大数据需要什么学历才可以学。?
发布网友
发布时间：2022-04-23 07:08
共5个回答
热心网友
时间：2022-06-17 06:54
本科学历
从企业方面来说，大数据人才大致可以分为产品和市场分析、安全和风险分析以及商业智能三大领域。产品分析是指通过算法来测试新产品的有效性，是一个相对较 新的领域。在安全和风险分析方面，数据科学家们知道需要收集哪些数据、如何进行快速分析，并最终通过分析信息来有效遏制网络入侵或抓住网络罪犯。
一、ETL研发
随着数据种类的不断增加，企业对数据整合专业人才的需求越来越旺盛。ETL开发者与不同的数据来源和组织打交道，从不同的源头抽取数据，转换并导入数据仓库以满足企业的需要。
ETL研发，主要负责将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
目前，ETL行业相对成熟，相关岗位的工作生命周期比较长，通常由内部员工和外包合同商之间通力完成。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。
二、Hadoop开发
Hadoop的核心是HDFS和MapRece.HDFS提供了海量数据的存储，MapRece提供了对数据的计算。随着数据集规模不断增大，而传统BI的数据处理成本过高，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapRece、Pig等的需求将持续增长。如今具备Hadoop框架经验的技术人员是抢手的大数据人才。
三、可视化（前端展现）工具开发
海量数据的分析是个大挑战，而新型数据可视化工具如Spotifre，Qlikview和Tableau可以直观高效地展示数据。
可视化开发就是在可视开发工具提供的图形用户界面上，通过操作界面元素，由可视开发工具自动生成应用软件。还可轻松跨越多个资源和层次连接您的所有数 据，经过时间考验，完全可扩展的，功能丰富全面的可视化组件库为开发人员提供了功能完整并且简单易用的组件集合，以用来构建极其丰富的用户界面。
过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项的专业技能和岗位。
四、信息架构开发
大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。
五、数据仓库研究
数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。
六、OLAP开发
随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合。联机分析处理（OLAP）系统就负责解决此类海量数据处理的问题。
OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。
热心网友
时间：2022-06-17 06:55
大数据时代的到来，简单的说是海量数据同完美计算能力结合的结果。确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。大数据时代开启人类社会利用数据价值的另一个时代。大数据行业从业者的状态是怎样的呢？让我们走进来看看吧！
人才市场需求明显增大，绝大部分集中在一线及新一线城市
在2017年的调查中，发现数据团队的人才储备普遍存在较大缺口；数据人才培养周期长、成效慢。超过50%组织或机构的数据团队人才储备不充足，数据团队普遍存在人才缺口。
从2018年的顶级数据团队调查问卷和数据分析中发现，市场对数据人才的需求仍然呈现明显的上升趋势。
通过采集65000余条各大招聘网站2018年数据领域的招聘信息，相比于去年，该领域人才招聘需求上涨了15.4%。
从城市角度来看，北京、上海、深圳、广州、成都、杭州成为数据人才需求第一梯队，占全国需求的94%以上，其中北京的数据人才需求量全国最多，达到了35%，其次则是上海、深圳，均为18%左右。
开发、测试人员需求量旺盛，对算法、机器学习岗位人员的素质期待最高
在各类职位的招聘中，开发、测试与数据的需求占比超半数，算法与机器学习的人员配置比例并不高，从专访中看出，就算法与机器学习岗位来说，并不在于人多，而在于人员质量高。
微软中国首席计数管韦青曾说过“我们对人才的期待有两个，一个是算法科学家，这个人的能力不只是数学，也要有实际经验，还得有计算机能力，包括电子工程的能力，得是个全才。
年薪5万—15万职位为主流
对比各类数据从业者的薪资情况，年薪5万—15万人数占比超6成，其次是年薪15万—20万，占比14%，年薪超过20万人数占比约20%。
从数据中看出，随着学历的升高，平均年薪呈现的变化趋势基本呈正相关。不同工作经验的数据从业者的收入水平也呈现较大差异。平均1—3年工作经验平均年薪为14万，5年以上工作经验起薪稳定在28万以上，最高达40万，在各项工作年限区间，薪资基本呈线性增长。
学历要求集中在本科及大专
数据行业对学历要求主要集中在大专及本科学历，占近8成。入门门槛要求硕士或搏士学历的岗位极少，仅占1.6%.而这类岗位主要集中在算法、数据、机器学习这类岗位。高学历人才比例较少也与此类职位可能不通过招聘网站公开招聘有关。
算法与机器学习类职位薪资最高
在人数需求得到满足之后，一些数据团队的管理者也提出了更高的要求。从岗位薪资上也可以看出行业对于各类技能的需求程度。
在所有与数据相关的岗位中，算法岗位工资最高，年薪近30万，其次则是机器学习与产品岗位。
北京数据行业从业者平均薪资最高
在六个数据行业需求最旺盛的城市中，北京的平均薪资最高，其次为上海、杭州、深圳、广州、成都。
在北京、上海、广州、成都，平均薪资最高的岗位依旧时算法，深圳薪资最高则是机器学习。此外，杭州的UI岗位薪资明显高于其他城市。
数据团队相关职位中，算法薪资竞争力最强，运维、数据、运营薪资增长潜力低
分析数据团队相关岗位薪资涨幅与工作年限的关系后发现，在所有数据行业相关岗位中，算法岗位薪资增长幅度最高，在10年工作经验背景下，这是唯一一个平均年薪超过100万的岗位类型。
而3—5年的工作经验情况下，机器学习的薪资水平仅次于算法，但该岗位目前对于5年以上工作经验的从业者需求量很低，长期薪资竞争力无法得到反映。
相反，运维、数据、运营10年以上工作经验的岗位薪资水平垫底。
硕士学历更可能带来高收益
根据分析结果，本科学历求职者虽然在数据行业市场中需求量达，但对于拥有硕士学历的从业者，未来的职业发展潜力更大。随着工作年限的增加，入职门槛为硕士的岗位薪资最高。
希望对您有所帮助！~
热心网友
时间：2022-06-17 06:55
想学大数据的话基本本科及以上就可以学了
随着大数据课程的推广程度和覆盖度增大，未来大数据课程的学历要求也会随之降低的，像目前的Web前端、Java等课程都是大专及以上可学习的
你可以多参考几家机构，试听一下课程再决定，比如南京课工场，北大青鸟、中博软件学院等等都很不错。
码字不易望采纳哦
热心网友
时间：2022-06-17 06:56
学习大数据技术对学历没有具体要求，但是要想考初级大数据工程师至少要具备一些基本知识。
CDA 是一套科学化，专业化，国际化的人才考核标准，共分为CDA LEVELⅠ ，LEVEL Ⅱ，LEVEL Ⅲ三个等级，涉及行业包括互联网、金融、咨询、电信、零售、医疗、旅游等，涉及岗位包括大数据、数据分析、市场、产品、运营、咨询、投资、研发等。该标准符合当今全球数据科学技术潮流，可以为各行业企业和机构提供数据人才参照标准。
LevelI:无要求,皆可报考
LevelII:需通过LEVEL I认证
LevelIII:需通过LEVEL II认证
CDA数据分析师等级标准是根据过内各大企业对人才技术的需求而设立旨在为国内数据分析发展阶段提供一个权威、科学、专业的标准规范,说明究竟什么人才是优秀的数据分析师?CDA数据分析师的就业前景可选择于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个行业和领域.根据三个不同的等级胜任不同的数据分析工作任务。
CDA数据分析师的含金量取决于要做什么,因为CDA数据分析师证书是由中国*教育协会数据分析教育培训专业委员会监制,考试通过拿到的证书代表了你的技能水平,可做为企、事业单位选拔和聘用专业人才的参考依据.
考大数据分析师CDA值得选择。CDA（Certified Data Analyst），是大数据和人工智能时代面向国际范围全行业的数据分析专业人才职业简称，具体指在互联网、金融、咨询、电信、零售、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据人才。
热心网友
时间：2022-06-17 06:56
对国内就业市场而言，本科学历是大数据相关职位的一个基本要求，从各个职位上看需求量都是最大的。高端人才要求硕士以上的学历也很普遍，显示出这个行业的进入的确是有一定门槛的。
对于学历这个问题，一般来说，当你没有任何基础的时候，能拿得出手的只有学历，本科生当然竞争不过研究生。但是随着工作时间久了，你的能力达到了这个职位的要求，学历就不重要了。尤其是对业务能力要求比较高的数据分析师、数据挖掘师这些职位，你的行业知识和业务理解能力在很多情况下比学历更加重要。
当然，高端人才(如算法工程师、数据科学家)对学历也比较高，如果各方面条件允许，选择计算数学/概率论/模式识别/计算机方面的研究生深造也是有必要的，一些大公司的确会在初筛的时候根据学历筛选人，这个也很正常。当然，你也可以在工作几年后，当觉得到基础瓶颈的时候，可以再去读书，这个时候可能你更清楚自己需要的是什么。
对于进入这个行业的同学而言，你可以选择提升学历后再进入这个行业，也可以先就业，用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是你在学校里面无法学习到的，企业最终也是看重你的实际工作能力。
