大数据行情

现在市面上的数据岗位有这么几种：
数据分析师
数据科学家
算法工程师
数据工程师
大数据工程师
爬虫工程师

初级数据分析师待遇不高，而且由于入行门槛最低，竞争也最激烈。所做的事情主要是给业务部门取数、扯皮等等，想要做分析的话得看你的部门职能还有 leader 给不给机会，最重要的是 SQL 和 Excel 用得好，Python 掌握得好也是加分项。最不推荐，但实在没办法了也可以做，数据驱动的理念越来越深入人心，许多公司都会提供相应的坑位，努力一把还是能找到的工作，只是可能待遇通常都不太令人满意。

数据科学家，比数据分析师的 level 更高一些，会有机会做一些算法和模型。面试的要求通常会比较高，而且由于每家公司的需求不一样，问的问题会非常杂，覆盖面很广，基本没法提前针对性准备。这个岗位最难的是过面试关，要是能拿到 offer，待遇通常都不会太差，做的事情也很有挑战性，很有趣。有些公司可能挂个数据分析师的岗位但要求是数据科学家的，这个只能自己看看 JD 了。

算法工程师，需要深入了解机器学习算法，最好能发几篇相关领域的论文啥的。待遇没得说，同数据科学家一样，难在面试。如果在学校的时候没有深耕，就不建议投这个岗位了。

数据科学家和算法工程师这两个岗位，都是高薪、高挑战的岗位，面试也非常难。而且这些岗位成本高，又缺乏落地方法论，所以通常来说坑位偏少，加上高薪吸引大量人才，面对的竞争最为激烈。数据分析师是人多，但你仍然有优势。而在这两个岗位上，你将面对各种 985 以上的优秀人才的竞争，自己估量一下吧。而且数据科学家对经验的要求同样很高，许多公司都只想招有经验的人，初级岗位很少，比较常见的是数据分析师升上来或者从别的岗位转过来的。

数据工程师，日常主要是做 ETL，数据仓库建设，基础设施运维等等。工作内容繁杂枯燥。需要维护 ETL 定时任务，所以每天都得看一眼监控，遇到任务出错也和运维一样需要及时抢修，大数据文摘翻译过一篇文章《数据工程师的没落》，对这些情况讲得很清楚了。
需要的技能就是 SQL、Python 以及各种开源软件的使用（ Hive、HBase、Spark、Kafka、Airflow 等等）。要做好这个工作，除了数据处理能力，还需要能理解各种算法模型，因为会需要帮助数据科学家把算法工程化。
待遇就是一般的研发工程师水平，比算法工程师和数据科学家低，比数据分析师高。竞争激烈程度不高，因为很多编程好的人没有数据 sense，有数据 sense 的人编程不一定行，就算编程还可以，一般也是优先考虑数据科学家。
坑位很多，毕竟要搞数据驱动的话，必然需要人手来建设数据仓库的，在很长一段时间内，都会是一个必不可少的角色。

大数据工程师，偏底层运维性质，主要是维护大数据集群和相关服务，以及基于开源生态做二次开发。很多公司会把这个和数据工程师混淆，自己看 JD 判断吧。这个岗位需要对开源生态很熟悉，了解底层知识，阅读过源码。待遇和数据工程师类似，坑位主要是大公司有，中小公司一般是数据工程师兼任这部分职能，只有大公司才会有定制化开发的需求。开源组件基本能满足大部分数据需求了，所以实际上岗位需求比较有限。

爬虫工程师，需要对爬虫知识有全面的了解，这里也不多谈。有爬虫需求的公司很多，但需求一般都不会强到单独设置爬虫岗位，都是其它岗位的人根据需求临时开发一下。坑位是非常非常少的，大公司也不一定有。