七個HR總監容易懵圈的大資料工作職位

大資料時代，資料驅動型企業的決策品質和效率将遠超競争對手，但無論大資料也好，小資料也罷，企業的龐大資料資産如果沒有專業人才點石成金，也隻能是污染環境的礦渣，而資料分析專家，如今正是企業數字化轉型中最熱門的人才。以下it經理網根據glassdoor的招聘資料統計，為大家整理目前最為炙手可熱，同時又容易讓企業人力資源總監“傻傻分不清”的大資料高薪職位，供大家參考：

一、資料科學家

資料科學家是過去幾年最吸睛的資料分析金字塔尖崗位，同時也被glassdoor評為工作生活平衡度最好的進階it職業，錢多還能睡到自然醒那種（編者按：對于那些不能睡到自然醒的所謂資料科學家，你很有可能被忽悠去幹了苦逼的cdo）。

資料科學家通俗講就是能動動指頭就幫企業從“垃圾資料”中挖到寶貝那種人。對于資料科學家應該具備何種“神技”，業界衆說紛纭，莫一是衷，例如ibm給出的這張資料科學家技能圖（上圖），基本上需要萬中無一的曠世奇才才能通關。對于大多數資料科學家來說，将自己與其他預測分析專家區分開來的一個重要技能是：更加紮實雄厚的程式設計功底，可以對各種來源，各種格式和各種size的資料都能像水果忍者一樣格殺勿論。資料科學家同行擁有數學或統計學領域的博士學位，精通各種統計和機器學習方法，以及r和sas等分析工具。資料科學家通常也是hadoop和spark等大資料系統的熟練使用者。

值得注意的是，資料科學家在企業招聘中經常被歸類到“軟體工程職業”，但實際上很多資料密集型企業的資料科學家的工作更多是在産品層面，例如facebook認為資料科學家候選者的理想專業背景不是計算機科學，而是社會學或者社會心理學。雖然目前it行業很多的低端軟體開發人員或資料分析師也自稱資料科學家，但是真正配得上這個稱号的人才少之又少。

二、進階分析專家

進階資料分析專業人才這個定義中的“進階”兩個字，通常指的是預測分析、指令性分析、模拟，以及其他形式的進階分析。進階分析專家與資料科學家最大的差別就是，進階分析專家通常不具備超大規模資料集或非結構化資料的分析工作經驗。

三、資料分析師

資料分析師的工作職責非常寬泛，從資料品質、治理到建立使用者資料分析系統，并執行具體的資料分析任務。資料分析師的工作範疇與資料科學家和進階分析專家有很大的重合，但是資料分析師屬于更加初級一些的通用性資料分析人才，可以在企業内不同崗位扮演不同角色。

四、資料工程師

資料工程師通常在幕後工作，他們的存在使資料科學家和資料分析師的工作變得更加容易。資料工程師通常精通hadoop等大資料技術，例如mapreduce、hive、pig、sql、nosql，以及資料倉庫解決方案。資料工程師的工作是建立管道 – 能夠從不同資料源彙總、清潔資料，然後加載到資料庫或資料倉庫。資料工程師不分析資料，相反，他們建立一個能讓資料流動和處理的軟體基礎設施，供其他專業人士用來分析資料。

五、業務分析師

業務分析師的職位經常會與資料分析師搞混，因為業務分析師也可以執行非常類似于由資料分析師的任務。但是，業務分析師通常有自己業務領域的專業知識，他們運用這些隻是對企業業務營運中的特定領域進行分析。例如，業務分析師的建議可以幫助企業改進業務流程。

六、資料庫管理者

資料庫管理者顧名思義負責與資料庫操作，監控和維護的所有事務 – 這裡的資料庫通常指sql或其他關系資料庫管理系統。資料庫管理者的任務包括安裝，配置，使用者教育訓練和文檔維護等等。資料庫廠商包括ibm，微軟和甲骨文都有自己的額資料庫技術認證。

七、商業智能專家

商業智能專業人士善于利用olap工具，報告和儀表盤洞悉資料集曆史趨勢。商業智能包括資料可視化，以及當下流行的商業智能平台如tableau、qlik和microsoft power bi。

本文轉自d1net（轉載）