首席数据官(CDO)

首席数据官的工作内容非常多，职责也很复杂，他们负责公司的数据框架搭建、数据管理、数据安全保证、商务智能管理、数据洞察和高级分析。因此，首席数据师必须个人能力出众，同时还需要具备足够的领导力和远见，找准公司发展目标，协调应变管理过程。

营销分析师/客户关系管理分析师

使用相关策略来支持公司的发展计划。尤其是市场部门能够运用这些数据进行更有针对性的营销。营销分析师能够发挥他们在 Excel 和 SQL 等数据分析工具方面的专业特长，对客户进行细分，确保数字化营销能够到达目标客户群体。当与 AdobeCampaigns 等广告系列管理软件配合使用时，公司企业就可以确保其营销策略达到最佳效果。

数据工程师

Hadoop 和非结构化数据仓库的流行，所有分析功能的第一要务就是要得到正确的数据。商务智能和数据科学都要求有干净的、有序的且可用的数据框架，而这通常是通过 SQL 服务器、甲骨文(Oracle)和 SAP 公司数据库来实现的。高水平的工程师需要掌握数据管理技能，熟悉提取转换加载过程，很多公司都急需这样的人才。事实上，很多首席数据官甚至认为，数据工程师才是大数据相关行业中最重要的职位。

商务智能开发工程师

商务智能(BI)曾经只是商务金融的基础，现在已经独立出来，成为了单独的部门，很多商务智能团队正在搭建自服务指示板，这样运营经理就能快速且有效地获取高性能数据，评价公司运营情况。商务智能最重要的技术目前都掌握在主要科技巨头手中，包括微软商务智能软件包(SSIS/SSAS/×××S/PowerBI)，甲骨文(OBIEE,OBIA)，SAP(BusinessObjects)和IBM(Cognos)。数据可视化工具的增多，商务智能“前端”研发工程师需要更熟练掌握Tableau、QlikView/QlikSense、 SiSense 和 Looker。能够使用 d3.js 在网络浏览器中制作数据可视化的研发工程师也越来越受到公司欢迎。很多大公司开出的年薪已经超过了 7 万 5 千英镑，平均日薪 500 多英镑。

软件研发工程师

网页应用。除了掌握 Java、C#、PHP 和 DiangoPython 框架等传统软件研发工具，大数据软件研发工程师还需要熟练使用 Pyramid 或者 Flask。

大数据工程师

处理和分析。从经验来看，这涉及到使用关系型数据库，来管理以表格方式存储的数据。有很多关于数据怎样才能被定义为大数据的讨论。为了得到这个问题的结论，必须综合考虑结构化和非结构化数据(图像，视频，音频文件等)，它们往往是实时收集的，并且过于复杂，因此不能由传统数据结构处理。大数据工程师需要能够搭建并维护大型异构数据框架，这些数据通常是在 MongoDB 等 NoSQL 数据库中。很多公司采用 Hadoop 框架和很多 Hadoop 次级软件包，如 Hive(数据软件)，Pig(数据流语言)和 Spark(多编程模型)，当然数据基础设施还远远不止这些。

洞察分析师

析师炙手可热。通常，他们都会和产品部门、市场部门紧密合作，运用数据编程工具来整合大数据集，得出分析结论，支持发展客户群，制定维持客户关系策略。从技术的角度来说，洞察分析师需要掌握各种数据编程工具，如 SQL、SAS 和 SPSS 等。但是很多公司都希望能够使用R 和 Python 来获得更深度的分析，同时还要与 RStudio 等软件包配合使用，来生动地表达可视化数据分析结果。

数据架构师

数据架构师可为尖端的大数据解决方案提供基础，其职责包括使用 AWS，Azure 和GoogleCloud 了解云中的数据存储和使用 Hadoop 或 NoSQL 设计基础架构数据库来管理非结构化数据。

数据科学家

Glassdoor 表示，数据科学家是“美国的最佳工作”，是数据世界的常驻“摇滚明星”。关于谁才是真正的数据科学家，曾引起了世界范围内的讨论，参与这场讨论有许多强大学术背景的博士硕士，他们在统计学，数学，物理学，经济学，数据挖掘和机器学习方面都具备深厚专业知识。优秀的数据科学家能够使用先进的分析原理和 Python，R 或 Spark 等数据编程工具来识别并解决高度复杂的业务问题。他们的分析将在决策中发挥核心作用，提供智力支持，以确保公司能够在日益复杂的商业环境中获得成功。