python数据挖掘工程师待遇_数据分析师和数据挖掘工程师的区别？

1.数据分析和数据挖掘联系和区别

联系：都是搞数据的

区别：数据分析偏统计，可视化，出报表和报告，需要较强的表达能力。数据挖掘偏算法，重模型，需要很深的代码功底，要码代码，很多。

2.用什么语言

数据分析：excel是必须，R是基本，python是进阶。SAS和Matlab给土豪去玩吧。

数据挖掘：python是必须，java/c/c++是基础，hadoop/mapreduce/spark先掌握一点，因为并不是所有公司都有这么大的数据量。

3.需要学数学吗

数据分析：统计学，概率论，

数据挖掘：高数/数学分析，数值分析，线性代数，凸优化，运筹学(这些是基本)数字信号处理，模式识别，矩阵论(进阶)

4.要不要读研究生

一般来说，只有应届生去找工作会比较看重学历，因为你没有其他可以展示你能力的。但是随着工作时间久了(两年+),你的能力远超于你所在的学校，学历就不重要了。如果要读，建议读计算数学/概率论/模式识别/计算机 方面的研究生，争取发论文(高质量)，否则应聘的时候并没有什么影响，当然，有些公司可能会在初筛的时候根据学历筛选人，正常，真想进就多工作几年再社招进去呗，学历不好也不能怪别人对不对。

工作几年后，如果觉得到瓶颈了，可以再去读书，没什么，这个时候可能你更清楚自己需要的是什么。

5.选择去哪个公司

大公司核心职位优先>>中型公司核心职位>大公司边缘职位>优秀的创业小公司核心职位>中型公司边缘职位>坑人的创业小公司边缘职位

原因：

1.大公司数据量多，人才多。能接触到核心项目核心职位是最佳选择。(BAT，网易有道，微软等)

2.中型公司发展快，机会多，压力大，成长快。(美团滴滴58)

3.创业公司慎选，如果有创业公司的offer，一看他们差不差钱，而看他们项目赢不赢利，三看团队技术氛围浓不浓。不差钱+盈利但技术氛围不浓，可以去，但不适合对技术追求高的人;不差钱+技术氛围浓但暂时不盈利，可以考虑，但要搞清楚盈利模式。盈利+技术氛围浓但现在差钱，可以考虑，争取成为核心成员，一旦融资不得了。如果差钱又不盈利技术氛围还差，算了吧，耗不起。

实在不知道怎么选，就看两点：1.数据量大小 2.技术氛围。钱少可以以后赚，技术氛围浓最重要。

6.没有项目经验怎么办

应届生要啥项目经验，本科生就说说自己的毕业论文，数模/ACM/阿里的参赛经历或获奖经历，以及可能会有的实习经历。研究生就说实验室的项目，负责的工作，完成的成果和发表的论文。不要夸大，如实说。

7.到底该选数据分析还是数据挖掘

代码能力强直接搞算法，弱就先做数据分析，慢慢来，不着急。想我毕业的时候只会Matlab，后来被领导逼着两星期学了R，一个月学了python，自己在业余学了java,hadoop和spark等，也是一步步来的，不要想一口吃成个大胖子。