大数据相关工作岗位很多,有大数据分析师、大数据挖掘算法工程师、大数据研发工程师、数据产品经理、大数据可视化工程师、大数据爬虫工程师、大数据运营专员、大数据架构师、大数据专家、大数据总监、大数据研究员、大数据科学家等等。下面先主要总结归纳最常见、需求量最大、最普遍的4个岗位,其他的岗位以后逐步补充,也欢迎大家一起来补充和优化 数据分析师: 工作内容: a.临时取数分析,比如双11大促活动分析;产品的流量转化情况、产品流程优化分析,等等; b.报表需求分析--比如企业常见的日报、周报、月报、季报、年报、产品报表、流量转化报表、经营分析报表、KPI报表等等; c.业务专题分析: 精准营销分析(用户画像分析、营销对象分析、营销策略分析、营销效果分析); 风控分析(策略分析,反欺诈分析,信用状况分析); 市场研究分析(行业分析、竞品分析、市场分析、价格分析、渠道分析、决策分析等等); 工具和技能: 工具: R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT 技能:需掌握SQL数据库、概率统计、常用的算法模型(分类、聚类、关联、预测等,每一类模型的一两种最典型的算法)、分析报告的撰写、商业的敏感性等等; 数据挖掘工程师: 工作内容: a.用户基础研究:用户生命周期刻画(进入、成长、成熟、衰退、流失)、用户细分模型、用户价值模型、用户活跃度模型、用户意愿度识别模型、用户偏好识别模型、用户流失预警模型、用户激活模型等 c.风控模型:恶意注册模型、异地识别模型、欺诈识别模型、高危会员模型、 电商领域(炒信模型、刷单模型、职业差评师模型、虚假发货模型、反欺诈模型) 金融领域(欺诈评分模型、征信评分模型、催收模型、虚假账单识别模型等) d.产品知识库:产品聚类分类模型、产品质量评分模型、违禁品识别模型、假货识别模型等 e.文本挖掘、语义识别、图像识别,等等 工具和技能: 工具: R、Python、SAS、SPSS、Spark、Mlib等等 技能:需掌握SQL数据库、概率统计、机器学习算法原理(分类、聚类、关联、预测、神经网络等)、模型评估、模型部署、模型监控; 数据产品经理: 工作内容: a.大数据平台建设,让获取数据、用数据变得轻而易举;构建完善的指标体系,实现对业务的全流程监控、提高决策效率、降低运营成本、提升营收水平; b.数据需求分析,形成数据产品,对内提升效率、控制成本,对外增加创收,最终实现数据价值变现; c.典型的大数据产品:大数据分析平台、个性化推荐系统、精准营销系统、广告系统、征信评分系统(如芝麻评分)、会员数据服务系统(如数据纵横),等等; 工具和技能: 工具: 除了掌握数据分析工具,还需要掌握 像 原型设计工具Auxe、画结构流程的X-Mind、visio、Excel、PPT等 技能:需掌握SQL数据库、产品设计,同时,熟悉常用的数据产品框架 数据研发工程师: 工作内容: a.大数据采集、日志爬虫、数据上报等数据获取工作 b.大数据清洗、转换、计算、存储、展现等工作 c.大数据应用开发、可视化开发、报表开发等 工具和技能: 工具:hadoop、hbase、hive、kafaka、sqoop、java、python等 技能:需掌握数据库、日志采集方法、分布式计算、实时计算等技术 |
|