大数据领域包含哪些职位?
在大数据行业中有很多领域。通常来说它们可以被分为两类:
这两个领域互相独立又互相关联。
数据工程涉及平台和数据库的开发、部署和维护。大数据工程师需要去设计和部署这样一个系统,使相关数据能面向不同的消费者及内部应用。对应的职位是大数据开发工程师、ETL工程师、算法工程师。对应技能为下图中粉色圈。
数据分析则是利用数据平台提供的数据进行知识提取。数据分析包括趋势、图样分析以及开发不同的分类、预测预报系统。对应的职位是数据分析师、数据挖掘工程师和数据科学家。对应的技能为下图中绿色圈。
根据领域规划你的角色?
通常来说,基于你的教育背景和行业经验我们可以进行如下分类:
如果你擅长编程技巧并理解计算机如何在网络上运作,而你对数学和统计学没有太大兴趣,在这种情况下,你应该朝着数据工程方向职位努力。
如果你擅长编程同时有数学或者统计学的教育背景或兴趣,你应该朝着数据分析师职位努力。
如何成为一名大数据工程师?
首先让我们先了解下大数据工程的日常工作,通常包括两个方面 – 数据需求以及处理需求。
数据需求
结构:你应该知道数据可以储存在表中或者文件中。储存在一个预定义的数据模型(即拥有架构)中的数据称为结构化数据。如果数据储存在文件中且没有预定义模型,则称为非结构化数据。(种类:结构化/非结构化)。
容量:数据的数量。(种类:S/M/L/XL/XXL/流)
Sink吞吐量:系统所能接受的数据速度。(种类:H/M/L)
源吞吐量:数据更新和转化进入系统的速度。(种类:H/M/L)
处理需求
查询时间:系统查询所需时间。(种类:长/中/短)
处理时间:处理数据所需时间。(种类:长/中/短)
精度:数据处理的精确度。(种类:准确/大约)
下面,我们举个例子说明上述工作内容:
情景
为分析一个公司的销售表现需要设计一个系统,为此你需要创建一个数据池,数据池来自于多重数据源,比如客户数据、领导数据、客服中心数据、销售数据、产品数据、博客等。
设计目标:
1. 通过整合各种来源的数据创建一个数据池。
2. 每隔一定时间自动更新数据(在这个案例中可能是一周一次)。
3. 可用于分析的数据(在记录时间内,甚至可能是每天)
4. 易得的架构和无缝部署的分析控制面板。
数据要求:
结构:大部分数据是结构化的,并具有一个定义了的数据模型。但数据源如网络日志,客户互动/呼叫中心数据,销售目录中的图像数据,产品广告数据等是非结构化的。 图像和多媒体广告数据的可用性和要求可能取决于各个公司。
结论:结构化和非结构化数据
大小:L或XL(选择Hadoop)
Sink 吞吐量:高
质量:中等(Hadoop&Kafka)
完整性:不完整
处理要求:
查询时间:中至长
处理时间:中至短
精度:准确
随着多个数据源的集成,要注意不同的数据将以不同的速率进入系统。
例如,网络日志可用高颗粒度连续流进入系统。
基于上述我们对系统要求的分析,我们可以设计的大数据系统如下:
那么,如果要完成上面这样一个系统,需要掌握的主要技能有哪些呢,为此我们给出一个通用的学习路径,希望对你有用。
大数据工程师学习路径
End
参考阅读: 大数据的发展,伴随的将是软件工程师的渐退,算法工程师的崛起 如何区分理解数据科学家与机器学习工程师 技术丨从Hadoop到Spark,看大数据框架发展之路