大數據的就業領域是很寬廣的，不管是科技領域，還是食品產業，零售業等等，都是需要大數據人才進行大數據的處理，以提供更好的用戶體驗，以及優化庫存，降低成本，預測需求。而且大數據近年來頗有越來越火的趨勢，很多人都開始報班培訓大數據，不過剛參加大數據培訓的朋友都在疑慮大數據培訓以后好不好找工作，其實大數據學成以后還是很好找工作的，但是最終還要取決于你學習的程度，今天黑馬程序員就給大家說說大數據培訓班出來以后比較熱門的幾個工作崗位。

　　1、Hadoop開發工程師

　　Hadoop是一個分布式文件系統(HadoopDistributedFileSystem)，簡稱HDFS。Hadoop是一個能夠對大量數據進行分布式處理的軟件框架，以一種可靠、高效、可伸縮的方式進行數據處理。所以說Hadoop解決了大數據如何存儲的問題，因而在大數據培訓機構中是必須學習的課程。

　　2、數據分析師

　　數據分析師是數據師的一種，指的是不同行業中，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。

　　作為一名數據分析師、至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數據魔鏡等數據分析軟件中的一門，至少能用Acess等進行數據庫開發，至少掌握一門數學軟件如matalab、mathmatics進行新模型的構建，至少掌握一門編程語言。總之，一個優秀的數據分析師，應該業務、管理、分析、工具、設計都不落下。

　　3、數據挖掘工程師

　　做數據挖掘要從海量數據中發現規律，這就需要一定的數學知識，最基本的比如線性代數、高等代數、凸優化、概率論等。

　　經常會用到的語言包括Python、Java、C或者C++，我自己用Python或者Java比較多。有時用MapReduce寫程序，再用Hadoop或者Hyp來處理數據，如果用Python的話會和Spark相結合。

　　4、大數據可視化工程師

　　隨著大數據在人們工作及日常生活中的應用，大數據可視化也改變著人類的對信息的閱讀和理解方式。從百度遷徙到谷歌流感趨勢，再到阿里云推出縣域經濟可視化產品，大數據技術和大數據可視化都是幕后的英雄。

　　大數據可視化工程師崗位職責:1、依據產品業務功能，設計符合需求的可視化方案。2、依據可視化場景不同及性能要求，選擇合適的可視化技術。3、依據方案和技術選型制作可視化樣例。4、配合視覺設計人員完善可視化樣例。5、配合前端開發人員將樣例組件化。

　　大家能從事的工作崗位并不只是上面的這幾個，還有很多細分崗位就不一一列舉了。想要在工作中立于不敗之地還是需要大家不斷給自己充電的。

　　二、發展建議

　　你適合從事數據分析嗎?近年來，越來越多的人選擇大數據行業，只看到了大數據行業前景不錯、薪資待遇不錯，而且培訓項目、機構眾多，各大名企對于大數據人才的需求也不斷上漲。

　　但是沒有對崗位和自身進行合理評估，求職或者入職之后或許才發現其實跟自己想的也許不一樣。在入行數據分析或者任何一行之前，你都要好好思考這些問題：我希望進入哪些行業呢?這行業有前景嗎?需要什么樣的知識結構?符合我的興趣方向嗎?

　　1、職業愛好：分析需求、寫代碼、與人溝通、探索未知是你喜歡的嗎?

　　2、思考能力：如何根據數據推演、分析、提出解決方案，這常常需要你腦洞大開。

　　3、學習能力：數據分析與IT行業一樣，是需要持續保持學習狀態的，這你能堅持么。

　　4、溝通合作能力：數據分析師需要與業務部門、研發部門等頻繁溝通和合作，這你擅長么。

　　5、性格：動要能溝通、吵架，靜要能分析寫代碼，這隨意切換可以么?
　　三、行業機會與威脅分析

　　1、行業情況：毋庸置疑，大數據是21世紀很火熱的行業之一，已經滲透到每一個行業和業務職能領域。

　　2、企業情況：這家企業重視數據嗎?有數據基礎么?數據有所為么?

　　3、崗位就業情況：只要你練好真本事，數據分析相關職業是個高薪職業，而且人才缺口較大。

　　4、崗位要求：需要發現問題、分析問題、解決問題的能力，你需要懂商業、提取處理分析數據、提出解決方案，最終目標是創收。

　　1、業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

　　2、管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，后續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

　　3、分析。指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實踐工作中，以便有效的開展數據分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

　　4、工具。指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。

　　5、設計。懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。

　　上面就是關于大數據培訓班出來以后的工作方向以及在學習中需要養成的能力習慣。