随着很多大公司对数据分析需求增多，数据相关岗位的人才需求量也越来越大。 数据学作为一门学科，已经受到时代的追捧。数据学，或者更准确来说，大数据，在2000年早期还是个冷门，而现在早已成为人们关注的焦点。早在2014年，高德纳咨询公司就预测，到2016年将有73%的公司企业将在大数据项目中投入重金。 2016年的尾声即将到来，我们是时候回顾一下大数据的发展，盘点十大最热门的数据岗位。

随着很多大公司对数据分析需求增多，数据相关岗位的人才需求量也越来越大。 数据学作为一门学科，已经受到时代的追捧。数据学，或者更准确来说，大数据，在2000年早期还是个冷门，而现在早已成为人们关注的焦点。早在2014年，高德纳咨询公司就预测，到2016年将有73%的公司企业将在大数据项目中投入重金。 2016年的尾声即将到来，我们是时候回顾一下大数据的发展，盘点十大最热门的数据岗位。

TOP1 首席数据官(CDO)

三军不可无帅也，所有想在大数据项目中取得成功的公司都需要首席数据官坐镇指挥。2014年CDO数量只有400人，2015年增长到了1000人，据此，加德纳预计，到2019年90%的英国大公司都会拥有自己的首席数据官。 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。

TOP2 营销分析师/客户关系管理分析师

客户忠诚度项目、网络分析和物联网技术积攒了大量的用户数据，很多先进公司已经在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Adobe Campaigns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。

TOP3 数据工程师

随着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。

TOP4 商务智能开发工程师

商务智能开发工程师的最基本职能，是管理结构数据从数据库分配至终端用户的过程。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/SSRS/PowerBI)，甲骨文(OBIEE, OBIA)，SAP(BusinessObjects)和IBM(Cognos)。

TOP5 数据可视化

你可能会奇怪，我为什么把可视化摆在商务智能研发工程师前面。但是随着指示板和可视化工具的增多，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。

TOP6 软件研发工程师

这个也是大数据相关岗位?随着大数据的发展，很多公司都开始打造基于大数据平台的网页应用。除了掌握Javascript、C#、PHP和Diango Python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。

TOP7 大数据工程师

正如上文提到过的，数据工程师的工作是负责管理公司的数据，包括数据的收集，存储、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。

TOP8洞察分析师

可能每个公司对这个职位的叫法不一样，但不可否认，现在具备执行力且精通技术的分析师炙手可热。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。

TOP9数据架构师

在大数据环境中运行程序是一回事，而构建大数据基础设施则是另一回事。一个卓越的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Google Cloud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。

TOP10数据科学家

最近，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。

本文转自d1net（转载）