- 我儿子去年被中南大学数统学院录取了，学的
- 大数据分析的前景好不好
- 大专毕业，去学大数据好吗
- 数据科学与大数据技术相关专业的就业前景如
- 数据分析师与数据挖掘工程师，分别有什么从
- 大数据的就业方向都有哪些
- 大数据行业，本科报统计学还是报大数据技术
- 听说现在大数据很火，想转行做大数据行业，
- python数据分析师的就业前景如何
我儿子去年被中南大学数统学院录取了，学的
这个专业和这个学校没什么可挑的了，回去准备行李吧，只要不跑偏，路越来越宽的。
大数据分析的前景好不好
随着信息化时代的发展，大数据逐渐成为互联网的常态，而大数据、云平台等相关技术的快速发展，为海量数据的收集、存储提供了强有力的支撑，通过数据分析挖掘数据的潜在价值，为企业的发展和决策提供支持。从大数据的发展和行业趋势来说，大数据分析的发展前景是非常不错的。
在当下大数据分析依然处于初级阶段，很多的大数据分析只是数据的采集、存储和传输，特别是在传统行业，更多的是在做企业内部数据的分析以及部分行业数据的采集分析。互联网行业是当前大数据分析应用最广泛的领域，如推荐系统、客户行为分析等都是大数据分析的具体应用。同时在数据存储、信息安全等方面，大数据还存在着不足之处，在大数据分析的过程中，对参与者的能力要求也比较高，这些都制约着大数据分析行业的发展。
而伴随着大数据、云平台、物联网、人工智能技术的快速发展，大数据分析必然会发挥更大的作用，深度挖掘企业数据的价值，助力企业的业务升级。技术的不断升级，与行业的深度融合，也将降低大数据分析的应用门槛、扩展应用领域。
无论是传统行业还是互联网行业，大数据分析是企业必经的阶段，通过数据分析使数据活起来，不再只是IT资产，而是发挥其潜在价值，为企业的业务发展提供支持。大数据分析的前提是具备海量的数据，只有数据量足够大，数据分析才更有意义。如果企业的数据规模不够大，大数据分析是没有意义的，与其盲目跟风做大数据分析，不如先对企业内部数据进行分析，挖掘当前数据的价值，通过数据治理、数据展现、数据分析、大数据分析逐步推进企业的信息化发展，才能真正发挥大数据的价值，为打造智能企业奠定良好的基础。
大专毕业，去学大数据好吗
大专毕业，去学大数据好吗？有前途吗？如果不根据自己的实际喜好择业，做什么其实都比较痛苦。而对于目前看似火热的大数据，很多人以为火就一定有前途，但落实到个人身上那就不一定了。大部分人还是属于普普通通的程序员，收入也不一定高到哪里去，能够站稳在中间部分当然也算不错。
而对于大专毕业生来说，如果选择大数据方向，那得要仔细考虑考虑自己的实际情况。大数据也有不同的职业方向，比如大数据分析、大数据应用、大数据运维等等。在火热的行业里从来不缺乏强者，这里面竞争其实非常激烈。自己是想往哪方面发展，有哪种特质，是否能够专心做这些细致的活，今后自己是否还能够继续努力等等，想好了就可以选择方向开干。
对于大数据分析职位，如果只是想做个一般的分析人员或者数据清理人员，大专也是可以胜任的。只是有些稍微深入的理论知识得要自己多学习，有些甚至非常枯燥，比如统计学、概率、数学之类的。另外，数据分析师的职位看似单位要人多，其实职位数量并不多，很多中小软件或互联网企业也就那么几个分析师而已。所以从今后晋升来说，道路宽度不怎么宽。
而大数据开发也许更适合大专。相对来说企业对开发人员的需求量较大，更容易找到职位。而且开发职位学到的东西比较适用，比如在某些开发语言上搞得很精通，那么往高级技术人员、甚至技术主管、技术总监之类的升职。如果项目管理不错，也可以往项目经理方向升职。即使今后不做大数据方向，也可以顺利转入其他方向的软件开发。
大数据运维这些职位，要求的东西也多，但职位相对也较少。主要集中于那些专业做大数据的公司，比如像阿里、电信、腾讯等等这样的公司大数据运维就比较牛，但这样的公司还是不多的。但大数据运维转向其他计算机相关的运维相对来说也比较快。
任何职业只要自己肯干肯学，即使是夕阳产业同样有黄金职位。对个人来说，选择是一方面，只要豁得出去干也是很重要的。
更多分享及互动，欢迎点击右上角关注【东风高扬】。
数据科学与大数据技术相关专业的就业前景如
挺不错的，而且现在是互联网时代，恰恰大数据人才稀缺，所以学出来很有前景的
数据分析师与数据挖掘工程师，分别有什么从
谢邀，之前我回答过另一个问题，现在我把答案复制过来，仅供参考。
我上一份工作是数据分析师，现在的工作是数据挖掘工程师，因此我可以以我自己的实际经验来回答这个问题。
数据分析师和数据挖掘工程师，同属于数据领域的洞察者，但是两者的工作内容却有着不小的区别。
对于一个数据分析师来说，最重要的并不是编程技能，而是逻辑分析能力、业务理解能力、报告展示能力等。
数据分析师：
数据分析师使用的主要工具可以是编程，但并非必要；
因为现在已经存在大量的强大、易用的数据分析工具，比如Excel、Tableau、SPSS、SAS等，即使你没有编程能力，仍然能胜任绝大多数的数据分析工作；
但是相对于数据挖掘工程师，你还额外需要一些能力，比如数据可视化的能力、写数据报告的能力、在领导甚至许多人面前做报告、讲演的能力等；
同时，由于现在互联网公司都在讲大数据，数据的存储基本上在各种大数据平台和数据库中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟练掌握是不可避免的。
数据分析师一般有两种，一种是面向业务的，主要对各业务线、产品经理、运营、各部门领导的需求提供支持，帮助他们分析业务、了解业务，发掘出业务中的问题并提供解决方案；另一种是偏宏观的分析，一般没有需求方，主要是自发地进行探索，主动找到公司业务中存在的问题，弄清公司发展的趋势，对于公司发展的方向做出指引。
数据挖掘工程师
虽然说不会编程也不至于完全无法做数据挖掘工作，但是好的编程技能却会成为你工作中的得力助手；
很多时候，数据挖掘工程师会为数据分析师提供一些支持性的工作，比如为他们搭建数据库、清洗数据、建立报表平台等；
有些时候数据分析师也会直接向数据挖掘工程师提出需求，有些数据的存储、格式超出了数据分析师的技能覆盖范围，这时就需要数据挖掘工程师帮他们做一些前期工作；
另外呢，数据挖掘工程师往往还需要做一些机器学习方面的工作，因此就需要对各种机器学习算法的理论及代码实践有足够的认识。
数据挖掘工程师之中，也分很多不同的类型，比如做特征工程的、数据仓库的、数据平台支持的、算法工程师、数据科学家等，他们的工作职责各有不同，职业技能也各有侧重。
对于大多数数据挖掘工程师来说，编程技能是必不可少的，但是针对不同挖掘工程师的性质，需要掌握不同的编程技能。一般来说，Python、Java、Scala是常用的大数据挖掘语言，有一些数据科学家喜欢用R；最常用的大数据平台是Hadoop平台和Spark平台，常用的结构化数据库是MySQL或其他关系型数据库，非结构化数据库中MongoDB较为常用。
对于数据挖掘工程师来说，必要的Linux知识也必不可少。因为数据挖掘工程师绝大多数的工作都是在远程的服务器上完成的，不能流畅地在命令行中操作各种Linux系统(常用的有CentOS、Ubuntu等)，工作的效率会大大降低。另外Shell在数据处理上也很强大，sed awk简直是数据处理的神器。
以上并不是非常系统的对比，但是是我在工作中最实际的体验，我并非码农出身，这个转型过程中遇到了很多挑战，但是他们之间并没有天堑一样的区别，很多地方是共通的，如果你编程基础较差，那么可以从数据分析师入手，之后在考虑转型数据挖掘；如果编程基础较好，可以考虑数据挖掘，但是数据挖掘工程师一般情况下不会接触太多的业务。两者的职业路线非常不同，数据分析师之后可以做业务、可以转产品、可以做管理；而数据挖掘工程师一般会在技术领域垂直、深入地探索，之后可能会做技术管理，也有一辈子做技术的。
综上所述，你可以根据自己的实际情况，做出选择了。后悔药是有的，不用过多纠结，他们之间并不是做了A就再也不能做B了。
大数据的就业方向都有哪些
现在社会的各行各业都涉及到大数据，但是这些大数据又都和本行业的发展息息相关，并没有完全单纯的大数据。所以问大数据的酒业方向都有哪些？这个问题本身就有问题。
以本人10年来的从业经验来看，现在的大数据以前走的路就是，纸质资料——纸质资料电子化——电子化资料的流程化——流程化电子资料的数据化——数据化信息的关联信息展现——数据化信息的深度挖掘和利用——大数据的预测、分析、研判——（未来）基于大数据的AI化
那么，问大数据的就业方向都有哪些的同学，请问你确定哪个行业了吗？你了解你想要的去的那个行业了吗？你对那个行业的专业技术知识和数据产生的渠道、流转、关联、分析掌握了吗？最后，你学会在与AI的互助下，开展大数据研究、规划、设计了吗？
这是一个大学的象牙塔里面永远都学不到的，需要到社会的熔炉中来锻造、获取的知识和经验，所以，大学毕业后，选择了那个行业，就把自己当一只牛，放弃孔雀的傲娇，老老实实的再行业里面耕耘，等自己真正了解自己从事的行业，将大数据的知识活用与工作之中时，再来问最后一个问题——职业寿命如何
大数据行业，本科报统计学还是报大数据技术
这些年高薪的金融行业来说，统计学专业的学生更富竞争力，简单地说，专业属于经管类专业，专业的范畴统计学专业主要分为三大专业成像数理统计方向，经济统计和应用统计方向，学生在校期间通过学习，学习大量财经知识。深入了解应用在未来的工作展，统计毕业生就业越来越好，就业率也非常高，就业流向主要包括部门银行，保险公司，证券公司，证券统计专业数据挖掘岗位的人，如今，金融类统计学专业的学生更擅长数据处理，在数据更加敏感，因此大学期间选择统计学专业，在未来的发展上会增加自身很大的优势
听说现在大数据很火，想转行做大数据行业，
相信有不少人在从事某个行业一定时间之后都有过想要转岗的想法，或许是薪资达不到心理预期，或者是技术上遇到瓶颈等等等等。
而对于许多小伙伴来说，大数据可能是一个好的选择。2019年，大数据平均薪资已经超过20000元，一般超过3年经验的大数据工程师，年薪30万都是很普通。
今天我们来具体分析一下，转行大数据，你是否适合？大数据的未来前景如何？
谁适合转大数据？
以下3类小伙伴适合转行大数据：
1、0基础，想入行高薪行业的同学。
2、有Java基础想转高薪方向的同学。
3、其他行业发展遇到瓶颈，想转行的同学。
当然，学习大数据，要求的学历是高中以上，小伙伴可以根据自己的情况斟酌。
其实只要有点基础的程序员转型大数据，都有天然的进阶优势。
哪怕你没有学过任何一种编程语言零基础，也是可以学会的。毕竟，技术由人掌握。
不管是初学者还是资深程序员，应该专注于<语言特性>,而不是纠结哪类语言，只有这样才能达到融会贯通，拿起任何语言基本上都会用，并写出高质量的代码来。
大数据发展趋势
很多人想转的大数据，现在发展趋势如何呢？
2019年-2021年，将成为未来20年间大数据及人工智能最佳的产业资本并购整合窗口期，就像2003年-2006年互联网产业整合的窗口期一样。
大数据与人工智能相互依托，在政策层面已经上升为国家战略，而且迅速进入全面启动实施阶段；技术层面，大数据技术已经基本成熟，并且推动人工智能技术以惊人的速度进步；产业层面，智能安防、自动驾驶、医疗影像等都在加速落地。
人才市场需求大
据美国劳工局预测，2022年美国市场将需要约85万大数据方面的专业技术人员；而国内数据统计《大数据人才报告》显示，预测未来3到5年人才缺口将达到150万之多。
职位薪酬水平普遍较高
据统计，在美国大数据分析师平均每年薪酬在17.5万美元左右；而国内一线互联网公司，大数据分析师的薪酬水平普遍比同一级别的其他职位高20-30%，这也成为国内转岗人员往大数据转型的很重要的理由之一。
高校加大对大数据相关专业的设立
目前，全世界有近170所大学开设了大数据相关专业。近些年，国内教育部也积极采取措施，加强对大数据人才的培养，开设新专业如“数据科学与大数据技术”等。
大军已经进入，全民开始行动了。2019年国内各大高校都将会开设大数据、人工智能专业，真正的竞争压力马上就会来了，已经加入大数据行业的同学很幸运，一定要抓住一切可以抓住机会，全身心的投入。
转行大数据的途径
1）企业内部转岗
通过企业内部途径进行转岗，这是实现转岗的最佳途径，方便快捷、成功率高。
2）借助有实力培训机构再就业
在平时没有利用业余时间朝这个方向进行积累的情况下，参加一个专业培训班短期进行集中充电，很有必要的。再次求职时择业就提高标准，多参加一些面试积累经验，找到一份大数据岗工作还是很容易的。当然，需要有决心和毅力，付出巨大的努力，这是无可厚非的哦！
3）书籍、视频日常积累
没有内部转岗的机会、又不愿花钱参加培训班，那就平时乖乖看书吧，至少大数据的一些基本框架、技术和工具的经典书籍得好好读一读，然后至少要有一套完整的大数据教学视频带着入门。
其次可以多关注关注目前行业的招聘信息，了解下需要符合哪些条件，学完一段时间就出去下，既是给自己一个警醒，又能更精准的把握住面试所需。
大数据职业发展
大数据总体可分为2大方向5大职业。
2大类分别为技术类和业务类，其中，技术方向侧重于怎样处理好数据，业务方向侧重于怎样用好数据；
技术方向
技术类方向是大数据界的码农、程序员。
1）大数据平台研发路线
职责：主要负责大数据技术的产品化，包括开源技术框架的研究、封装和开发
入门：系统性了解大数据技术体系（spark、hadoop、hbase等技术），通读一遍各技术框架的技术文档，知道每项技术能够解决什么问题，其实现原理，优缺点等；能够调用各技术框架API进行功能封装
进阶：能够优化开源框架性能及完善开源技术、作为开源社区的commiter
发展：数据平台研发架构师、数据平台产品经理
2）大数据开发路线
职责：也叫ETL工程师，主要负责使用大数据技术采集、处理、分析数据；
入门：同数据平台研发工程师，并熟练使用SQL、存储过程；
进阶：技术选型、技术架构设计、数据架构设计、平台性能调优
发展：数据架构师、大数据DBA
3）大数据算法路线
职责：俗称调参工程师，主要负责使用机器学习算法建模，处理业务需求，基于算法引擎封装算法工具。
入门：python语言，sklearn、tensorflow等算法引擎，熟悉决策树、SVM、朴素贝叶斯、神经网络等各种算法原理和适用场景；
进阶：业务建模、调参
发展：数据科学家
4）大数据可视化路线
职责：主要负责数据可视化应用开发
入门：各种数据可视化图表适用场景、echarts框架、vue、BI工具
进阶：数据应用可视化UIUE设计、大屏展现设计
发展：数据艺术家
业务类
1）大数据分析路线
岗位：主要负责结合业务问题，使用大数据分析、制作数据分析报告、规划数据应用
入门：熟悉各种分析图表、数据分析工具、具备数据分析报告撰写能力等
进阶：熟悉各种算法概念及使用场景、具备敏锐的业务思维、管理思维和应用规划能力
发展：数据咨询师、数据产品经理
python数据分析师的就业前景如何
未来就业前景还是很不错的，但是越往后发展，综合能力要求越来越高。从目前来看，数据分析师往后将分化成2个大的方向：（1）偏技术方向，掌握更多的大数据技术如Python、r语言等，更全面的数据分析及可视化的工具如excel、spss\sas、tableau等BI工具，精通数据分析及可视化的实现过程、擅长程序语言。（2）偏应用/业务方向，掌握更多的业务知识、管理知识、商业知识，对数据本身具备远大的洞察力、对数据的价值认知深刻，精通于数据产品化、商业化、数据变现等 没有好坏、高低，只有更适合自己潜质的方向
说了这么多，想做高薪且未来前景好的Python数据分析师还有有真正的技术和充足的知识才行，毕竟企业招人最看重的还是技术，而不是空口说白话，
根据我的了解，百战程序员学习出来的Python学生就业都很不错，据说是百分之70-80的就业率，因为百战程序员的Python是从0开始学习的，一直会学到项目实操等等这些，可谓是实打实的教学，有兴趣的小伙伴可以去了解下
