京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”淘金热正在降温_数据分析师
北京时间3月8日消息,据国外媒体报道,IT企业得不到预期的投资回报率,直接导致了“大数据”专家奖金的减少,不过“大数据”淘金热的降温或许只是暂时的。
“大数据”已然成了IT求职者的淘金热。近年来,随着对Hadoop数据处理框架及Hbase数据存储应用技能的需求急剧增长,技术者的工资和薪水也逐渐攀高。而如今,许多企业发现,投身“大数据”行业并不能获得及时回报率,这一淘金热也呈现出放缓的趋势。
IT分析公司富特伙伴(Foote Partners)对整个科技行业成千上百名IT人士位进行了市值跟踪调查。据悉,在2014年最后的九个月里,其中58项大数据分相关工作的平均薪酬溢价降到了4.7%。
富特公司首席分析师大卫·富特(David Foote)解释道,主要的问题在于相对于入行前可观的投资而言,很多员工对获得的回报并不满意。
尽管淘金热已降温,但富特期望大数据专业人才的奖金在未来两年内能逐步回升。毕竟用他的话来说,大数据的应用能力对保持竞争力来说太关键了。
对很多企业来说,从“大数据”中获得投资回报并不容易
据互联网数据中心(Internet Data Center)预测,由于大数据的支出超过了整个IT行业的支出,到2018年单是美国就会有181000个深度分析师,数据管理和解析相关职位会是现在的五倍。
富特认为文化和组织的障碍会影响到企业数据的监管、透明度以及共享,这也是回报减少的一大原因。这些屏障在科技含量稍低的公司并不存在,而这些公司已经很快地收到了大数据的回报。他补充说道:“不能只是因为从谷歌和亚马逊雇佣他们的数据处理专家,就指望拥有这些公司的数据处理能力。”
即便如此,Dice.com调查数据显示,大数据的一些关键工作的基本工资还是很高的。
据Dice.com报道称,大数据相关的工作是很多的。15年2月中旬就有4700个职位登上了他们的搜索平台,一年前相关领域的平均工作增长率就达到了57%。
富特公司数据显示,在过去的九个月里,数据存储、日志收集以及数据分析这样的工作,代表的是领先指标的薪水,聘用的放缓以及非专业人才奖金的缩减。
Linux操作系统和云端还很热,大数据有可能回温
尽管大数据热正在降温,但云端和Linux人才还是很吃香的。
Dice.com和Linux基金会了对1000名企业、小型公司、政府及人力资源招聘机构的招聘经理的调研结果如下:
97%的招聘经理称他们将在未来的六个月雇佣Linux专业人才。
42%的招聘经理称在有在OpenStak和CloudStack的工作经验会影响他们的招聘决定。
88%的招聘经理称很难招到Linux人才。
最后一条显示,因人才短缺,有Linux专业技能的求职者更能争取到好的合同。
据富特称,拥有云相关技能的专业人才的薪酬也是很高的,这也意味着Amazon, Salesforce, EMC, Hewlett-Packard, Microsoft, Oracle, and EMC VMware公司拥有云认证的供应商凭借大量的市场预算成功打造出了他们的云产品和云服务。
Linux热并不惊人,但大数据热的减弱的确值得关注。然而,发现这一现象的富特公司也很有可能在不久后纠正自己的这一说法。如果真是这样,那便是学习相关技术并待需求回升后得以致用的好时机。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14