根據數據應用的不同階段，本文將從底層到最終應用討論這些數據人員的必要技能。

1、大數據平臺

目前，它非常流行，數據源，各種酷的新技術，構建Hadoop，蜂巢，星火，Kylin，德魯伊，Copy~，如果你想了解Java，很多平臺都是用Java開發的。

目前，許多企業已經收集數據。對於傳統的業務數據，傳統的數據是完全足夠的。但是對於用戶行為和點擊行為或者許多非結構化數據，如文本、圖像和文本，由於數據量太大，許多公司不知道如何處理。存儲。

如何構建實時、近實時、離線的大數據框架，如何對數據流進行耦合和解耦，如何實現容災、平臺穩定性和可用性，是我們需要解決的問題。

我的感覺是：在過去的兩三年裏，這個人才仍然稀缺，因為大數據炒作的概念是如此的激烈，很多企業被愚弄的說，讓我們也開始進入大數據行業吧。進入的先決條件之一是存儲數據，特別是在用戶行為的許多方面。企業的進步是顯而易見的。如果你能很好地描述用戶，它將有助於你的產品設計、市場營銷和市場開發。在這個階段，許多公司不得不采取第一步：存儲更多的數據。這也是員工流動性相對較高的原因。

這項工作最重要的部分是蜂箱速度慢，SQL查詢速度慢，集群再次掛起。在Hadoop版本升級之後，數據是如何運行的？

如果你想在這個領域做得好，你還需要有整個系統架構的設計能力，比較強的抗壓和解決問題的能力，資源收集能力，可以進入開源社區，這樣你才能跟上最新的發展趨勢和技術。吉斯隨時都可以。

2。數據可視化

這是一項令人眼花繚亂的工作。最好了解前端的一些東西，比如JS。數據可視化人員需要良好的分析思維，並且不能忽視對企業的幫助程度，以便展示他們的技能。因為我沒有很多訪問者來這篇文章，我沒有任何深刻的見解，但我認為這篇文章需要分析能力，以做好可視化工作。

另一方面，從事數據應用的人應該理解數據可視化。他們應該知道材料的順序是：圖片>表格>文字。一個可以用圖片描述的機會不應該用文字來描述，因為它更容易讓別人理解。你知道，當向大領導解釋事情時，你需要把大領導想象成一個“數據白癡”，這樣你才能更生動地說出一件事。大數據學習群142973723

三。數據分析員

對於數據分析師的定位：就個人而言，很難成為一個優秀的數據分析師，市場上也沒有很多優秀的分析師。除了數據分析、結論提取和洞察數據背後的原因之外，數據分析人員還需要了解業務和了解算法。

只有這樣，當遇到業務問題時，數據分析人員才能夠逐步解決問題，然後根據問題的位置對策略做出響應，如第一策略測試或優化算法的應用，使用其中sce納裏奧，我們能用這個計算嗎？依法解決問題。

優秀的數據分析師是精通業務和算法的萬能數據科學家，而不是只聽從業務需求來拉數據、做報告和做分析的懶漢。我們都說分析應該得出結論。優秀分析師的結論是一整套能解決問題的策略和反應。同時，許多需求被分析師積極發現並通過數據挖掘。

從上面的描述可以看出，對數據分析員的要求是：編寫SQL數據、精通業務、洞察數據、精通算法、主動性強、要求高。

4、數據挖掘/算法

對於這個職位的技能要求，你不需要從頭開始執行所有的算法。有許多現有的算法包要調用。基本要求是知道每個場景使用哪種算法，比如分類場景，常用的分類算法是LR/RF/Xgboost/ET等。當模型無效時，IMIZE。它還需要實現算法的能力，Scala/Python／R/爪哇可以在語言中使用。我們常說：“工具不重要。重要的是你玩的是工具而不是工具。”

另外，對於監督學習算法，算法工程師最好有良好的商業意識，這樣在特征設計時，可以更具有針對性，只有當特征設計時，才能有良好的先驗性。

這麽多人說了又談。事實上，核心是如何用數據創造價值。如果你沒有能力用數據創造價值，你只能等待被數據淹沒，被工作場所的數據扼殺，及早達到事業的頂峰。

原 大數據入門學習，你要掌握這些技能