转岗大数据？

近几日，许久未曾联系的大学同学突然向我咨询转岗大数据的事情，他当初并未考研，算起来已经工作有五六年了，这个时候考虑转岗，让他十分纠结。

由于作者也是半路转岗大数据，今天就跟大家分享一下自己对于这个问题的一些想法和建议吧。

01

转岗原因分析

作者的这位大学同学辗转过几家公司，换过几个工作，毕业头几年是安卓开发。

打去年开始纠结转岗，问他原因，他说，目前安卓市场已趋于饱和，他现在每天的工作内容重复，没有技能提升，薪水涨幅又很小。看到目前人工智能这个方向正炒得火热，所以很想转岗。

 

ok，以作者同学的例子为参考，我们来梳理一下一个人工作一段时间后，为什么想要转岗的可能原因吧，从转岗前工作 和 想转去的岗位 两个角度我们来简单总结一下：

 

转岗前工作情况

• 行业发展前景不佳，要么过于冷门，要么趋于饱和

• 工作内容重复，枯燥，技能提升不明显

• 薪水涨幅小

以上是作者同学所反馈的几点原因，另补充几点可能原因，如下：

• 目前工作与个人性格相悖，比如性格内向的人从事销售行业

• 目前工作压力太大，想找一份轻松点的工作

• 目前工作毫无挑战，没有意思

• 接触到了自己更感兴趣的行业或者工作

想转去的岗位情况

• 热门，行业发展有前景

• 薪水待遇高

• 新的岗位更能发挥个人的优势

• 感兴趣

• 新的岗位符合自己的职业规划预期，比如想找份轻松的，于是转岗公务员；

正在考虑转岗的小伙伴们，right？

02

转岗前的一些小建议

转岗绝不是一件轻松的事，像作者同学这般，已经工作五六年，想要转岗，绝对有他充足的理由。

但是，作者在此依然想先跟大家讨论一下，关于转岗是真的出于“自我选择” ，还是 “迫于无奈” ，或者是 “一时冲动”？

 

转岗是否出于“自我选择”，可通过是否符合以下情况来自我检测一下：

• 目前的工作表现不错，尽职尽责、努力上进，与同事和老板相处融洽；

• 经过客观理性的分析和了解，十分明确自己需要做出新的职业规划的原因，这些原因包括行业前景等客观原因和自我剖析后性格、兴趣点等主观方面的原因；

• 对想转去的岗位做了详细的调研，对新的职业发展有一定的了解和准备；

作者想提醒大家，尽量不要在以下情况下急着转岗：

1）对新的岗位根本不了解，只因为工资待遇较现在高就转

薪资待遇高，绝大部分与压力大是对等的，贸贸然“财迷心窍”转入一个新的领域，到时候只怕会不知所措，难以适应。

2）没有充足的准备，短期内转岗跨度太大

隔行如隔山，作者第一份工作的导师给我的职业建议是，不要轻易的离开自己熟悉的领域，你可以一点点有计划地慢慢探索然后逐步转到自己喜欢的职业，这样才能走得更远。

3）心浮气躁，对工作，对同事，对领导，对薪水，对一切的一切充满抱怨，只想通过转岗摆脱这一切

如果你将目前的工作状况搞得一团糟，既嫌工作累，又嫌工资低，整天怨气冲天，觉得这不公平那没意思的，然后你将一切的一切都归结为工作本身不好，决定通过转岗来改善这一切，那么我想，即使你能成功转到新的岗位，依然会困难重重的。

4）只因为新的岗位入门门槛低

有的岗位像产品经理、数据分析等均是门槛不高，但想要学好却并不容易的职业，仅仅因为好入门就决定转岗，那就有点冲动了。

 

所以，像个人的职业选择这么重要的事，还是希望大家三思而后行哦。

03

转岗大数据的行业现状

大数据、数据挖掘、机器学习、人工智能，如今很多程序员对这些火热技术跃跃欲试，知乎上[深度学习如何入门？] [普通程序员如何向人工智能靠拢？] 等问题都有很高的关注度。

越来越多的技术候选人在跳槽时会思考，能否从事大数据相关岗位的工作。那么，为什么那么多人愿意转岗数据行业呢？下面跟大家一起来聊一聊转岗大数据目前的行业现状吧。

1）为什么那么多人愿意转投数据行业？

 

• 人才市场需求大

据美国劳工局预测，2022年美国市场将需要约85万大数据方面的专业技术人员；而国内数据统计《大数据人才报告》显示，预测未来3到5年人才缺口将达到150万之多。

 

• 职位薪酬水平普遍较高

据统计，在美国大数据分析师平均每年薪酬在17.5万美元左右；而国内一线互联网公司，大数据分析师的薪酬水平普遍比同一级别的其他职位高20-30%，这也成为国内转岗人员往大数据转型的很重要的理由之一。

 

• 高校加大对大数据相关专业的设立

目前，全世界有近170所大学开设了大数据相关专业。近些年，国内教育部也积极采取措施，加强对大数据人才的培养，开设新专业如“数据科学与大数据技术”等。

 

• 媒体的大规模宣传

随着数据挖掘、机器学习、人工智能等热门行业的迅速发展，各大公司都会在各种场合对此谈论一二，以彰显自己公司的技术水平。媒体将会对这些热门话题进行争相报道，大肆宣传，甚至是过度宣传。

我们正处于信息大爆炸时代，一部手机，就能不出门知天下事。因此，只要身处互联网，关于大数据的火热多多少少都会听说一二。

 

从100offer平台发出的《2018 Q3 高端互联网人才流动报告》中可以看出，大数据相关职位的面试邀请和薪资待遇情况均较乐观。

 

                                             

 

2）转岗大数据大多来自哪些职位？

• java开发

大数据的各类框架如Hadoop，spark，storm，flink，各种中间件如flume，kafka，sqoop等等，这些框架以及工具大多数是用Java或基于JVM的Scala语言编写而成，所以目前转岗大数据最多的来自Java岗。

 

• 安卓/c++等其他开发岗

如作者同学这样，还有作者之前的一个同事，都是从安卓开发岗转型到大数据的，对开发岗转型的小伙伴来说，都是编程，只要有底子，付出努力，转岗大数据的前景依然很可观。

 

• 业务岗

通常情况下，都是技术转业务岗较多，但大数据里的数据分析岗介于技术和业务之间，于是很多业务岗小伙伴在日常工作中学会了sql等基础工具的使用后，也会考虑借此机会转到大数据。

04

转岗大数据的途径

通过以上行业情况分析，足见大数据未来发展前景很可观。那么，怎样才能顺利的转到大数据呢？

作者认为，主要有以下几种方式：

1）企业内部转岗

通过企业内部途径进行转岗，这是实现转岗的最佳途径，方便快捷、成功率高。

至少，依然是熟悉的业务、熟悉的同事朋友、熟悉的工作环境，不需要花费很多时间去适应新的变化，只需要调整好自己的本职工作内容，努力学习新的知识和技能即可。

 

作者之前有一个同事就是从公司内部的安卓开发转过来，他在一年多前就通过同事向大数据部门leader表达了转岗的意愿，当时并未得到同意，部门leader回复他，想转岗大数据，至少得掌握一些基础的知识和技能。

于是他一边工作一边努力补充数据岗知识，一年后，随着公司业务的极速发展，大数据部门开始应接不暇，急需人手，而且需要立马就能开始分担工作的那种。于是，大数据部门leader直接找到他，一番面试了解后，同意了他的转岗请求。

一切意料之外，但又似乎情理之中，于是就这么顺其自然的转到了大数据。

 

2）借助培训班再就业

如作者同学这般，他目前所在的公司没有数据岗。如果通过先找到一家有数据部门的公司，然后再内部转岗，路线又过于曲折。

那么，作者觉得在平时没有利用业余时间朝这个方向进行积累的情况下，参加一个专业培训班短期进行集中充电，至少帮助入个门是很有必要的。再次求职时自己降低再就业的择业标准，多参加一些面试积累经验，找到一份数据岗工作还是很有可能的。当然，需要有决心和毅力，付出巨大的努力，这是无可厚非的哦。

 

3）书籍、视频日常积累

没有内部转岗的机会、又不愿花钱参加培训班，那就平时乖乖看书吧，至少大数据的一些基本框架、技术和工具的经典书籍得好好读一读，然后至少要有一套完整的大数据教学视频带着入门。

其次可以多关注关注目前行业的招聘信息，了解下需要符合哪些条件，学完一段时间就出去应聘下，既是给自己一个警醒，又能更精准的把握住面试所需。

有志者事竟成。

05

大数据的职业发展

作者上文给大家提了几点转岗前需要考虑清楚的问题。

其中一项就是一定要对想转去的新岗位的行业前景、职业发展、职位特性甚至工作内容都要有一个基本的认知。

由于作者资历有限，也无法从一个拔高的角度向大家全面阐述清楚大数据方向有关这些方面的问题，于是在此给大家转载一份作者认为归纳较好的网上高人总结的大数据的职业发展情况，如下，希望对大家有所帮助：

 

大数据总体可分为2大方向5大职业。

2大类分别为技术类和业务类 ，其中，技术方向侧重于怎样处理好数据，业务方向侧重于怎样用好数据；

技术方向

技术类方向是数据界的码农、程序员。

1）数据平台研发路线

• 职责：主要负责大数据技术的产品化，包括开源技术框架的研究、封装和开发

• 入门：系统性了解大数据技术体系（spark、hadoop、hbase等技术），通读一遍各技术框架的技术文档，知道每项技术能够解决什么问题，其实现原理，优缺点等；能够调用各技术框架API进行功能封装

• 进阶：能够优化开源框架性能及完善开源技术、作为开源社区的commiter

• 发展：数据平台研发架构师、数据平台产品经理

 

2）数据开发路线

• 职责：也叫ETL工程师，主要负责使用大数据技术采集、处理、分析数据；

• 入门：同数据平台研发工程师，并熟练使用SQL、存储过程；

• 进阶：技术选型、技术架构设计、数据架构设计、平台性能调优

• 发展：数据架构师、大数据DBA

 

3）数据算法路线

• 职责：俗称调参工程师，主要负责使用机器学习算法建模，处理业务需求，基于算法引擎封装算法工具。

• 入门：python语言，sklearn、tensorflow等算法引擎，熟悉决策树、SVM、朴素贝叶斯、神经网络等各种算法原理和适用场景；

• 进阶：业务建模、调参

• 发展：数据科学家

 

4）数据可视化路线

• 职责：主要负责数据可视化应用开发

• 入门：各种数据可视化图表适用场景、echarts框架、vue、BI工具

• 进阶：数据应用可视化UIUE设计、大屏展现设计

• 发展：数据艺术家

 

业务类

1）数据分析路线

• 岗位：主要负责结合业务问题，使用大数据分析、制作数据分析报告、规划数据应用

• 入门：熟悉各种分析图表、数据分析工具、具备数据分析报告撰写能力等

• 进阶：熟悉各种算法概念及使用场景、具备敏锐的业务思维、管理思维和应用规划能力

• 发展：数据咨询师、数据产品经理

06

最后

那么，你还在考虑转岗大数据吗？

希望这篇文章对你有一定的帮助，如果还有新的疑问，欢迎留言，或者加入本公众号的微信群(关注“数据与智能”公众号，回复入群)，大家可以一起帮你分析探讨一下哦~

-end-