京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源 | 36大数据
根据麦肯锡2011年发布的一份研究报告,到2018年世界范围内将会出现高达140,000 至190,000的“大数据”岗位空缺:各行各业已经积累起来大量的数据分析需求,但市场上具备使用、分析和让数据说话能力的人才供不应求。
2015年马上就要过去了,在这一年里,“大数据”相关职业在全球就业市场的情况到底如何?我们通过WANTED Analytics和福布数据分析斯杂志刚刚公布的2015年数据为大家进行一些总结。
那些“大数据”岗位在哪里?
WANTED Analytics公司专注于就业市场数据分析,其数据库包含来自150个国家的10亿个岗位信息,在这次统计过程中,其将“大数据”定义为数据分析、数据采集、数据挖掘和数据结构四类技能。在对过去12个月美国就业市场“大数据”相关岗位的分析中发现:
就岗位数量而言,需要“大数据”技能的岗位空缺呈现高速增长,如下图所示,其中“大数据”解决方案的销售人员、计算机系统分析师、管理分析师、IT项目经理、和信息安全分析师岗位的增幅都在100%以上。这一增长趋势也将延续至2016年。

Source: Wanted Analytics & Forbes.com
就招聘企业而言,易安信、IBM、思科、甲骨文在2015年招聘的“大数据”人才最多。其他前十的企业信息如下:

Source: Wanted Analytics & Forbes.com
“大数据”岗位需要学什么专业?
首先具有相关背景的本科毕业生或职业人士通过短而实用的数据分析课程,能够迅速满足相关企业的岗位空缺,因而非常抢手。
其次想要在本科阶段开始为自己进入“大数据”领域打好基础的话,主要可以通过在学习三个传统学科专业(数学和统计、计算机科学、商科)的基础上选修培养相关技能的课程来满足就业市场的需求。目前大部分的“大数据”从业人员并不具备数据分析的学位,而是具备了相应的技能。

就数学和统计专业而言,目前绝大多数的数据科学家是数学和统计专业背景,所以你选择的学校可能并没有所谓“数据分析”这个专业,但是其数学和统计专业很可能有开设一系列课程帮助你培养大数据分析的能力,甚至还会建议你去选修一些外系的编程或市场营销课程来丰富你的技能组合。
另一个进入大数据领域的方式是学习计算机科学专业,这一路线将会侧重于学习大数据采集和分析的技术问题。
目前市面上许多的大数据技术如MapReduce, NoSQL, and Hive就是来源于软件工程师的发明创造。所以如果你对计算机科学感兴趣,又想在毕业后从事大数据相关岗位,你可以在本科阶段侧重于对人工智能、机器学习和数据理论的学习。
最后一个和大数据领域密切相关的本科专业是商科下面的“管理信息系统(management information systems)”或“计算机信息系统(computer information systems)”专业。
如果说计算机科学专业的学生研究的是如何让大数据技术变得更快更好,那商科学生学习的就是如何用大数据技术去为企业赢得利润,因此更关注的是如何把大数据技术与市场营销、产品定位和购买模式等等结合起来。
与此同时,越来越多的商学院开始开设专攻商业数据分析的本科和研究生项目,尽管不像计算机科学专业对于理工科知识有那么高的要求,但是还会涉及一定的数据库设计、分析和编程,以及相关统计软件如Hadoop和SAS的使用。
End
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16