数据挖掘 职业规划,数据挖掘职业规划

大家好，今天小编关注到一个比较有意思的话题，就是关于数据挖掘 职业规划的问题，于是小编就整理了2个相关介绍数据挖掘 职业规划的解答，让我们一起看看吧。

1. 做了4年的Java程序员，转行做大数据可以吗，会有什么困难吗？
2. 数据分析师应该怎么发展？出路有哪些？

做了4年的java程序员，转行做大数据可以吗，会有什么困难吗？

大数据是我的研究方向之一，同时我也是一名使用Java多年的老程序员，所以我来回答一下这个问题。

我在做大数据之前就是一名J***a程序员，所以从J***a转做大数据完全没有问题，而且现在不少做大数据研发的程序员原来都是从事J***a开发的程序员，不少人的第一个Hadoop排序实验就是用J***a实现的。

目前最常见的大数据平台就是Hadoop和Spark，Hadoop本身就是使用J***a开发的，所以Hadoop支持J***a语言。虽然Spark平台下最好使用Scala开发，但是Scala也是基于J***a构建的语言，所以J***a程序员转做大数据是具备一定优势的。

J***a程序员转做大数据的困难并不多，通常情况下J***a程序员对Linux系统比较熟悉，搭建平台和配置环境对J***a程序员来说也没有什么困难，可能的一个难点在于算法的设计与实现。如果J***a程序员平时主要做功能模块开发，那么接触算法的机会可能比较少，尤其是应用级程序员，要想转大数据就得熟悉一下常见的大数据算法。由于大部分J***a程序员都是理工科出身，所以应该具备比较完善的数学知识结构，虽然是一个难点，但是应该并不会成为很大的障碍。

转做大数据开发以后，要以数据为中心来考虑问题，大数据的价值在于分析、判断和预测，所以大数据程序员要建立起数据价值思维而不是传统的功能性思维。

我目前在带大数据团队，我会陆续在头条上写一些相关的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。

如果有大数据方面的问题，或者是考研方面的问题，都可以咨询我。

谢谢！

分两种情况讨论，偏算法方向，偏应用方向

一 偏算法方向：

这个方向有一定门槛，需要玩算法，机器学习，做数据分析，判断，预测等。

如果您在这四年的空闲时间，会去撸算法，学习机器学习，可以一试。但是但部分情况貌似大家都在应用层，估计有点难度。而且现在很多高校研究生入局，公司的眼光也更高了。

二 偏应用方向：

这个方向是大部分j***a程序员转型的方向，主要做数据的接入，***集，ETL,治理，服务等，主要玩的就是

mr hdfs hive hbase

storm spark flume

sqoop kafka redis elk

这些大数据处理工具。

4年的J***a程序员，在编程方面工作经验已相对成熟，甚至可以带领一个小团队进行开发。

如果去转大数据，同样也可以使用J***a，不去做数据挖掘方向，考虑做J***a的大数据应用方向上手会相对较快，但是也要学习Hadoop等大数据和J***a相结合的生态圈。

转大数据有个痛点就是，你有4年的web服务器开经验，但是没有过大数据工作经验，进入公司不可能担任比较有领导性的职位，更多的会被安排进行大数据的开发，要有这种落差的心理准备。

还有就是考虑你是转大数据，薪资未必会给出比你四年的J***a开发更高的水平，如果你能接受，那么可行，如果你嫌工资不匹配你的工作年限，那么建议别轻易转。

最大的困难还是自身，如果你在转大数据前进行深入学习和实践过，那么依然可以凭借自己的四年J***a工作经验征服面试官得到自己喜欢的大数据开发岗位。

关注“极客宇文氏”，一名热心有料的软件工程师。

作为一个从J***a领域转到大数据领域，并在大数据领域摸爬滚打了七八年的过来人，我想分享一下我自己的想法。

最开始的时候我做了几年的J***a开发，主要是web开发，后来转的大数据。

第一，现在大数据领域很多软件都是基于J***a开发的，比如Hadoop，hive等，不是J***a的一般也是基于jvm语言的，比如spark和kafka。所以要想转大数据的话，你需要有一个比较好的J***a基础，比如J***a的***，多线程，jvm等你都需要懂，因为如果出了问题，需要你去调试问题，没有J***a基础不好弄。

第二，大数据这个领域涉及的东西很广泛，比如大数据开发，大数据运维，数据分析，数仓开发等等，这个要看你对哪个方面感兴趣，可以着重往那个方面看看，因为涉及的东西太多了，一个人不可能对所有的都精通，你根本没有那个精力，能精通一个就非常不错了。

第三，各个方向有自己的侧重点，比如开发要求你J***a基础要好，运维可能shell脚本和linux知识要好一些，数仓之类的需要对sql熟悉一些。

第四，最后就是建议找准一个方向，熟练掌握其中一个，其他的要有所了解，最起码要知道是干嘛的，适用于什么场景。

祝你好运。

数据分析师应该怎么发展？出路有哪些？

越来越多的企业将[_a***_]拥有项目数据分析师资质的专业人士为他们的项目做出科学、合理的分析，以便正确决策项目；越来越多的风险投资机构把项目数据分析师所出具的项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据；越来越多的企业把项目数据分析师课程作为其中高管理层及决策层培训计划的重要内容；越来越多的有志之士把项目数据分析师培训内容作为其职业生涯发展中必备的知识体系。编辑本段数据分析师的工作职责

数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、***和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。在“原子世界”中，抽样调查是最经常***用的数据获取方式，主要原因就是大范围普查的成本太高—最典型的应用就是电视收视率。而在互联网时代，针对互联网行业的研究，在局部（例如某个网站或同类网站的集群）做到低成本、高效率的全样本数据***集是有可能实现的。同样，“原子世界”中的很多数据不具备连续性，而互联网世界中的数据却有可能做到连续更新，甚至实时—最典型的应用就是网站全样本、全天候数据统计和分析研究。与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。例如，结合传统的消费心理学理论，构建丰富的互联网信息消费行为模型。就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。数据分析师在这方面大有可为。此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。例如，收集内容消费者信息、形成内容消费者信息数据库、根据数据库的信息与内容消费者保持即时联系、传递产品和服务的信息、数据库的更新和维护。由此，数据分析师提供的数据还将成为定制产品、个性化服务的重要依据：借助先进的数据库技术，对内容***进行深入挖掘和多次利用，提供个人偏好的内容服务，或借助数字印刷和出版技术，实现按需生产产品并交付出版印刷。编辑本段数据分析师的要求

技能要求

1、大学本科以上，数理统计或数据挖掘专业方向 2、熟悉数据分析与数据挖掘理论 3、熟练使用各种数理统计、数据分析、数据挖掘工具软件 4、有电子邮件方面工作经验者优先 5、熟悉互联网应用技术知识、网络知识，了解互联网和邮件

其他要求

良好的沟通交流能力，文字语言表达能力，较好的逻辑分析能力；具有独立的产品策划开发能力，项目管理，商务沟通能力；强烈责任心，开放的性格，良好的沟通能力；擅于协作，具备良好的团队合作精神；能够在压力下开展工作；善于学习

到此，以上就是小编对于数据挖掘 职业规划的问题就介绍到这了，希望介绍关于数据挖掘 职业规划的2点解答对大家有用。