大数据工程师就业现状和前景如何?

1. 大数据工程师就业现状和前景如何?

【导读】随着大数据的普及商用化，很多人说大数据工程师会在35岁失业，那么是真是假呢?今天我们就来对现行的大数据工程师就业现状和前景做个简单分析，希望对大家有所帮助。

从现在的市场环境情况看，大数据工程师不会失业，并且没有减少反而越来越多了，因为使用大数据的公司越来越多。提问者担心的是搭建大数据平台的工作都没了，大数据工程师还干什么?其实现实中大数据工程师并不是在搭建平台这个壳，而是在搭建平台上的数据内容。
早期的大数据工程师
可能在提问者的意识里认为大数据工程师熟练掌握各种分布式系统原理，顺手就写一个mapreduce程序来计算，精通使用hadoop，spark，flink，kafka各种架构原理，然后在集群遇到问题迅速调参数进行修复。能用大数据生态的各种组件组建起来搭建各种data pipeline的方式实现大数据平台。这种确实是在还没有商业数据平台的时候大数据工程师的日常工作。总结主要工作：
维护hadoop等分布式平台，特别是在遇到系统高峰时能稳定系统完成数据加工需要比较深的分布式系统设计原理
根据业务发展使用大数据生态的各种组件组建起来搭建各种data pipeline，从数据采集，同步到加工(即所谓的ETL工作)
搭建分析师、运营和产品经理等大数据查询和提数平台
搭建大数据报表展现系统
在商业大数据平台上工作的大数据工程师
但是大数据商业平台出来后，和云上的组件打通后形成了闭环(特别是阿里云上的RDS可以直接导入数据到MaxComputer中)，比如原来至少需要一个调度平台(haoop时代)来调度数据引擎上的脚本，以完成数据从业务库同步到大数据平台，再调度完成后面的各种计算任务。这在以前至少需要一个调度平台，大数据平台，数据同步系统。但是现在全部都集成在一起来，且分布式系统放在云上会形成了资源弹性网络，避免了因数据的峰值而造成的高难度维护工作也基本不需要了。其他的查询、取数和展现系统云上也都齐全，直接用就行。
从上面可以看出原来的大数据工程师的工作，基本上被简化只剩下了数据加工部分了。
加工数据一开始的时候都是需要写mapreduce程序，并且需要很了解hadoop系统，防止写出烂程序，导致出现数据倾斜，没加取数范围限制等问题，导致一个任务堵塞整个集群。这个阶段确实需要专业的工程师来干，但是后来出现了hive，直接降级成了业务同学也能用的SQL。而且商业大数据平台会做大数据平台执行引擎，对烂脚本的优化做了很多，防止很绝大部分的问题，更不会出现上面的问题了。实际上现在大部分的数据工程师90%的时间都在用SQL。是真的不怎么需要了解底层原理。
这也说明大数据工程师的范围缩减了很多，基本只剩下了设计数据模型做基础的数据加工。这部分难度也不再是脚本的编写，而是数据模型的架构质量，这时候要求的是对业务的熟悉程度和数据模型的知识。所以渐渐的大数据工程师开始兼并了一些数据分析师的工作，来设计各种业务指标。甚至有时候运营需要的指标体系都是大数据工程师直接出的了。但是反过来数据分析不能做数据工程师的工作，因为有数据建模技术壁垒和复杂数据加工技术壁垒。
结论
当一个职位的难度系数下降后，它就会横向发展兼并上下游的职位的工作，最终那个难度系统最大的职位会留下，其他的出局。
所以从上面的论述，我认为普通的大数据工程师岗位不会减少，并且以后可能会兼并了数据分析师，但是长期可能会被算法工程师给兼并。原来掌握分布式系统开发的工程师规模缩减，并单独出来形成分布式系统工程师，在那些做商用大数据平台公司中继续开发。
以上就是小编今天给大家整理发布的关于大数据工程师就业现状和前景的相关内容，希望对大家有所帮助。

2. 大数据工程师的职业发展前景如何？

我们都知道，大数据现在是非常火热的，基本上是人尽皆知，很多人也都非常想加入这个行业，成为一名优秀合格的大数据工程师。从目前的情况来看，由于现今大市场环境下大数据人才匮乏，对于公司来说，很难招聘到合适的人才（既要有高学历，同时最好还有大规模数据处理经验），这也就为那些正在成为大数据工程师的朋友提供了一个很好的职业稀缺环境。那么大数据工程师的职业发展前景具体如何呢？
大数据工程师的前途还是很明朗的，成为大数据工程师如果有相关方面的经验的话还是比较简单的。目前长期从事数据库管理、挖掘、编程工作的人，包括传统的量化分析师方面的工程师，以及任何在工作中需要通过数据来进行判断决策的管理者，比如某些领域的运营经理等，都可以尝试该职位，而各个领域的达人只要学会运用数据，也可以成为大数据工程师。
大数据工程师在薪酬待遇也是很有优势的，可以说，大数据工程师在IT类职业中比较稀缺的，大数据工程师的收入待遇可以说达到了同类的顶级。根据颜莉萍的观察，国内IT、通讯、行业招聘中，有10％都是和大数据相关的，且比例还在上升。大数据时代的到来很突然，在国内发展势头激进，而人才却非常有限，现在完全是供不应求的状况。在美国，大数据工程师平均每年薪酬高达17.5万美元，而据了解，在国内顶尖互联网类公司，同一个级别大数据工程师的薪酬可能要比其他职位高很多。
在职业发展路径上，由于大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。
关于大数据工程师的职业发展问题小编就为大家介绍这么多。可以看到，大数据工程师未来的发展前景还是非常美好的，并且薪资待遇也非常的好，这也是为什么这么多人争相加入到这一行业中的重要原因之一。如果大家心存志远的话，可以选择大数据工程师作为自己职业生涯的长远规划哦

3. 大数据工程师职业前景到底有多好

前景：未来社会缺的不是只是，而是一份技能，因为未来世界最大的能源就是数据，
过程：从数据收集，整理，清洗，分类，然后得出一定的规律，最后加工，然后从各方面，各个角度做出对企业有利的决策
市场：目前市场对大数据分析很缺乏，因为我们正处于大数据初期，所以很匮乏
培训机构：很多培训机构都是想借大数据浪潮大赚一笔，所以对原本的培训行业有了一定冲击，所以，希望大家在参加大数据培训时，先看清形势，
口碑：以目前市场口碑最好的大数据有大       讲台可以去看看，学员反应不错，口碑也挺好

4. 大数据工程师就业和发展前景

大数据工程师的薪资待遇大数据工程师职业发展路径分为5个阶段，每个阶段对应职位对应的薪资待遇是不一样的：有一年工作经验的实习工程师月工资在6000以上;有1-2年工作经验的助理工程师，月收入在13000-15000左右;有3年左右工作经验的大数据工程师，平均每个月能赚到20000左右;有5年左右工作经验的高级大数据工程师，月收入一般都在30000左右;有10年以上工作经验的首席工程师，月薪都是大于50000的。2大数据的就业前景大数据的就业领域是很宽广的，不管是科技领域，还是食品产业，零售业等等，都是需要大数据人才进行大数据的处理，以提供更好的用户体验，因为未来大数据人才就业面很广，就业机会很多，发展前景也是非常好的。3微信搜索关注公众号：蝶变高考学霸笔记/答题模板/高考真题，电子资料免费送！《大数据就业前景及工资 待遇好吗.dox》下载本篇文章【摘要】
大数据工程师就业和发展前景【提问】
大数据工程师的薪资待遇大数据工程师职业发展路径分为5个阶段，每个阶段对应职位对应的薪资待遇是不一样的：有一年工作经验的实习工程师月工资在6000以上;有1-2年工作经验的助理工程师，月收入在13000-15000左右;有3年左右工作经验的大数据工程师，平均每个月能赚到20000左右;有5年左右工作经验的高级大数据工程师，月收入一般都在30000左右;有10年以上工作经验的首席工程师，月薪都是大于50000的。2大数据的就业前景大数据的就业领域是很宽广的，不管是科技领域，还是食品产业，零售业等等，都是需要大数据人才进行大数据的处理，以提供更好的用户体验，因为未来大数据人才就业面很广，就业机会很多，发展前景也是非常好的。3微信搜索关注公众号：蝶变高考学霸笔记/答题模板/高考真题，电子资料免费送！《大数据就业前景及工资 待遇好吗.dox》下载本篇文章【回答】
大数据工程师的薪资待遇大数据工程师职业发展路径分为5个阶段，每个阶段对应职位对应的薪资待遇是不一样的：有一年工作经验的实习工程师月工资在6000以上;有1-2年工作经验的助理工程师，月收入在13000-15000左右;有3年左右工作经验的大数据工程师，平均每个月能赚到20000左右;有5年左右工作经验的高级大数据工程师，月收入一般都在30000左右;有10年以上工作经验的首席工程师，月薪都是大于50000的。2大数据的就业前景大数据的就业领域是很宽广的，不管是科技领域，还是食品产业，零售业等等，都是需要大数据人才进行大数据的处理，以提供更好的用户体验，因为未来大数据人才就业面很广，就业机会很多，发展前景也是非常好的。【回答】

5. 大数据工程师就业如何？

大数据的就业前景很广阔。
  就先拿大数据里比较火的数据分析举例吧。
数据分析的两个主要就业方向，一个是统计学方向，一个是运筹学方向，我们分别来看看这两者具体有哪些相应的岗位

首先是统计学方向。


         这个方向的职位其实一直都有，只是说现在用的一些方法，技术手段得到了一定的提升。原来公司只有一些有限的经营数据或市场数据，基本上用 excel 就能解决了，现在我们有了很大的数据量，也有了更多的高级的分析软件，比如 SAS 、 R 等等。用这些软件，我们可以在大量的数据中，挖掘出一些核心的数据信息，来找出商业活动的驱动力。
从就业方向来说，最典型的是以互联网公司为代表的信息化程度比较高的企业。这些公司在日常业务中会产生大量的数据，数据分析人员必须从繁杂的数据中挖掘出有效信息，来给运营和决策提供支持。

典型的公司有 BATJ ，其中一些相关的团队包括产品的运营团队、广告效果分析团队、游戏的用户数据处理团队等等。其他还有一些互联网公司，比如美团、携程、饿了么等等。

   在这些互联网公司里面，数据分析工作主要分两个方向：
一个是做运营分析，就是前面讲的这类工作内容。
另一个就是产品开发的分析，比如把相关的数据抽象出来建模，做一些用于判断的模型，比如回归模型等，以 API 的形式，给到客户。客户只要把相关的数据导进去，就能通过这个模型作出一个判断。

    比较典型的例子就是反诈骗的一些产品，背后是好人的行为数据，以及一些坏人的行为数据，做出一个「0」「1」的好坏判断模型。当你把一个不知道结果的数据，通过 API 接口输入进这个模型后，就会得出结论这个是好人还是坏人，从而对业务作出指导。
除了互联网公司以外，咨询公司也非常注重数据这块的工作。
     
比如麦肯锡，相关的数据分析已经成为公司的重要驱动力之一。
另外，四大咨询公司、一些 IT 咨询公司，比如埃森哲、印度的 Infosys 等，以及一些本土的咨询公司，比如久谦，还有老牌的基于数据分、市场分析的公司，比如尼尔森，也有相应的数据分析岗位。

6. 大数据工程师前景怎么样

首先，必须要肯定的一点是：大数据技术与应用专业或相关专业就业前景相当广阔。
原因是：近几年来，互联网行业发展风起云涌，而移动互联网、电子商务、物联网以及社交媒体的快速发展更促使我们快速进入了大数据时代。截止到目前，人们日常生活中的数据量已经从TB(1024GB=1TB)级别一跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别，数据将逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代，专业的大数据人才必将成为人才市场上的香饽饽。
因此，当下大数据从业人员的两个主要趋势是：1、大数据领域从业人员的薪资将继续增长；2、大数据人才供不应求。
另外，大数据专业毕业生就业岗位非常多，比如：Java大数据分布式程序开发、大数据集成平台的应用与开发、大数据平台运维、Java海量数据分布式编程、大数据架构设计、大数据分析、Java大数据分布式开发、基于大数据平台的程序开发、数据可视化、大数据挖掘、Java海量数据分布式编程、大数据架构设计等。

7. 大数据开发工程师 就业和发展前景

大数据就业前景
　　伴随着大数据技术的成熟，大数据应用的普及和发展才刚刚开始，我们预计未来二十年，甚至更长一段时间都是大数据黄金发展阶段，相关的行业将引来巨大的发展机遇。大部分行业都需要，市场、营销、运营相关的需求很多。大数据不是职位，学完大数据认证后你可以从事大数据挖掘专家，高级行业分析师，大数据业务架构师，大数据架构师，大数据算法工程师，大数据开发工程师，大数据运维工程师。不管是国内还是国外，大数据相关的人才都是供不应求的局面。目前市场急需运用大数据分析结果的大数据相关管理人才。
　　据数联寻英发布《大数据人才报告》显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万。
　　据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。
　　大数据就业方向
　　1. Hadoop大数据开发方向
　　市场需求旺盛，大数据培训的主体，目前IT培训机构的重点。
　　对应岗位：大数据开发工程师、爬虫工程师、数据分析师等。
　　2. 数据挖掘、数据分析&机器学习方向
　　学习起点高、难度大，市面上只有很少的培训机构在做。
　　对应岗位：数据科学家、数据挖掘工程师、机器学习工程师等。
　　3. 大数据运维&云计算方向
　　市场需求中等，更偏向于Linux、云计算学科。
　　对应岗位：大数据运维工程师

8. 大数据工程师前景怎么样?

首先大数据这个技术是成熟的技术，有成熟的开源平台，解决方案，技术路线。所以一个公司要从事大数据的业务，仅仅需要招聘合适的工程师，按部就班，核心仅仅是处理大数据业务。

而人工智能属于最前沿的技术，根本处于探索阶段。
首先能掌握最底层的深度学习技术的公司就寥寥，能应用大公司学习模型处理业务的公司其实也十分有限，我仔细看过阿里云的深度学习模型，发现要用他来做一些简单的人工智能，我根本不知道从哪下手。这就是一项技术不成熟的最根本体现，因为工业化的特征是分工与流水线，计算机技术同样，如果仅仅依靠实验室能做一个阿尔法狗，还远远达不到工业与商用的标准。
另外深度学习是否是人工智能的方案分支还是方案核心，这不仅是一个技术问题，而且是一个理论问题。我想人工智能的终极目标就是机器的自主意识，而意识的理论基础尚需要人脑科学，神经学的支持，这些理论都尚在不断的研究中，所以人类在没有百分之百的弄清楚大脑与意识之前，不可能在人工智能上有本质的突破。
所以现在的人工智能公司，要么就是个噱头为了骗钱，要么挂羊头卖狗肉。当然也有励志于底层研发的团队，但屈指可数，也有少量希望在不成熟的平台上做产品的公司，这其实很有风险，技术不成熟同时就意味着迭代速度很快，浪费资源，生产一些过时产品。