大数据职位体系梳理

大数据时代，给个人带来了新的发展机会，也给个人提供了新的职位发展通道。一些同仁从其他岗位转向大数据岗位时，面对众多的大数据招聘职位时，却不知所措，不知道应该选择什么样的职位发展方向。
以下收集并整理了一下各个公司的招聘职位，试图梳理当前大数据岗位体系，并寻找出一条合适的职位发展通道，希望对大家有用。
大数据职位体系
当前大数据职位，从总的来说，主要有两大类：一类是应用类，另一类是系统类。

应用类
应用类，偏向于数据分析和数据应用，经常说到的数据分析、数据挖掘，就是典型的应用技术。这一类职位，要求采用适当的分析和挖掘方法对数据进行分析，提取数据中隐含的业务信息，来支撑企业决策。
最典型的职位就是：大数据分析师。
▊大数据分析师：主要是指，基于业务问题，能够选择最合适的数据分析和数据挖掘方法，提取数据中的业务信息，从而支撑业务决策。要求熟悉数据分析/挖掘过程，掌握数据分析/挖掘方法，理解数据分析模型，熟练操作数据分析工具（比如Excel、SPSS、SAS等）。一般对于大数据分析师，其能力要求比较全面，不管是业务逻辑、还是分析方法、模型、可视化，都要求全面掌握。
▊业务数据分析师：侧重于商业理解，要求能够将业务问题和商业问题，转化为大数据的问题，并将分析结果从业务层面进行解读，从而形成业务建议和业务策略。要求熟悉业务逻辑和业务模型，掌握数据分析思路，能将数据可视化，对数据解读等。当然，类似的职位还有大数据观察员、大数据研究员等等，这些都侧重于商业理解。
▊大数据建模/算法师：侧重于数据建模，能够围绕业务问题，构建合适的数据分析框架和分析模型，将业务问题进行分解，从而达到定性或定量来描述业务的目的。要求熟悉数据建模、模型评估、模型优化、模型应用等等。
▊大数据算法师：侧重于数据模型的实现算法研究、设计与实现，为达到分析目的，对实现算法进行分析、选择与优化，确保实现性能及效果。一般情况下，算法师往往和建模师在一起工作。
系统类
系统类，偏向于系统研发，比如hadoop系统、云计算，就属于系统类技术。这一类职位，要求熟悉Hadoop大数据平台的核心框架和组件，能够基于大数据平台来写代码开发应用，支撑业务应用。
最典型的职位就是：大数据工程师。
▊大数据开发工程师：负责大数据系统的开发工作，能够运用编程语言进行应用程序的开发、测试和维护，实现产品功能。要求掌握编程语言，如JAVA、R、Python等等。
▊大数据架构师：负责大数据系统的平台架构设计、平台构建。要求熟悉Hadoop/Storm/Spark等平台，熟悉整个生态系统的组件，有平台级开发和架构设计能力等等。
▊大数据运维工程师：侧重于大数据平台运维管理，包括系统运维规划、系统监控、系统优化等等，保障大数据平台服务的稳定性和可用性。掌握平台各组件的安装、配置与调试，有良好的系统性能优化及故障排除能力。
▊大数据库管理员：侧重于数据库/数据倒仓库的设计、开发、管理和优化，监控数据库的性能、故障检测和排除，包括数据采集，数据库架构设计，空间和容量规划，性能优化，数据安全和隐私，数据容错，等等。
当然，在不同的企业中，职位的名称和叫法有所不同，或者会衍生出新的职位，但基本的岗位职责是类似的