大數據培訓出來就業情況如何？

01-07

大數據培訓出來就業情況如何？

1.應用場景有限一般公司數據不足

2.用的地講出身

理論搜索引擎數據處理一個人可以搞定

自己掂量自己是否這塊料

作者：宋峰

鏈接：大數據培訓出來就業情況如何？ - 宋峰的回答

來源：知乎

著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

大數據的分析從所周知，大數據已經不簡簡單單是數據大的事實了，

而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。

那麼越來越多的應用涉及到大數據，而這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的複雜性，

所以大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。基於如此的認識，大數據分析普遍存在的方法理論有哪些呢？

1. 可視化分析。大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，

同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。2. 數據挖掘演算法。大數據分析的理論核心就是數據挖掘演算法，

各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點

，也正是因為這些被全世界統計學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。

另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。

3. 預測性分析。大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。

4. 語義引擎。非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。

5.數據質量和數據管理。大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。

大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。

大數據的技術數據採集：ETL工具負責將分布的、異構數據源中的數據如關係數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，

成為聯機分析處理、數據挖掘的基礎。數據存取：關係資料庫、NOSQL、SQL等。基礎架構：雲存儲、分散式文件存儲等。數據處理：

自然語言處理(NLP，Natural Language Processing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機」理解」自然語言，

所以自然語言處理又叫做自然語言理解(NLU，Natural Language Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，

另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、

多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、

bootstrap技術等等。數據挖掘：分類（Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、

Description and Visualization）、複雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)模型預測：預測模型、機器學習、建模模擬。結果呈現：雲計算、標籤雲、關係圖等。大數據的處理1. 大數據處理之一：

採集大數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關係型資料庫MySQL和Oracle等來存

儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票

網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。2. 大數據處理之二：導入/預處理雖然采

集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，還是應該將這些來自前端的數據導入到一個集中的大型分散式資料庫，或者分散式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。

也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鐘的導入量經常會達到百兆，甚至千兆級別。

3. 大數據處理之三：統計/分析統計與分析主要利用分散式資料庫，或者分散式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到

EMC的GreenPlum、Oracle的Exadata，以及基於MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源

，特別是I/O會有極大的佔用。4. 大數據處理之四：挖掘與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，

從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、

用於統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很複雜，並且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。

整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。.

數據一定是後面至少10年的熱點。任何系統、任何公司的核心都是數據。現在流行hadoop，流行內存計算、內存數據網格等等，以後還會有更多的概念和技術，但本質都是為大數據服務。數據TB、PB、EB、ZB、YB的飆升，

將誕生系列新的技術和產業。而對技術人員，新生的數據科學家Data Scientists，將是最有發展前景的職業。

1月12日，達內教育集團與阿里雲共同向外界宣布雙方達成戰略合作關係，共同培養雲計算、大數據方向的技術人才。據悉，達內將與阿里雲共同研發麵向阿里雲認證考試的培訓課程，面向終端用戶推廣阿里雲的培訓及認證產品。

達內集團技術總監唐亮先生介紹達內的大數據課程現狀是以北京為例，大數據、雲計算兩個方向的諮詢量一年約達30000多人，招生量在北京地區約1500多人，這1500多人是因為我們有限制，而不是放開了去招，因為我們是要經過選拔才能進入大數據班進行學習的，

一些不適合的學員被引導到其他傳統的IT方向去學習了，這是經過控制之後我們所招生量，最重要的是這些學員的畢業薪資是明顯高於傳統IT方向的，在北京，我們大數據學員的畢業薪資平均月薪在8—10K，

好的可能在18—20K，10K以上月薪的幾乎佔到40%—50%，占差不多近一半的比例，而這些學員大多都是沒有太多工作經驗的一些初級工程師，可能以前是做別的行業，甚至可能是應屆畢業生，來到達內參加4個月的培訓，

然後達到的這樣的一個薪資水平，我們認為這是大數據和雲計算課程在就業方面比較突出的特色或亮點。

大數據就目前的市場情況分析來看，前景還是相當不錯的，因為大數據現在還是發展階段，而且發展勢頭很猛，現在幹什麼都得加個大數據，可以看出來，很多企業，即使不是互聯網企業，幹什麼的都得加個大數據分析，都在借著這個勢頭，所以我認為大數據的就業情景比較好。

大數據目前人才緊缺，是不錯的崗位選擇，但是學習大數據需要有一定的編程基礎，選擇學習或者培訓的時候也不能單純的就選擇學習大數據，一般java+大數據的課程就比較合適。

還好，應該好就業

重新回答一下，目前找到工作了。雖然和大數據方向不太一樣。總的來說大數據出來的人，現在還算是吃香，前提得有經驗。不然的話，其實還是不如java容易找到工作。

emmmm，除了沒處理過大量數據和實際生產以外，感覺其他基本業務需求還是可以做出來的。培訓了幾個月，學的Java、MySql、Spark、Hadoop及其生態圈的Hive、Hbase等其他東西。源碼還在看，數據結構和演算法什麼的幾乎沒教，全靠自學。還沒就業，下個月如果應聘成功了會回來更新，失敗了就算了。

別問我哪培訓的啊，不想打廣告。反正別指望借招聘名義做培訓的機構能教出什麼東西來，當初找應聘的時候被各種培訓機構拉去面試浪費我時間。最後受不了了，還是找了個不拉人的機構去培訓

機構的大數據培訓出來的就業情況由幾個因素決定

一、是否學到了真正的大數據技術

1、學員學習能力

2、培訓機構教學及實戰能力

3、是否為學院提供了真實的大數據項目

二、學員的學歷（大數據開發對學歷要求較高，最低門檻是大專及以上學歷）

三、學員的性格（是否適合大數據開發行業，是否可以與團隊協作，是否善於交流融入到團隊等）

四、培訓機構的就業指導能力

目前大數據人才基本來自於開發轉行和培訓機構，所以就業問題主要因素不在於是否是培訓機構產出的人才。希望可以幫助到您！

it機構的同志們快來回答吧，推薦就業，就業形勢一片大好，妥妥的，呵呵，

360行，行行轉IT............

絕大多數企業或機構都沒這個需求，而有需求的企業和機構都可以自己搞定。偏應用的東西沒有學的必要，偏理論和基礎的東西培訓不出來。

另外根據第三方數據統計目前市場上這個方向人員飽和程度最高。

大數據時代的到來又給社會帶來了一場巨大的挑戰和機遇，很多人都看到了大數據的光明前景，都想鑽進大數據行業來分得一杯羹，就我們學生的就業情況來看，不足一周就有找到工作的，陸續的時間還有最多收到6個offer的，創下了高就業率的記錄

從就業崗位需求方面來看

資料顯示，現在大數據的就業情況供需嚴重不平衡，崗位需求遠大於大數據人才的人才輸出。尤其是全棧大數據人才更是少之有少。前程無憂大數據崗位搜索，共29854個職位滿足條件；智聯招聘大數據崗位搜索，共27627個職位滿足條件；獵聘網大數據崗位搜索，共1000+個職位滿足條件；拉勾網大數據崗位搜索，共500+個職位滿足條件

從就業薪資方面來分析，也是普遍高於其他領域。

以北京為例，截止2017年第一季度，大數據工程師的平均工資已經在14k左右，經過兩年的發展，平均薪資也在直線上漲。隨著個人能力的全面提升，大數據工程師的薪資水平也必定會水漲船高。下圖是北京現在大數據開發工程師的平均工資收入，龐大的數據還是令人吃驚的，畢竟現在剛培訓出來的學生薪資就能拿到最低薪資10k，在有兩年的工作經驗，薪資是其他領域不可比擬的。

從大數據的就業方向分析，就業職位也是多的。

1、Hadoop開發工程師

Hadoop是一個分散式文件系統（Hadoop Distributed File

System），簡稱HDFS。Hadoop是一個能夠對大量數據進行分散式處理的軟體框架，

以一種可靠、高效、可伸縮的方式進行數據處理。所以說Hadoop解決了大數據如何存儲的問題，因而在大數據培訓機構中是必須學習的課程。

2、數據挖掘工程師

做數據挖掘要從海量數據中發現規律，這就需要一定的數學知識，最基本的比如線性代數、高等代數、凸優化、概率論等。經常會用到的語言包括Python、Java、C或者C++，我自己用Python或者Java比較多。有時用MapReduce寫程序，再用Hadoop或者Hyp來處理數據，如果用Python的話會和Spark相結合。

3、大數據可視化工程師

隨著大數據在人們工作及日常生活中的應用，大數據可視化也改變著人類的對信息的閱讀和理解方式。從百度遷徙到谷歌流感趨勢，再到阿里雲推出縣域經濟可視化產品，大數據技術和大數據可視化都是幕後的英雄。

大數據培訓出來就業前景很好，薪資也是很誘人的，只是看你能不能學到真正的大數據技術。

現在很多大數據培訓都是打著大數據的幌子，實際學的java開發，就業也是找JAVA的工作，真正講hadoop的比較少，講hadoop又能就業大數據方向的更少，傳統java培訓機構大部分只是借大數據招生而已，像千鋒那種學員能絕大多數都找到大數據工作非常少。具體怎麼做到的也沒有詳細了解過，不太清楚了。不過據我了解只要能找到大數據相關工作的，薪水都很高，這個行業目前確實是需要人才的。而且一般小公司也不會設大數據這個崗。

不就是一個程序員培訓嘛換湯不換藥

就業前景不錯，可以考慮學這個的。

現在的大數據就是未來智能革命的基礎，提早學了，你才能領先別人，你才能有更好的選擇。

雖然大數據現在被炒得很火熱，但是真正的大數據人才卻遠遠跟不上市場需求，只要你大數據只是紮實，能確保你輕鬆就業，而且工資至少是Java工程師的一倍

挺好，錢途無量，薪資很高！

培訓也要看你培訓的什麼內容，大數據培訓呢出來的一般都還是比較客觀，因為很多大數據培訓機構都是包就業的，而且會承諾什麼程度的學歷有多少底薪之類的。就我個人而言，就業情況很大一部分是取決於自己的專業能力和社會情商。不管你培訓什麼技能，首先你得學會，不是說交了錢學了就能多好，關鍵是你有沒有下功夫去學哦。現在社會上大數據人才缺口很大，政府也在大力推動，如果培訓正經的學了東西，出來就業的話情況還是比較客觀的。

大數據的興起使得數據科學家成為熱門人才，到2010年的時候，在高科技勞動力市場上還很難見到數據科學家的頭銜，但此後，數據科學家逐漸發展成為市場上最熱門職位之一，具有廣闊發展前景，並代表著未來的發展方向。

互聯網企業和零售，金融類企業都在積極爭奪大數據人才，數據科學家成為大數據時代最緊缺的人才，據預測，2018年，僅美國本土就可能缺少14萬~19萬個具備數據深入分析能力的專業人員。能夠通過分析大數據支撐企業做出有效決策的數據管理人員和分析師，也存在150萬人的缺口。

大數據培訓出來，如果確學習的不錯，是很容易就業的，國內有大數據專家估算過，5年內國內的大數據人才缺口會達到130萬，隨著數據科學家給企業所帶來的商業價值的日益體現，市場對數據科學家的需求會越發旺盛，要想成為數據科學家，需要具備哪些技能與資質？ - 大數據多智時代

個人覺得現如今做什麼行業都需要數據分析然後再去接下走下面的流程大數據這塊至少在未來3到5年還是很不錯的機遇既然來了那就先吧JAVA學掌握紮實走大數據~

互聯網做大數據分析還是挺有前途的，但大型互聯網公司招聘起點很高，一般得名校碩士，本科生也招，但少，我知道的就一個同濟念金融的學弟在攜程。