软件就业方向————
（第二弹)
01
数据时代你我相遇重逢如此匆匆……
上一期我们已经挖好了坑，就等着我们一同下地勘探，谈点接地气的话题。
作为新兴行业，又靠着IT这个日新月异且人才辈出的背景板，无疑会落到信息技术领域的修昔底德陷阱里。各行业竞争如此激烈，短时间内又不能通过共享充分的职业信息形成范式，久而久之，只凭从其他成熟的IT行业积累的扎实技术和工作经验，就想挑战大数据时代庞大的信息任务，这是很困难的。千里之行始于足下，良好的职业道路规划应是我们跨过门槛的第一堂必修课。
因而，我们必须着手分析就业大环境，做到上有*策下有对策。
话不多说，不用大数据讲道理还能是大数据工程师吗？
1
岗位供需不均衡
一方面，数据分析、系统研发等技术岗位大多“供不应求”，反映市场上大数据技术类人才更为稀缺；另一方面，发展迅猛的大数据领域吸引了大量传统信息化领域人才进入，导致项目管理类求职人才占比远高于招聘需求。具体来看，数据分析岗位工作机会最丰富，其中求职人数虽位列第一，但人才供给仍相对不足。
2
地域供需不均衡
从地域上看，大数据行业就业市场较为活跃的城市主要集中在京津冀、长三角、珠三角、成渝等区域，如京沪深三地就业市场活跃度均超过80，成都、广州、南京、武汉、杭州等地均在60以上。值得注意的是，深圳、南京、大连、南昌、贵阳、合肥、天津等地大数据就业市场虽较为活跃，但人才供给相对不足。
3
学历层次错位明显
从学历上看，大数据行业求职者学历与招聘需求出现错位。主要表现为低学历（大专以下）的招聘需求高于求职数量占比，而高学历（硕士以上）的需求则相反。大数据就业市场“高学低就”现象的原因有两种可能：一是大数据产业正处于起步阶段，对技能型操作型的低学历人才需求相对较高；二是面对就业市场压力，很多学生倾向于选择继续深造再就业。
当然我们还有工业级流水线……（眼花缭乱ing）
职业发展方向却少的可怜，真就逃不过二进制的魔咒：
（1）技术方向：
数据架构师：熟练掌握各种数据库管理系统的架构和内部原理，能够根据实际业务需求，设计出不同的数据库应用系统架构，并在业务高速发展时，提供数据库模型设计的优化建议和解决方案
数据运维技术专家：这个发展路线与高阶DBA的发展路线比较相似。当数据工程师在跟进和解决数据库生产环境问题的过程中，积累了大量的运维经验，熟练掌握了大量先进的数据库运维技术，比如分布式部署、性能监控、弹性扩容等，可以成长为数据库运维技术专家，为各产品提供数据库架构设计和优化建议。
…………
（2）管理方向：
从数据工程师开始持续发展，积累了一定技术深度，并且通过与业务部门交互沟通锻炼了较强的协调和推进能力，可以转型为管理岗位。管理岗位的常见发展路径包括经理、总监、CTO、CEO等，往往在小型创业公司管理岗位发展迅速，在中大型公司的发展速度相对较慢。
不过，运筹帷幄决胜千里，我们能于青萍之末盼得风起。
02
大数据开发，无非这几个阶段:
1.数据采集
2.数据汇聚
3.数据转换和映射
4.数据应用
每个阶段虽有其特点，但综合来看难度还是不同的。
比如，你若是有自动化平台开发背景，就可以在数据采集阶段依托自动化系统，很方便的管理所有的原始数据，同时从数据的开始对数据进行标签采集，还可以规范开发人员的工作并且目标数据源可以更方便的管理。达到建立领导管理能力和提高专业水准事半功倍的效果。
再有，高瞻远瞩能力突出的多方位人才自然会高屋建瓴，那么最后一环数据应用阶段，需要你对全局问题的思考来把关：
数据的应用方式很多，有对外的、有对内的，如果拥有了前期的大量数据资产，通过restfulAPI提供给用户？或者提供流式引擎KAFKA给应用消费?或者直接组成专题数据，供自己的应用查询？对数据资产要求高更有挑战性更有价值，在前期工作铺垫下，自由度很高。
但是，大数据开发的难点主要是监控，短期的垃圾数据堆积可以纠正，但长期来说无疑是定时炸弹，怎么样规划开发人员的工作就成了一切问题的基础。
答案应是自动化平台，这就是前端开发工程师在大数据行业中所占有的优势点，从一定意义上来说，大数据开发中，前端开发工程师占据着更重要的位置，仅次于大数据开发工程师。至于后台开发，系统开发是第三位的。好的交互至关重要，如何转换数据，如何抽取数据，解决方案众多，关键是如何交互，大多数人侧重点不同，喜欢钻研最优解，认为前端的角色都是可有可无，是错误的。如果不够重视前端开发，面临的问题就是交互很烂，界面烂，体验差，导致开发人员的排斥，而可视化这块的知识点众多，对开发人员的素质要求更高。
因此，循序渐进的道理下，数据工程的行业规则的可操作性正是人才教育与资源分配的美妙反应。
其实，不仅在个人职业规划的处理上我们思路是这样，企业策略方面也有着人才本位的宗旨。
许多互联网大企有着雄厚的资本，但是组织方面还是在实践，妥协是常有的，员工的主观能动性就很有升值空间。
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。有些特别强调大数据战略的互联网公司则会另设最高职位，加以往研究方向发展，将成为重要数据战略人才。除此之外，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。
03
权利与义务的关系，是我们社会生活的铁律。
薪酬与职责的关系，也是我们工作中的准则。
1、数据分析——天津数据分析师(员/专员)的月薪中位数为：￥元/月，最低工资3K-4.5K，最高工资15K-20K——主要职责：运用工具，提取、分析、呈现数据，实现数据的商业意义（企业对这个职位的要求是作为业务部门的参考与辅助，因此希望是多面手。Title包括数据分析师(员/专员)，数据运营主管等）
2、数据挖掘——天津数据挖掘工程师工资中位数为：￥元/月，最低工资5k-6k，最高工资工资30-50K——主要职责：机器学习，算法实现(合格的数据挖掘工程师通常需要有3年以上工作经验。一二线城市的大中型企业和数据咨询公司有此类独立职位）
3、数据库开发工程师——天津数据工程师工资中位数：￥元/月，最低工资6k，最高工资20K-30K——主要职责：开发运用简单数据工具，实现数据建模等功能，需要业务理解（由于工作年限、技能水平、负责内容的不同，薪酬跨度比较大）
4、数据架构师—— 天津数据架构师工资中位数：￥元/月,最低工资12K-15K,最高工资过百万——主要职责;高级算法设计与优化;数据相关系统设计与优化;需要有垂直行业经验（整个数据产业上的顶端职位，最终指向也是——首席数据官/架构专家。这个职位一般是猎头职位，即软件工程技能牛过多数人的统计学家;高级算法设计与优化;数据相关系统设计与优化;需要有垂直行业经验)
目标若已明确，我们就此开始奋斗。
再复习一下，我们的基础素养：
硕士以上学历，数据挖掘、统计学、数据库相关专业，熟练掌握关系数据库技术，具有数据库系统开发经验；熟练掌握常用的数据挖掘算法；具备数理统计理论基础，并熟悉常用的统计工具软件
题外话：
历史总是惊人相似，数据工程师身为第五次科学信息技术革命的弄潮儿，也同第一二次工业革命期间的西进运动的淘金者们一样迎接着巨大的机遇和挑战，有效的数据信息注定是宝贵的资源，大浪淘沙难免泥沙俱下。但我们正在身体力行，缔造智能信息化时代。见证着人类社会的大迈步。若干年以后，我们也会回顾奔腾岁月，凭着终身学习的韧劲，在蕴含无限可能的数理世界中诠释牛仔精神。
上图~~~~~~
以上便是本期的所有内容了，接下来我们将为大家具体展开大数据工程师专业技能进阶知识，敬请期待。
NKCS
职业发展部出品
文案排版
颜铭
图片来源于网络
预览时标签不可点收录于话题#个上一篇下一篇