数据分析师：
工作内容：
a.临时取数分析，比如双11大促活动分析；产品的流量转化情况、产品流程优化分析，等等；
b.报表需求分析--比如企业常见的日报、周报、月报、季报、年报、产品报表、流量转化报表、经营分析报表、KPI报表等等；
c.业务专题分析：
精准营销分析（用户画像分析、营销对象分析、营销策略分析、营销效果分析）；
风控分析（策略分析，反欺诈分析，信用状况分析）；
市场研究分析（行业分析、竞品分析、市场分析、价格分析、渠道分析、决策分析等等）；
工具和技能：
工具： R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT
技能：需掌握SQL数据库、概率统计、常用的算法模型（分类、聚类、关联、预测等，每一类模型的一两种最典型的算法）、分析报告的撰写、商业的敏感性等等；
数据挖掘工程师：
工作内容：
a.用户基础研究：用户生命周期刻画（进入、成长、成熟、衰退、流失）、用户细分模型、用户价值模型、用户活跃度模型、用户意愿度识别模型、用户偏好识别模型、用户流失预警模型、用户激活模型等
b.个性化推荐算法：基于协同过滤（USERBASE/ITEMBASE）的推荐，基于内容推荐，基于关联规则Apriot算法推荐，基于热门地区、季节、商品、人群的推荐等
c.风控模型：恶意注册模型、异地识别模型、欺诈识别模型、高危会员模型、
电商领域（炒信模型、刷单模型、职业差评师模型、虚假发货模型、反欺诈模型）
金融领域（欺诈评分模型、征信评分模型、催收模型、虚假账单识别模型等）
d.产品知识库：产品聚类分类模型、产品质量评分模型、违禁品识别模型、假货识别模型等
e.文本挖掘、语义识别、图像识别，等等
工具和技能：
工具： R、Python、SAS、SPSS、Spark、Mlib等等
技能：需掌握SQL数据库、概率统计、机器学习算法原理（分类、聚类、关联、预测、神经网络等）、模型评估、模型部署、模型监控；
数据产品经理：
工作内容：
a.大数据平台建设，让获取数据、用数据变得轻而易举；构建完善的指标体系，实现对业务的全流程监控、提高决策效率、降低运营成本、提升营收水平；
b.数据需求分析，形成数据产品，对内提升效率、控制成本，对外增加创收，最终实现数据价值变现；
c.典型的大数据产品：大数据分析平台、个性化推荐系统、精准营销系统、广告系统、征信评分系统（如芝麻评分）、会员数据服务系统（如数据纵横），等等；
工具和技能：
工具： 除了掌握数据分析工具，还需要掌握 像 原型设计工具Auxe、画结构流程的X-Mind、visio、Excel、PPT等
技能：需掌握SQL数据库、产品设计，同时，熟悉常用的数据产品框架
数据研发工程师：
工作内容：
a.大数据采集、日志爬虫、数据上报等数据获取工作
b.大数据清洗、转换、计算、存储、展现等工作
c.大数据应用开发、可视化开发、报表开发等
工具和技能：
工具：hadoop、hbase、hive、kafaka、sqoop、java、python等
技能：需掌握数据库、日志采集方法、分布式计算、实时计算等技术
你好，这主要是因为Python在处理大数据方面有着得天独厚的优势。以后您如果再遇到类似的问题，可以按照下面的思路去解决：
1、发现问题:往往生活在世界中，时时刻刻都处在这各种各样的矛盾中，当某些矛盾放映到意识中时,个体才发现他是个问题，并要求设法去解决它。这就是发现问题的阶段。从问题的解决的阶段性看，这是第一阶段，是解决问题的前提。
2、分析问题:要解决所发现的问题，必须明确问题的性质，也就是弄清楚有哪些矛盾、哪些矛盾方面，他们之间有什么关系,以明确所要解决的问题要达到什么结果，所必须具备的条件、其间的关系和已具有哪些条件,从而找出重要的矛盾、关键矛盾之所在。
3、提出假设:在分析问题的基础上，提出解决问题的假设,即可采用的解决方案,其中包括采取什么原则和具体的途径和方法，但所有这些往往不是简单现成的，而且有多种多样的可能。但提出假设是问题解决的关键阶段，正确的假设引导问题顺利得到解决,不正确不恰当的假设则使问题的解决走弯路或导向歧途。
4、校验假设:假设只是提出n种可能解决方案,还不能保证问题必定能获得解决，所以问题解决的最后一步是对假设进行检验。不论哪种检验如果未能获得预期结果，必须重新另提出假设再进行检验，直至获得正确结果，问题才算解决。
结论就是：金融行业的大数据有很好的前景大数据指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据有五大特点，即大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity）。
大数据的用法倾向于预测分析、用户行为分析或某些其他高级数据分析方法的使用。
大数据技术的出现，给我们的生活带来了全新的改变，在海量信息时代，我们获取信息的方式、以及能获取的信息越来越多，但是集合很多的人力物力都没有办法有效整理的数据，大数据技术可以解决，大家都说一句话，掌握了数据，就是掌握了未来，那么学大数据自学好还是参加培训好呢?
要学习大数据你至少应该知道什么是大数据，大数据一般运用在什么领域。对大数据有一个大概的了解，你才能清楚自己对大数据究竟是否有兴趣，如果对大数据一无所知就开始学习，有可能学着学着发现自己其实不喜欢，这样浪费了时间精力，可能还浪费了金钱。所以如果想要学习大数据，需要先对大数据有一个大概的了解。
一：大数据技术，行业发展好么？
1. 国家大力支持
首先国家在2015年发布了《促进大数据发展行动纲要》，其上升为国家战略，提出到2020年，大数据产业突破1万亿，加快建设数据强国
2. 产业进入爆发阶段
根据信息网近几年的统计，大数据行业发展爆发趋势，大量企业涌入，大数据行业规模在2020年以后突破万亿。
3. 应用场景广阔
大数据应用已深入物联网、人工智能、互联网、5G、电商、金融、游戏、交通、传媒、医疗、房地产、政务等各行各业。
4. 人才缺口大
自2015年以来，随着大数据产业迅速发展，大数据企业猛增，对大数据人才的需求也不断翻倍，截止到2020年，人才缺口达230万。
5. 就业薪资高
大数据工程师岗位薪资，根据信息网统计，平均月薪高达23K，明显高于互联网其他技术岗位，其中1年工作经验的，月薪平均为12K，三年以下工作经验，月薪平均为18K，三年以上工作经验，薪资平均为25K。
二：大数据岗位，职业生涯是怎么样的？
1. 大数据开发工程师，工作1-3年，年薪18万以上。
2. 高级大数据开发工程师，工作3-5年，年薪28万以上。
3. 大数据架构师，工作5-8年，年薪40万以上。
4. 大数据技术总监，工作8-10年，年薪55万以上。
5. 大数据首席数据官（CDO），工作10年以上，年薪85万+。
三：大数据岗位，需要学习哪些技术技能，具体分为哪几个阶段？
1. 基础核心：JAVA基础，JAVA面向对象，JAVA高级特性等。
2. Hadoop：可视化，Apache Hive，linux/ELK技术栈等。
3. Spark：Scala编程，Flume数据采集，Apache kafka等。
4. Python：常用库，数据采集，Python编程等。
5. 构建数据平台：Hive ETL处理，Oozle任务调度，Kafka与Flume应用等。
6. 流处理平台：Flink基础，Flink Sql，Confluent等。
7. 机器学习：机器学习数据挖掘原理，ALS算法，逻辑回归等。
8. 大数据优化：认证，授权，数据保护等。
9. 阿里云大数据：实验环境搭建，阿里云认证等。
四：学大数据自学好，还是参加培训好呢？
（1）自学大数据优势：省钱，成本低，学习时间自由安排。
（2）自学大数据缺点：首先基础起点要求较高，如果自学的话，最少也需要有JAVA开发经验，否则是没办法学会理解大数据技术点的。其次费时，自学大数据全部需要自己摸索，因此需要大量时间进行学习。最后，因为没有项目经验，因此就业薪资会偏低，短期内无法达到理想就业期望。
（3）培训大数据的优势：首先，门槛低，即便是没有任何IT行业经验的外行人，也是可以很容易的入门，可以零基础学习。其次，学习时间较短，学习能力强的人，无基础4-6个月左右就可以完全学会，学习能力弱的人，6-8个月左右也完全能够学会。第三，大量的实训项目衔接，能够快速提升技能熟练度，加快理解。最后，因为有项目经验，并且是系统学习，就业薪资以及行业竞争力会有很大优势，就业薪资也会偏高。
（4）培训大数据的缺点：首先，价格相对来说，有些高，大约需要2W左右，对于一些收入较低的人群来说，是一笔不小的开销。其次，就是时间问题，有的人可能从事销售行业打算转行，或者是一些其他行业，作息时间比较特殊，因此会加大自身的疲惫程度，导致学习专注力降低。
最后，就是选择培训机构，担心自己的权益没有办法保证，可能会出现一系列的售后问题，麻烦缠身。
五：如果选择培训，如何选择培训机构呢？
（1）授课方式：因为是IT行业，那么伴随着课程就是有一定的难度，并且肯定会存在着有一些问题没办法当时理解，需要第一时间找老师解答，那么必然要首选面授班，但是因为肯定要复习知识，否则会有遗忘，那么也一定要有网络录播等辅助学习的模式，因此，选择培训机构，要选择线下+线上的授课模式。
（2）是否能学会：能不能学会，虽然跟学员自己有一定的关系，但是最主要的问题还是授课老师，老话说的好“没有笨的学生，只有不会教的老师“，老师的教学经验是否丰富，既然是教技术的，那么自身的技术达到了什么样的水平，毕竟“名师出高徒“。
（3）权益是否有保障：“大品牌值得信赖“不是空话，虽然说，大品牌不一定全部的人都能100%的保障，但是99%的保障是没问题的，毕竟品牌越大，对口碑，市场的评价越看中，成立越久远，规模越大的企业，一定是有它能屹立不倒的原因，可能是因为服务，可能是因为教学。
（2）学完以后能不能就业：目前大部分企业，都会与一些业内靠前的培训机构进行生源招聘，直接从机构内部进行直招，小的培训机构，学员以后都是自己去人才市场进行企业招聘，咱们选择机构的时候，可以调查一下该机构的合作企业都有哪些，然后通过一些网络渠道进行查询，是否是一些大规模的公司，也是咱们评判的一个标准。
大数据行业，不论是针对行业内在职提升，还是行业外打算转行的小伙伴来说，都是一个好的选择
