2016年數(shù)據(jù)分析師頂尖職位必備的9項技能

對于數(shù)據(jù)分析師人們來說，2016年在數(shù)據(jù)行業(yè)中想獲得一席之地必須掌握9大技能。

 大數(shù)據(jù)，利用大數(shù)據(jù)分析工具和技術來取得競爭優(yōu)勢已不再是秘密。2016年, 如果你還在職場上尋找大數(shù)據(jù)的相關工作，那么這里介紹的9種技能，將幫助你得到一個工作機會。

Hadoop現(xiàn)在已經進入第二個10年發(fā)展期了, 但Hadoop在2014年出現(xiàn)了井噴式發(fā)展, 由于Hadoop從測試集群向生產和軟件供應商方向不斷轉移, 其越來越接近于分布式存儲和處理機架構, 因此, 這一勢頭在2016年會更加猛烈。由于大數(shù)據(jù)平臺的強大, Hadoop可能是一個需要熟悉的技術人員，對于掌握Hadoop最核心技術 的技術人員在職場上的需求將越來越大。

如果說Hadoop在大數(shù)據(jù)中廣為人知, 那么Spark就是一匹黑馬, 快速崛起的內存計算技術被認為是MapReduce風格分析框架更快和更簡潔的替代方案。Spark最佳的定位應當是大數(shù)據(jù)技術族中重要的一個成員。Spark仍然需要專業(yè)技術進行編程和運行。

大數(shù)據(jù)的操作層面, 如MongoDB和Couchbase等分布式、可擴展的NoSQL數(shù)據(jù)庫正在接管市場份額極為龐大的的SQL數(shù)據(jù)庫，例如Oracle和IBM DB2。在WEB和移動app層面, NoSQL數(shù)據(jù)庫常常被做為Hadoop分析的數(shù)據(jù)源。

對收集的數(shù)據(jù)進行挖掘，當今大數(shù)據(jù)的世界已經達到了一個全新的高度。機器學習成為去年大數(shù)據(jù)技術最熱門的領域之一, 2016年順理成章地成為它的突破之年。大數(shù)據(jù)將會使那些能夠利用機器學習技術去構建和訓練像分類、推薦和個性化系統(tǒng)等預測分析應用程序的人成為職場寵兒。

如果有定量推理背景和數(shù)學或統(tǒng)計學等方面的學位,再加上一些使用統(tǒng)計工具經驗,例如R, SAS, Matlab, SPSS或Stata, 過去許多量化工程師都會選擇在華爾街工作, 但由于大數(shù)據(jù)的快速發(fā)展, 現(xiàn)在各行各樣都需要大量的具有定量分析背景的極客。

以數(shù)據(jù)為中心的語言已有超過40年的歷史了, 但是這種祖父級的語言在當前的大數(shù)據(jù)時代仍然具有生命力。盡管它難以應對大數(shù)據(jù)的挑戰(zhàn), 但簡化了的結構化語言使其在許多方面變得十分容易。

大數(shù)據(jù)可能不是那么容易理解, 但在某些情況下, 通過鮮活的數(shù)據(jù)吸引眼球仍然是不可替代的方法。你可以一直采用多元或邏輯回歸分析方法解析數(shù)據(jù), 有時候使用類似Tableau或Qlikview可視化工具探索數(shù)據(jù)樣本能夠直觀的告訴你所擁有的數(shù)據(jù)的形態(tài), 甚至是發(fā)現(xiàn)那些能夠改變你處理數(shù)據(jù)方法的一些隱蔽細節(jié)。

在類似Java, C, Python或Scala等通用語言中擁有編程應用經驗能夠使你相對于那些局限于分析技術的人更具有優(yōu)勢。具有傳統(tǒng)應用程序開發(fā)和新興數(shù)據(jù)分析能力的人能夠自由的在終端用戶企業(yè)和大數(shù)據(jù)創(chuàng)業(yè)公司之間進行流動。

無論在高級分析工具和技術方面優(yōu)勢,自主思考能力仍然是無可替代。大數(shù)據(jù)處理工具會不可避免的進行演化發(fā)展,新技術會不斷涌現(xiàn)并替代這里所列出的技術。