主要是介绍现在大数据中的一些岗位的要求、岗位描述和岗位职责，相关岗位的信息是对各个招聘网站中的一些要求做了一个总结
一、大数据开发工程师：
1.要求
- 编程基础扎实，熟悉Java，熟悉Scala/Shell/Python语言中其中一种更好（社招一般要求两种）；
- 熟悉MySQL等至少一种数据库，熟悉SQL语言，熟悉Linux系统；
- 熟悉Hadoop/Hive/Flume/Kafka/HBase/Spark/Storm等技术及其生态圈。
2.岗位描述
- 负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等；
- 运用编程语言实现数据平台和数据管道开发，需要计算机编程能力。
3.岗位职责
第1种
- 负责大数据采集，计算，分析处理等相关开发工作；
- 负责数据仓库的设计与开发等相关工作；
- 负责大数据治理相关的设计与开发工作。
第2种
- 负责数据采集、爬取、清洗、加工、分类和管理等工作；
- 管理、优化并维护Hadoop、Spark等集群，保证集群规模持续、稳定；
- 负责HDFS/hive/HBase的功能、性能和扩展，解决并实现业务需求；
- 协助建立数据模型，对数据进行挖掘、优化及统计；
- 负责大数据平台运维以及日常数据运营等管理，及技术攻关。
第3种
- 负责公司互联网数据ETL数据清洗工作；
- 负责公司各互联网产品的报表开发及版本迭代；
- 负责平台的整体数据架构设计，对数据有较高敏感性，完成从业务模型到数据模型的设计及开发工作；
- 负责Hadoop平台数据仓库、数据集成、数据管理的整体架构设计工作。
二、数据挖掘/算法工程师：
1.要求
- 熟悉数据挖掘、机器学习、深度学习、推荐系统等相关技术；
- 有大数据相关组件开发经验，熟悉一种以上海量数据处理模型和框架，具备数据处理和加工能力；
- 熟悉常用数据处理工具， 扎实的算法基础和编程基础，熟悉Scala/Python/SQL等尤佳。
2.岗位描述
- 数据建模、机器学习和算法实现，需要业务理解、熟悉算法和计算机编程；
- 商业智能，用户体验分析，预测流失用户等；需要过硬的数学和统计学功底以外。
3.岗位职责
第1种
- 熟悉数据挖掘、机器学习、推荐系统相关技术，对业界前沿技术持续关注；
- 熟悉一种以上海量数据处理模型和框架，具备数据处理和加工能力；
- 良好的数据科学思维，重数据驱动；
- 熟悉常用数据处理工具，熟悉Scala/Python/SQL/Spark/Hadoop等尤佳。
第2种
- 负责核心产品的用户数据体系建设工作，构建完善的数据体系和基础技术，支撑业务快速发展；
- 深入理解用户，运用数据挖掘、机器学习、深度学习等技术，构建多维度用户画像，从行为、兴趣、风险等等方面深刻理解用户；
- 推动用户数据体系和技术在推荐、搜索、评级、风控等业务场景落地，不断提升用户体验、降低风险。深入探索业务数据，创新性的思考和发现问题，并提出有效解决方案。
三、数据分析师：
1.要求
- 至少掌握一种数据分析建模工具(R/Python/Scala等)，可进行模型开发以及实现算法优化；
- 熟练运用SQL/Hive,有丰富的数据分析、挖掘、清洗和建模经验；
- 熟悉大数据开发环境和工具，如Hadoop和Spark等；
- 具有丰富的数据分析、数据挖掘经验，熟悉常用数据挖掘算法：图论、预测、聚类、分类、关联、序列挖掘及无监督挖掘等；
- 至少熟悉一项以下领域：深度学习，强化学习，自然语言处理，时间序列，风控建模。
2.岗位描述
- 进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见；
3.岗位职责
第1种
- 与各业务团队有效沟通，收集和整理数据分析需求，能快速理解相关业务。
- 配合产品经理进行相关产品及项目的定型，前端交互以及分析维度设计，参与相关产品及项目的解决方案梳理和制定；
- 对业务主题数据进行定期统计和分析，输出业务洞察报告；
- 根据数据分析和对业务形态的理解，对产品、服务、营销等活动提出合理化建议。
第2种
- 构建业务分析体系，对各类分析任务中发现的问题，进行跟踪、定位、分析、解决工作；
- 通过专题分析，对业务问题进行深入分析，为公司运营决策、产品方向、销售策略提供数据支持；
- 对现有业务数据建立日常跟踪监控体系，及时敏锐的发现业务数据变化趋势；
- 构建分析和预测模型，通过跟踪和监控重点数据，发现潜在的缺陷与问题，为业务决策提供数据支撑。
下面的的岗位可以看看招聘网站，就不具体介绍了。。。。。
四、数据管理：
- 数据库设计、数据迁移、数据库性能管理、数据安全管理，故障检修问题、数据备份、数据恢复等。
五、数据产品经理：
- 把数据和业务结合起来做成数据产品。
六、数据科学家：
- 清洗，管理和组织（大）数据，利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换。
文章评论