评论
作者：德文·莫里西
来源：www.maxpixel.net/Hand-Shake-Business-Business-Handshake-Handshake-2998302
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织进行 IT 管理
大约十年前，“大数据”对大多数人来说不过是一个流行词。如今，大数据和分析领域驱动着大部分的商业运营、营销策略、物流决策，以及不断发展的人工智能领域。
从那时起，大数据和云技术已经变得如此普及和常见，以至于任何一家有价值的组织，无论其规模如何，都应该利用大数据分析和技术的洞察——行业报告显示，他们也开始这样做。根据德勤顾问服务的2017 年大数据分析市场研究，2017 年所有被调查公司的大数据采用率上升了 53%，相比 2015 年的 17%有显著增长。
这种采用率是有道理的，因为数字触点在全球范围内迅速扩展。到 2020 年，全球预计将有61 亿智能手机用户，每秒产生大量数据。事实上，我们的数字宇宙中的数据量大约每两年翻一番，并预计到 2020 年达到40,000 艾字节（或 40 万亿千兆字节），根据《基线杂志》的预测。
所有这些因素加起来，形成了一个在现代世界中迅速变得不可或缺的行业——并提供了一些市场上最受追捧的职业。Glassdoor 报告显示，“数据科学家”在 2018 年底名列美国 50 个最佳职位榜首，平均基本薪资为 110,000 美元。
当然，还有许多其他与数据和分析领域相关的职位，毕业生、求职者以及那些寻求职业转型的人都在争取机会来执行这些职位。由于大数据几乎涉及所有行业，那些尚未从事数据和分析工作的人很快也将利用这一技术，以获得不可否认的商业利益。不论你如何看待，工作的未来在于数据。
由于云计算、物联网的兴起，以及由这些技术和连接设备生成的数据的收集和存储，比以往任何时候都需要更多人来从事信息技术领域的工作。实际上，根据美国劳工统计局 2016-2017 年《职业展望手册》(OOH) 的统计数据，计算机和信息技术职业组的就业预计在 2014 至 2024 年的 10 年期间增长 12.5%。这一增长远高于预计的 6.5%的总体就业市场增长，预计将为劳动力市场增加 48.85 万个职位。
大数据的广泛应用多样性不仅解释了 IT 领域职位空缺的高数量，还归因于与数据相关职业中的多彩多样性。一方面，你可能会发现自己从事市场营销，分析客户行为并绘制细分模型，以显著提高客户获取和留存率，基本上是通过分析过去的数据来预测未来趋势。
另一方面，从事数据相关职业也可能侧重于客户数据的安全，而不是数据的分析。Ashley Stein，为 Record Nations 博客撰写，指出任何组织的数据泄露恢复计划的一个重要部分应包括聘请外部专家调查问题。
她写道：“引入专门从事事件响应和差距分析的第三方 IT 专业人员或公司，将使你能够获得对数据泄露的外部视角。”
尽管围绕大数据和分析的职业机会似乎无穷无尽，但战略商业和技术顾问 Bernard Marr 在 2018 年确定了六个最受需求的技术和数据职位。为《福布斯》撰稿，他列出了：
-
数据科学家： 如上所述，数据科学家在 Glassdoor 的榜单中排名第一，拥有$110,000 的中位数基本工资。根据雇主的公司不同，职位可能有所不同，但通常这些人负责收集、处理和分析数据，与团队和数据分析程序一起工作，以从数据中提取意义。
-
商业智能分析师（BIA）： BIA 利用数据提供建议，并根据市场和趋势指导组织决策。平均而言，BIA 的年薪在$70k 到$90k 之间。
-
数据库开发人员： 这个职位的名称已经说明了一切，数据库开发人员负责设计、设置或修改与数据库接口的应用程序和代码。数据库开发人员的平均年薪为$90k。
-
数据库管理员： 虽然开发人员通常专注于创建新代码或数据库中的软件，但管理员则专注于正确地设置、安全保护和维护数据库。平均年薪为$80k。
-
数据工程师： 数据工程师在任何分析操作的基础层面工作，设计和构建创建更大数据集的程序。他们的平均年薪为$80k。
-
数据分析经理： 最后但同样重要的是，数据分析经理“理解数据并向团队其他成员传达业务应如何响应数据提供的洞察。” 根据 Marr 的说法，这些经理可以期望年薪达到六位数。
虽然这些职位仅代表整体市场的一小部分，但竞争激烈。因此，执行人员和招聘经理在寻找潜在的大数据员工时关注什么，你可以做些什么来确保在大数据领域获得职业机会？
根据 Maryville University 关于数据分析毕业生需求增加的帖子，全球的首席执行官都在寻找具备特定知识和技能的候选人，如：
-
受认可大学的商业数据分析教育背景。
-
编程语言和程序的工作知识，如 PYTHON 或 R。
-
学习新编程语言和程序的能力与倾向。
-
良好的团队合作能力以及独立工作的能力。
-
批判性思维和解决问题的技能。
-
具有市场营销、人力资源、网络安全、运输或客户服务等相关领域的大学辅修或工作经验。
这些要点中有些比其他的更重要，但最合格的候选人将会覆盖所有这些要点及更多。例如，理解多种编码/编程语言和工具的重要性不容低估。
在他的文章“2018 年十大大数据技能需求”中，技术作家 Amit Verma 实际上列出了超过 10 种语言和系统，其中一些元素相互嵌套。他具体列出了：
-
Apache Hadoop 及其组件，如 Hive、Pig、HDFS、HBase 和 MapReduce
-
NoSQL 数据库，包括 Couchbase 和 MongoDB
-
数据中心化语言 SQL
-
数据可视化工具，如 QlikView 和 Tableau
-
量化和统计分析工具，如 SAS、SPSS 和 R
-
编程语言，包括 Java、Python、C 和 Scala
-
数据挖掘工具，如 Rapid Miner、Apache Mahout 和 KNIME
显然，每个职位都不同，申请时应该根据具体情况对待。
“由于每个职位所需的计算机技能通常不同，你应该仔细阅读每个职位描述，以了解在简历上列出哪些计算机技能，” Resume Coach 的专家写道。 “然而，如果一个职位需要大量与职位核心相关的技能，你应该在简历上添加一个特定的‘计算机技能’部分以突出这些技能。”
在他关于如何选择数据科学工作的 KDnuggets 文章 中，SuperDataScience 的总监 Kirill Eremenko 表示同意。
他写道：“与任何其他职位一样，申请前一定要彻底阅读职位说明。” “数据科学家注重细节——确保在申请中证明这一点！”
CEO 和招聘经理在寻找潜在的大数据岗位候选人时还关注一个（上文未提及的）质量，那就是“灵活性”或“适应能力”。这是因为大数据和分析领域本身就是一个颠覆性的领域，与其他劳动力相比，假设对类似颠覆性力量具有任何类型的免疫力将是极其愚蠢的。事实上，大数据领域可能已经面临颠覆性的技术变革，研究人员已经开始尝试（并取得了一些成功）如何 使用氯原子和纳米磁铁 存储数据。
通过关注行业趋势，提升硬技能和软技能，你可以在数据科学领域找到一份工作。 注意细节，确保你有优秀的硬技能和软技能的组合，并向前展望。数据科学职业机会很多——确保你主动抓住这些机会。
资源：
相关：