如果你有python入门基础在考虑数据分析岗这篇文章将带你了解数据分析人才的薪资水平数据人应该掌握的技术栈。那各大厂在数据领域偏好哪些岗位呢主要集中在大数据分析师、数据管理专家、大数据算法工程师、数据产品经理这些岗位在各个大厂的招聘需求中最常见到而且开出的薪资待遇非常诱人。如今大数据工程师人才高度稀缺在工作年限相同的前提下大数据工程师的薪资普遍更高待遇涨幅也高于其他岗位现在入局大数据是个不错的选择。各大互联网公司都在高价抢夺数据人才为了谋求长期发展、获取高薪很多人也在考虑转行大数据领域。作为专业性极强的一个领域转行如何学学习重点在哪里我很早之前就认同一个观点一个优秀的数据人应该是思维、业务、分析和工程能力的综合体谈思维、业务等能力很多人可能觉得飘在空中。确实在我一开始接触数据行业的时候我也有这样的感觉为什么那些大佬老是跟我吹产品Sense、业务感等等。我们就抛开这些就说工程能力再具体一点说说数据人应该掌握的技术栈。1.关于精通python虽然入行几年但我仍不敢说自己精通Pytho。我只是熟悉Python语法相关的函数、模块和包以及一些面向对象的写法等等。想要成为合格的数据人我觉得更重要的是去思考哪些问题可以利用Python扩展而来的一些程序库处理比如遇到大型矩阵的数值计算问题你就应该想到Numpy来解决。同理我会问那Pandas呢其实Pandas和SQL几乎是一致的数据处理方式都只是提供了快速便捷地处理数据的函数和方法这也是Python为什么会经常会被认为可以高效应用于数据分析原因之一了。2.再说下数据架构有些小伙伴应该是了解HiveSQL的但如果要他说说Hive这类的问题可能就有困难了这样其实是学不扎实的表现。简单来说Hive是一个基于Hadoop的开源数据仓库工具用于存(HDFS)和处理(MapReduce)海量结构化数据。使用MapReduce计算HDFS储存。虽然很多数据分析岗位不必精通Hadoop、MapReduce、HDFS但是不代表不需要了解和学习基础是要打好的而且Storm、Hbase、Flume、Spark、SparkSQL等等都是需要数据分析、数据挖掘、数据算法等岗位去学习和了解的。如果你想从事数据开发那以上提到的技术栈是你应该熟练掌握的。我个人建议是没有项目经历和工作经验的不要轻易转数据分析因为真的HC少可以考虑数据开发很吃香工资也高竞争相对算法和分析来说要小3.有必要学点数据挖掘模型某些业务场景的任务是不能用对比、交叉等分析解决的例如分类、预测、文本挖掘等。我之前提到说数据分析一般可以分成定量和定性的分析定量的大家都比较清楚也比较常见但是定性的会去研究用户的主动反馈意见而这些一般都是文本当数据量较大的时候肯定不是一条条自己去分析用户的情感、观点等维度这时候完全可以利用文本挖掘的方法快速准确的抽取出用户观点、主题和情感分析等等。看到现在越来越多的人入行/转行互联网我来说说我对这个领域的理解吧。从业人员除了高层一般年龄在45岁以下思维活跃、年轻不像传统行业等级森严工作起来是比较愉悦的。任何人能入行这个领域是因为互联网对于没有资源和背景的普通人是很包容的比如它创造的很多新的工作机会有些岗位之前是没有的因此不强求专业对口、要多少年的经验等等对于没有资历的普通人来说互联网很友好。最重要的一点是互联网行业能和你适合的行业相结合比如互联网金融、互联网餐饮互联网成为了一种业务模式贯穿到了很多行业在此基础上去赚钱。未来互联网会越来越渗透到各个行业未来10年也必定是人工智能、万物互联的时代。这也是我为什么看准python的原因因为python的优势就是对数据的处理。如果你也跟我一样看好互联网看准python那就利用好现在的时间有效率的学习。我一直相信生活会回报每一个为目标努力的人。