師，恰巧在「大數據」、可視化方面稍熟練，倒是快速接觸業務核心的不錯路徑。
21世紀是生物的世紀，這句話本身才是20世紀最大的謊言。。
題主說的大數據可視化也是指生物數據吧，生物信息包含的面挺廣的，光我們實驗室有做高通量測序數據比對，變異檢測，基因組瀏覽器開發方向，當然現階段還是以發paper為主，沒有應用到產業上。如果想搞學術的話，生物信息還是不錯的，不過近幾年bioinformatics,NAR等期刊上面中國人灌水嚴重，需要甄別工作的優劣。如果想工作，能熟練掌握應用數據可視化的技術，不光是生物信息方向，其他領域也是需要這種技能的，能有個不錯的錢途。
題主你看到這麼短時間就有人在回答中提供生物信息的實習或者offer，你應該知道選擇什麼吧。
作為一個在生物信息學裡做大數據可視化的人表示，這兩者沒有分的這麼清楚所以並不是看它們誰火選哪一個，而是看哪一個能給你提供更好的背景比如如果你留學，選生物信息學能申到好學校，而申大數據可視化只能申到一百本，那當然選生物信息學再比如你在選工作，如果選大數據可視化能在好地方工作，而生物信息學只能去名不見經傳的地方，那當然是大數據可視化
做到現在來看基本上生信分析最大的瓶頸在性能 最簡單的 blast 數據量稍微大一些的話 必須採用分散式計算（據說還有gpu加速的辦法？） 接受正常的生信教育的人幾乎不可能有能力做這個 所以我覺得搞可視化會好一些？
推薦閱讀：
※像DCCI、艾瑞這種偏互聯網的數據分析的公司還有哪些？這類公司的分析師的發展如何？
※c/c++ 有哪些數據可視化類庫？
※針對繪圖方面的需求，matlab、python和R哪個更加強大？
※數據可視化未來的主要應用會是什麼？
※如何指定matplotlib輸出圖片的尺寸？