最近，身邊幾個程序員朋友都在自學Spark、Hadoop等相關知識，仿佛不緊跟時代步伐，就會被隨時甩出半條街的節(jié)奏；而打開知乎，諸如“怎樣進行大數(shù)據(jù)的入門學習”“Java Web 程序員如何轉(zhuǎn)型大數(shù)據(jù)”之類的話題也屢受關注。

大數(shù)據(jù)之愛絕非偶然

1、技術日漸成熟，應用空間得以拓展

大數(shù)據(jù)技術，最早于1980年被首次提及，卻在近幾年才獲得突飛猛進的發(fā)展。相較于幾十年前神經(jīng)網(wǎng)絡算法捉襟見肘的計算能力，如今處理器對大規(guī)模數(shù)據(jù)的高速處理能力無疑發(fā)揮了關鍵性的作用。借助于處理器的高性能，使我們短時間內(nèi)完成PB 級數(shù)據(jù)的機器學習和模型訓練成為可能，由此為高度依賴深度學習的圖像、語音識別產(chǎn)品的快速迭代奠定基礎，大數(shù)據(jù)應用空間得以拓展，也由此催生了提供相關產(chǎn)品與服務的技術公司。

2、重視數(shù)據(jù)資產(chǎn)，數(shù)據(jù)挖掘已成必然

現(xiàn)代信息技術使每日產(chǎn)生的數(shù)據(jù)量呈指數(shù)級增長，企業(yè)發(fā)展再也無法回避對數(shù)據(jù)價值的挖掘與利用。電商平臺利用畫像做個性化推薦，互聯(lián)網(wǎng)金融公司利用高危識別技術管控金融風險，滴滴出行利用交易數(shù)據(jù)通過實時定價優(yōu)化利潤……這些都是對大數(shù)據(jù)價值的發(fā)掘和利用。隨著數(shù)據(jù)資產(chǎn)意識的加強，數(shù)據(jù)挖掘也將獲得越來越多結(jié)合具體行業(yè)場景的重視。

3、技術催生業(yè)務新模式，蘊含創(chuàng)業(yè)新契機

大數(shù)據(jù)產(chǎn)業(yè)鏈，催生出針對不同版塊提供產(chǎn)品和服務的業(yè)務組合新模式，無論是利用推薦算法做內(nèi)容服務的今日頭條，還是基于數(shù)據(jù)整合提供監(jiān)測服務的 TalkingData，或者是提供底層架構(gòu)支持的阿里云，無不是發(fā)覺了大數(shù)據(jù)產(chǎn)業(yè)鏈條所蘊含的創(chuàng)業(yè)先機。

大數(shù)據(jù)創(chuàng)業(yè)，時至今日熱度不減，雖難出BAT那樣巨頭獨大的局面，其提供的相對公平的競爭機會，依然在吸引著新的創(chuàng)業(yè)公司加入。

4、市場供不應求，崗位挑戰(zhàn)空間大

翻看大數(shù)據(jù)相關招聘崗位，一方面是供不應求的招聘局面，另一方面是騰訊、華為等大牌互聯(lián)網(wǎng)公司開出的誘惑薪資，都讓普通崗位的程序員躍躍欲試。

再加上這些崗位相比于傳統(tǒng)的軟件工程，有更高的挑戰(zhàn)空間和更大的難度，自然引得更多人才進入到這個領域。

大數(shù)據(jù)相關崗位有哪些？

1. 偏技術的“算法工程師”

利用算法手段，構(gòu)建機器學習模型，解決諸如“人臉識別”、“支付風險管控”等高難度問題。它往往既需要工程師在具體問題上有足夠的專注力，也需要對相關的算法有足夠深度的了解。

2. 偏業(yè)務的“數(shù)據(jù)挖掘工程師”

結(jié)合計算機知識，重點攻克復雜業(yè)務的算法化和模型化難題。與算法工程師的要求不同，它往往不需要工程師在算法上探索得足夠深入，卻對知識的廣度和技能的交叉度有較高的要求，還需要工程師具備相當和快速的業(yè)務理解能力。當然了，對數(shù)據(jù)的高敏感性也必不可少。

技術 Leader 最想要什么樣的人？

1、最好，你是個獨當一面的全才

基礎條件：扎實的計算機基礎、邏輯能力、英文等素質(zhì)

保障條件：聰明、學習能力強

加分條件：大規(guī)模集群開發(fā)經(jīng)驗；上層數(shù)據(jù)應用優(yōu)化經(jīng)歷；熟悉聚類、分類、推薦、

NLP、神經(jīng)網(wǎng)絡等常見算法；會數(shù)據(jù)處理，還熟悉聚類、分類、推薦、NLP、神經(jīng)網(wǎng)絡等各種常見算法……

2、退而求其次，有配合團隊的長板優(yōu)勢

全才難得，退而求其次，針對不同崗位吸收具有不同特長的人才，以追求團隊整體配合的平衡，也不失為一個策略。

計算機視覺領域的大數(shù)據(jù)公司，往往需要自己的團隊中同時具備如下特長的成員。比如精通算法的人才：把圖像識別相關算法模型調(diào)整到極致；工程實力型人才：高性能實現(xiàn)訓練好的算法模型，或者幫團隊搭建一整套視頻圖像數(shù)據(jù)采集、標注、機器學習、自動化測試、產(chǎn)品實現(xiàn)的平臺。

即便同一算法工程團隊內(nèi)部，成員的技能側(cè)重點也要合理搭配，以互為補充。比如，有人專注核心算法研究，就要有人擅長業(yè)務分析，專注業(yè)務算法模型的實現(xiàn)。

因此，對于想轉(zhuǎn)型大數(shù)據(jù)的普通程序猿來說，梳理清楚自己現(xiàn)有技能對于新團隊的價值非常重要，這是促使新團隊決定吸收自己的關鍵。比如，發(fā)揮硬件和底層系統(tǒng)工作經(jīng)歷在算法高速實現(xiàn)上的優(yōu)勢，一旦通過自身擅長的技能切入新團隊之后，就有了更多橫向發(fā)展的機會，幫助自己在大數(shù)據(jù)相關領域建立更強競爭力。

3、相較當前技能水平，扎實的基礎和成長空間更被看重

當前技能水平好比是術，而扎實的計算機基礎則處于道的層面，諸如Spark等工具性知識通過后期學習便能輕易掌握，而如果缺少了C++/Java基礎想進步卻絕非易事。比如，如果算法、數(shù)據(jù)結(jié)構(gòu)比較強，編程語言上對 C++ 理解較深入，在應用層的學習上，就可能會比其他人快很多。

有人將程序猿能力抽象為一個金字塔模型，雖然對計算機語言的精通是每個工程師都注重的能力，但越基礎的素養(yǎng)越蘊含了更多的發(fā)展?jié)摿?。相比單純苛責當前技能，能利用基礎素養(yǎng)勝任一部分基礎工作，然后通過1-2年鍛煉接受更復雜問題的程序猿，反而更受企業(yè)青睞。

TalkingData 大數(shù)據(jù)招聘負責人曾直言道，相比于對 Spark 了解更多的人，他們更愿意招收那些 Java 學得好的人。因為 Spark 的接口學習起來相對容易，但是要想精通 Java 是一件很難的事情。如果把 Java 或者 C++ 學透了，那么對計算機技術的認識將很不一樣。

轉(zhuǎn)型大數(shù)據(jù)，要點歸納

1、重視基礎

2、發(fā)揮專長

3、準備充分

4、首選公司內(nèi)部轉(zhuǎn)崗