靠转型大数据涨薪的日子一去不复返了 No(3)

数据从产生到被使用，最基础的链路就是。采集 -> 清洗 -> 处理 -> 分析 -> 决策。而在这个链路上，从前到后，所需要的技能是不一样的。一般来说，越处于后端门槛越高，复杂程度也越高。当然我不是说前面就不重要了，每一个环节都很重要，只是门槛高低而已。每个阶段做到牛逼你都可以很牛逼。

所以数据开发的职位从纵向来说，可以分为 数据采集工程师->ETL工程师->数据开发工程师->数据算法工程师->数据分析师。从横向来说，还可以有数据集群运维工程师、大数据平台开发工程师、数据治理架构师、数据服务架构师、大数据系统架构师、大数据框架开发工程师 这些职位来支持前面的这些流程更加方便快捷地开发和落地，以及更好地维护。

如果我想转型，我需要什么技能呢？

从职业发展来说，大数据开发一般来说有这么三条线。

主线1：服务支持线（新手基本不受欢迎了）

数据集群运维工程师->大数据平台开发工程师->大数据系统架构师->大数据框架开发工程师

必选：Linux、Hadoop集群，Hive、Zookeeper、HBase、Ozzie、Flume

可选：Impala、各种框架源码

语言：shell、Python

建议路线：1、先学习基础的 Hadoop 集群维护技能，写一些 shell 脚本，使用定时调度功能。2、学会使用平台工具进行监控和维护，并参与到平台开发和工具开发中。3、对现有系统架构和框架进行重新架构或改良。

主线2：数据仓库线（新手基本不受欢迎了）

数据采集工程师->ETL工程师->数据治理架构师->数据服务架构师

必选：HiveQL、Spark、Hive、Flink、Kafka

可选：Storm、分布式一致性算法、JVM调优、MapReduce、BitTable

语言：Scala，SQL，Java

主线3：数据挖掘线（分析能力强的还是很吃香）

数据开发工程师->数据算法工程师->数据分析师

必选：可视化技术、SQL、统计学、概率论、智能优化、机器学习工具（Tensorflow、scikit-learn）

可选：caffee，torch，OpenCV

语言：Python，R

我是不是学 Scala 就算转型了？

最后聊聊数据从业人员的语言问题。总是有小伙伴问我，该不该学 R，该不该学 Scala ，该不该学 Python，该不该用 Java。我的观点就是，每个语言都只是自己的工具，不要守着一门语言死磕，每个语言都有它自己擅长的领域，在每个领域你尽量用它擅长的语言去处理，就好了。当然，如果你已经工作了五六年还被语言局限，那你可能要好好思考一下了。

2019年08月编程语言排行榜

Scala：Spark的实现语言是 Scala，现在也有大神用 PySpark 来实现一些数据处理的东西，为了兼容机器学习框架。

Python：数据爬取和机器学习从业必备，其他语言基本都是旁支。不要以为Python跑得很慢，其实那些框架都是 C++ 和 C 实现的，只是套了一个 Python 的壳，还做了很多优化，比你自己写的 C++ 还快。

R：数据探索和数据可视化有非常多场景是用 R 语言来进行做的。

Java：Hadoop 套件基本都是用 Java 实现的，熟悉 Java 可以让你更加清晰你所占用的资源分布，瓶颈是在 cpu 还是 内存，是磁盘 IO 还是 网络 IO。

结论

大数据还是值得转型的，而且很值得，但是想着只靠一个技能翻身的机会没了，想靠着转型大数据涨薪的日子，也一去不复返了。

但是，大数据中高端人才，正在为推动行业发展发挥着越来越大的作用，你，还有机会。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取