「大數(shù)據(jù)」這個概念從2012年開始被廣泛傳播，尤其是近兩年，各大公司，不僅僅是互聯(lián)網(wǎng)公司，都在談?wù)撍！复髷?shù)據(jù)」的火，不僅體現(xiàn)在各種會議、文章或者報道上，更真真切切的表現(xiàn)在各個公司的招聘列表上，近幾年對數(shù)據(jù)相關(guān)人才的招聘需求是越來越多。我想，隨著AI技術(shù)再次被高度關(guān)注，數(shù)據(jù)技術(shù)人才的需求還會繼續(xù)擴大。

各大公司有哪些數(shù)據(jù)相關(guān)的崗位？

從國內(nèi)互聯(lián)網(wǎng)公司的招聘崗位來看，大多跟數(shù)據(jù)分析、數(shù)據(jù)挖掘相關(guān)，如BAT幾家公司的招聘崗位有：高級數(shù)據(jù)分析工程師、風(fēng)險數(shù)據(jù)挖掘工程師、機器學(xué)習(xí)工程師、BI工程師、數(shù)據(jù)算法專家等等。除了這些，跟數(shù)據(jù)相關(guān)的崗位還有數(shù)據(jù)庫工程師、數(shù)據(jù)產(chǎn)品經(jīng)理。

而國外，主要是美國的IT公司，對數(shù)據(jù)技術(shù)崗位的分類可能會更細致精確些，如美國幾大互聯(lián)網(wǎng)公司招聘的數(shù)據(jù)技術(shù)崗位有：Data Analyst、Data Engineer、Data Scientist、Data Architect、Data Mining Scientist、Computer Vision Engineer等，甚至還會有Data Arts Engineer這樣的崗位。

對比國內(nèi)外幾大互聯(lián)網(wǎng)，我個人最喜歡Apple，從其對數(shù)據(jù)崗位的設(shè)置，可以看出對數(shù)據(jù)人才的重視。其招聘的數(shù)據(jù)人才不僅包括數(shù)據(jù)分析師、數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家，還有數(shù)據(jù)產(chǎn)品經(jīng)理和數(shù)據(jù)藝術(shù)工程師。

數(shù)據(jù)技術(shù)崗位的工作內(nèi)容是什么？

不同崗位雖然其具體職責(zé)不盡相同，但總結(jié)的來看，會有一些共性的東西。數(shù)據(jù)技術(shù)相關(guān)的崗位，往往都需要工程師基于對業(yè)務(wù)的理解，來進行數(shù)據(jù)的分析和建模，并將結(jié)果應(yīng)用到產(chǎn)品、業(yè)務(wù)或服務(wù)中，包括指導(dǎo)產(chǎn)品發(fā)展方向、發(fā)現(xiàn)業(yè)務(wù)風(fēng)險、優(yōu)化系統(tǒng)服務(wù)質(zhì)量等等，也就是我們常說的「數(shù)據(jù)驅(qū)動」實踐。

舉個例子，下面是某風(fēng)險數(shù)據(jù)挖掘工程師的工作職責(zé)：

• 負責(zé)深度學(xué)習(xí)、文本理解、機器學(xué)習(xí)等前沿技術(shù)的研發(fā)、儲備和平臺建設(shè)；
• 負責(zé)使用深度學(xué)習(xí)算法進行特征挖掘，文本分類，文本理解；
• 能將挖掘出的特征應(yīng)用于風(fēng)險畫像和風(fēng)險識別并負責(zé)產(chǎn)品化落地。

可以看出，這個崗位需要工程師應(yīng)用數(shù)據(jù)技術(shù)，對用戶進行畫像，識別其中的風(fēng)險用戶，并指導(dǎo)風(fēng)險產(chǎn)品化的實施，也就是通過數(shù)據(jù)來驅(qū)動用戶風(fēng)險的發(fā)現(xiàn)，驅(qū)動風(fēng)險產(chǎn)品的實施。

數(shù)據(jù)技術(shù)崗位的能力要求是什么？

數(shù)據(jù)技術(shù)崗位往往需要工程師對數(shù)據(jù)敏感，具備基本的數(shù)據(jù)分析能力，能夠熟練使用常用的數(shù)據(jù)工具，甚至還需要熟悉各種數(shù)據(jù)挖掘相關(guān)的算法和理論。不僅要求有對數(shù)據(jù)的理解和駕馭能力，同時也需要有很高的數(shù)據(jù)應(yīng)用、用數(shù)據(jù)解決問題的能力。

前文提到的風(fēng)險數(shù)據(jù)挖掘工程師的能力要求如下：

• 極佳的工程實現(xiàn)能力，精通C/C++、Matlab、Python等至少一門語言；
• 會使用Spark進行深度學(xué)習(xí)研究，會使用TensorFlow尤佳；
• 熱愛數(shù)據(jù)，并且有扎實的機器學(xué)習(xí)算法基本功和看穿問題本質(zhì)的洞察力；
• 對新技術(shù)充滿好奇心，愛挑戰(zhàn)高難度，善于提出idea并能快速動手驗證。

數(shù)據(jù)技術(shù)是一門綜合性很強的技術(shù)崗位，對個人的素質(zhì)要求很高，想要在這方面學(xué)有所長，需要掌握和沉淀的東西很多：

1、在數(shù)據(jù)理解方面，需要具備基本的數(shù)據(jù)相關(guān)理論知識，而跟數(shù)據(jù)技術(shù)比較強相關(guān)的理論知識主要包括統(tǒng)計學(xué)、概率論等學(xué)科。

2、在編程工具方面，雖然目前做數(shù)據(jù)處理的編程語言可能更多是Python或者R，但絕大數(shù)崗位對此都不會有強限制，只要精通Python、C/C++、Java中的任一種即可。而在數(shù)據(jù)的提取方面，還可能還會涉及到使用SQL、Hive、Pig等工具。

3、數(shù)據(jù)建模方面，需要熟悉各種數(shù)據(jù)挖掘、機器學(xué)習(xí)的算法，比如各種分類和聚類的算法。雖然很多數(shù)據(jù)算法都比較老，但仍有很多新的概念和應(yīng)用在不斷被推出來。比如近期很火的深度學(xué)習(xí)，其概念源自人工神經(jīng)網(wǎng)絡(luò)，而后者早在20世紀80年代就開始研究了。

4、數(shù)據(jù)技術(shù)人員往往還需要制作數(shù)據(jù)分析報告，生成可視化的數(shù)據(jù)報表，而常用的數(shù)據(jù)報告/可視化工具，包括Excel、Pentoho、Tableau等，后兩者在國外互聯(lián)網(wǎng)公司出現(xiàn)的頻率會更高。

5、在大數(shù)據(jù)時代的今天，出現(xiàn)了很多大數(shù)據(jù)存儲、處理和分析的相關(guān)框架和工具，比如Hadoop、Spark、Kafka、Storm、TensorFlow等等，如果對這些工具不熟悉的話，將很難跟得上數(shù)據(jù)技術(shù)的潮流。

不同的崗位對個人的要求側(cè)重點會不太一樣，但僅看到上面簡單的總結(jié)，就知道，入數(shù)據(jù)技術(shù)的門容易，但要真正做到精通，有很長的路要走。所謂數(shù)據(jù)之路漫漫，吾將上下而求索，與所有數(shù)據(jù)愛好君共勉。：）

（全文完）