大数据职位所需的数据场技能

摘要：除了报表统计外，还需要对数据的有很强的解读能力。电商中的个性推荐技术，商业与银行中的欺骗检测，智能手机中语音识别等等技术，让我们浑身便散发出大数据与机器学习的各种场信息，给人以满满的正能量。

 

01 数据场

学过物理的小伙伴，都知道世界充满了电场和磁场。了解过佛学的人，都知道世界充满了念力场与信息场，通过信息场，可以与更高一级的文明进行沟通。

有的人一出现，浑身便会散发出强大的气场。现在是数据时代，整天和数据打交道，要培养自己的数据场。开句玩笑的话，以后往人群中一站，还未开口，浑身便散发出大数据与机器学习的各种场信息，给人以满满的正能量。

说起“大数据”一词，也是真正被吵够了。连做个简单的统计也叫大数据，做个表格、画个图形出来，就叫大数据了。凡是不和“大数据”沾边，就感觉已经落伍了。其实，很多人除了知道简单的统计外，根本不了解大数据是什么。甚至连Hadoop都不知为何物，更别谈机器学习了。

大数据是一个概念也是一门技术，是在以Hadoop为代表的大数据平台框架上进行的各种数据分析技术。包括了实时数据处理、离线数据处理；还包括了数据分析，数据挖掘，和用机器学习算法进行预测分析。

概念吵着吵着就变味了。用“大数据”来代表一切，有些不太合理。目前比较合适的一个词是数据科学（Data Science），做数据科学的可以叫数据科学家。当然真正到科学家这个级别，要求是非常高的，需要有完整的数据知识体系。

也许小时候的梦想就是当科学家，现在终于不用上博士就可以实现了。虽然很多都只是自己团队或者公司封的职位。接下来，可以看看，在数据方面上，大概有哪些职位。

02 数据职位

限于个人的阅历与认识，在此只是列举其中一部分出来。

2.1 开发相关

主要有数据抓取，也即通常说的网络爬虫。需要考虑数据抓取的实时性与完整性，还有数据及时更新，数据去重等等。严格来说，和通常意义上的大数据相关性不大，主要是后端开发的一系列技术，其中也会涉及分布式的一些技术。

ETL开发，ETL为Extract、Transform和Load的缩写，即数据抽取，转换与装载。将各种来源的数据进行收集、规范和存储起来。可以是离线的方式，存储在以Hadoop为代表的大数据集群中。也可以是实时的展现在报表系统中。如果是实时的，也叫实时数据流开发，通常和Storm框架或者Spark Streaming技术相关。

Hadoop平台开发，专指以大数据框架为基础，并在此基础上进行二次开发或者数据流开发。对数据平台做开发与改进，只能是程序员的工作了，根据业务需求，对现有的平台进行改进与优化。因为是平台相关的，通常需要Java与Scala的专业程序员，这块和数据分析基本没有太大关系。

另外还有纯前端的数据可视化技术开发，或者纯运维的大数据集群管理等等。

2.2 报表分析

商业智能分析，包括报表分析，运营或者销售分析，这一块以Excell、SPSS和R为代表。主要是指对针对具体业务，对现有的数据进行统计分析，期待从中发现一些规律与趋势。

数据分析报表，也是最常用的数据分析师职位的一些工作，通常产出以报表为