❶ 大數據的就業方向
總的來說大數據領域有幾大細分 1 數據清洗、收集、爬蟲 //偏腳本、爬蟲能力 2 數據回分析 //偏業務答，偏SQL，偏分析能力 3 數據開發 //偏平台，偏工程化、後端開發能力 4 數據挖掘 //偏演算法，偏挖掘能力 一般來說，數據分析的門檻最低，其次數據開發和爬蟲類，門檻最高的是挖掘，當然薪酬也是相對較高的。 從應用開發入手，你可以往兩個方向房展： 1 進一步熟悉架構，提升開發能力，往數據架構師轉； 2 從應用工程化往挖掘工程師轉，需要自己多學演算法相關的知識；
❷ 大數據崗位招聘靠譜嗎
這就是培訓機構拉人的辦法之一，我當年也上過當的。
❸ 大數據行業有哪些工作機會，招聘的崗位技能有哪些
大數據主要有以下職位： 1）數據分析師Data analyst：指熟悉相關業務，熟練搭專建數據分析框架，屬掌握和使用相關的分析常用工具和基本的分析方法，進行數據搜集、整理、分析，針對數據分析結論給管理銷售運營提供指導意義的分析意見。
❹ 大數據招聘平台用哪個好呢求職者比較多
賢職招聘不錯哦，
招聘信息
在各大招聘網站都可以同步展示，之前公司跟他們公司合作好幾次了。
❺ 請登錄智聯招聘等求職網站了解5個大數據相關崗位及職位要求
應該根據用人單位的要求登錄智聯招聘等求職網站，了解公司招聘的五個大數據相關崗位的崗位要求，如果崗位要求合適，可以提交簡歷。
❻ 與大數據相關的工作職位有哪些
說個大概吧
大數據開發工程師：負責公司大數據平台的開發和維護，負責大數據平台持續集專成相關工具屬平台的架構設計與產品開發等；
數據分析師：進行數據搜集、整理、分析，針對數據分析結論給管理銷售運營提供指導意義的分析意見；
數據挖掘工程師：商業智能，用戶體驗分析，預測流失用戶等；需要過硬的數學和統計學功底以外，對演算法的代碼實現也有很高的要求。
資料庫開發：設計，開發和實施基於客戶需求的資料庫系統，通過理想介面連接資料庫和資料庫工具，優化資料庫系統的性能效率等；
數據管理：資料庫設計、數據遷移、資料庫性能管理、數據安全管理，故障檢修問題、數據備份、數據恢復等；
數據科學家：清洗，管理和組織（大）數據，利用演算法和模型提高數據處理效率、挖掘數據價值、實現從數據到知識的轉換；
數據產品經理：把數據和業務結合起來做成數據產品。
❼ 「大數據」時代下的企業招聘
「大數據」時代下的企業招聘
在原有的人才資料庫的基礎上，導入以社交媒體為代表的「大數據」將使H R （人力資源部門）做聘用決策時更客觀。
數據，對於企業的H R 來說並不陌生，從最開始通過招聘搜集員工信息，到能力測評，以及年度、季度的績效考評，日積月累的數據不可謂不大，但是真正將這些數據整理分析，提供給人才管理者做決策的企業卻並不多見。然而，不管你用不用，這些數據還在增大，而且，隨著新技術的出現和普及，移動設備和社交媒體也加入到企業招聘的渠道中。如何充分利用這些數據以便更有效地支持人力資源管理工作？目前企業利用人才數據的現狀如何？人才「大數據」應用的前景是怎樣的？針對這些問題，德勤華永會計師事務所中國區人力資源部招聘總監王文佶和SHL 中國區總經理付權分別從企業實踐和調研分析的角度闡述了各自的看法。
從「小數據」說起
世界經理人：SHL發布的《2013 年全球評測趨勢報告》顯示，企業在利用人才『大數據』方面還處於起步階段。這里提到的『大數據』概念跟以前企業在招聘中運用的人才數據有何不同？
王文佶：其實數據一直存在，HR招聘過程本身就涉及很多數據，從應聘者的簡歷、筆試到面試都包含很多評分（rating）。但相比較現在所說的大數據，我們把這些稱為小數據。所謂小數據就是按照某個業務流程目標，預先設定一些甄選標准，通過抽樣的方法來判斷整個流程是否符合你的需要，通過數據來研究。
德勤也有人才分析數據，但基本都是基於怎樣利用好現有的小數據，就是把原來從不同部門或不同領域採集來的本身結構化的數據，錄入數據倉庫（ Data Warehouse），並進行數據挖掘（ Data Mining）。比如，德勤有一個候選人跟進系統—ATS （Applicant Tracking System），只要應聘者投遞簡歷，他的信息就會進入德勤的全球人才庫，現在約有30 0 萬人的信息。這個資料庫可以在德勤的各個跨國公司之間共享。德勤中國可以利用這個資料庫尋找美國德勤吸引來的人。這是一個巨大的人才資料庫或者候選人資料庫，我們可以經常進行數據挖掘。
另外，德勤也在用SH L 專門的工具叫做人才數據與結構分析（Talent Analytics），它從數據的體量上來講更大。比如，SHL能對所有應聘財務的學生，在全球范圍做各種比對和分析，從而分析出一種趨勢，我們將這種趨勢稱之為對標。當一家企業想確定今年招收員工的整體質量時，SHL 的數據可以幫我們橫向地跟全世界、亞洲或者其他競爭公司的情況做比較。
但是，我認為真正的大數據是研究非結構化數據，而非通過某一個特定目標、一個已經設定的標准去採集。當大數據來臨，產生的最主要的區別在於：大數據可以通過某種機器的手段，更多地採集候選人非結構化的、自然的、在社交媒體和網路上的信息，來輔佐目前已有的結構化數據，並幫助進行判斷。如果能做到這些，那麼招聘決策就會更加准確。
付權：以前的數據來源於調查研究。假如美聯社的薪酬數據來源於針對不同企業的HR所做的調研報告，內容可能包括今年不同崗位的薪酬漲幅如何，然後通過某個公司進行有效的數據處理後，便得出這個行業的薪酬基準（ Bench mark）。但現在的數據來源於每個人與整個數據採集機構直接的互動。比如LinkedIn就是這樣的數據採集機構，上面的數據是使用者作為個體自發提供的，而LinkedIn 同時也有社交媒體（Social Media） 的概念，所以它的數據是准確可信的。LinkedIn不僅僅是一個社交媒體，也是建立企業人才庫（Talent Pool） 的有效工具。
無論是大數據還是過去的小數據，它們的功能是一致的，就是對業績進行有效預測（ Predict Performance）。舉例來說，一個應聘者加入新公司，就需要接受測試，因為公司並不了解他。這就需要一個信效度較高的測試來判斷該應聘者是否符合這個企業的文化和業績目標，以及能否跟同事友好相處，互相促進。測試的種類非常多，但所有目的都是為了預測業績。世界經理人：所謂小數據的分析是怎樣運用到招聘和人才決策中去的？
王文佶：從校招和社招兩個角度來說。在校招方面，我們不是針對個人，而主要是針對整體進行分析。比如根據現在業務的需要，可能分析得出不一定非要招財務背景的學生做審計。通過小數據分析，我們發現財經類和非財經類的同學在考CPA 的通過率方面沒有差別，甚至非財務類的學生第一第二年的通過率更高。這個現象很奇怪，於是我們就找到培訓部門一起研究這些數據，並分析出很多可能原因。
這也是小數據的局限，因為通過分析產生一個結論，這種結論不能嚴密地解答疑問，會產生很多可能性。比如可能非財務類的學生由於不懂，所以同樣的課程花了更多精力，上進心和壓力感都更強，因此他們的考試通過率更高；還可能是因為財經類的學生進來就能用，所以更多時候被派到項目上去，反而沒時間預習功課。業務經理不願意用非財經類新人，因為他們不能立刻上手，所以他們有更多的時間去復習。經過分析，這些情況都有可能，但無法得出確定的結論，但至少我們知道，招聘時不一定非要招審計和財經類的學生，這就是一個小數據的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和廣告有效性上做分析。對所有參加社招的人員，我們都會追蹤其消息來源，是通過自投簡歷、獵頭邀請，還是朋友推薦過來應聘的。就目前來說，德勤社招最得力的渠道是員工推薦，占整個最終招聘量的45%.於是，四五年前，我們把員工推薦的項目政策重新進行了改革，以提高大家的積極性。比如員工推薦的獎勵金額從原來的半年後付一半、一年後付全額，改為了把人介紹過來就付一半、三個月後付全額。這樣員工有很大積極性。
世界經理人：目前，企業HR對人才數據管理系統的重視程度偏低，或者說利用得不太好，是什麼原因？王文佶：一個主要的原因可能是數據收集所需要的投入超出了數據分析所帶來的實際收益，即投入產出不成比。比如德勤用過的人才招聘管理系統Taleo，它的一個功能是可以對所有篩選過的簡歷貼上各種標簽，比如此人這個職位好像不合適，但也許他將來能適合其他職位，於是可以做一個標記，下次找的時候就可以調出來。但是從現實的角度來看，這些工具沒有得到充分的利用。首先因為招聘官經常同時要管理十幾個空缺職位，而能把這些職位完成是首要任務。如果有剩餘時間或者找不到應聘者，他們才可能會花時間利用工具進行數據挖掘；第二個是技巧問題和工具方便性問題。另一方面，企業人力資源部門的職能條塊分割，使得各項人才管理數據分別由不同的職能團隊來收集和管理。比如薪酬團隊的數據和培訓團隊的數據往往就不被招聘團隊所掌握。現實的悖論往往是，大企業的HR有非常完善的HR職能團隊和基礎架構，可以收集到很多有用的數據，但是龐大的數據量和縱橫交錯的管理結構使得數據比較難以被有效利用，必須建立起一個項目團隊來收集、整理、分析這些數據。
大數據是什麼？
世界經理人：與小數據相比，大數據突破了哪些瓶頸？
付權：相對於大數據而言，通過調研得到的小數據可以從特殊到最後形成普遍的結論，卻很難逆向推理—從共性中找出特殊。大數據是從特殊到一般來推理出共性，然後還能從一般到特殊，尋找到異類或者優秀人才所具有的特徵，再把該特性標准化，從而形成了一個螺旋上升的推理。這是過去的小數據所缺少的。
此外，大數據可以讓我們跟蹤一個人的發展過程。比如，某位投資經理在十年的時間跨度內，盡管其能力可能變化不大，但個性可能會有所變化，他的動機可能逐漸降低或逐漸增加，技能和經驗一定是在增加的。為了了解這個人所經歷的變化，我們需要對他不同時段的評測數據進行有效的比對和分析，從而了解他的發展路徑。這在以前的小數據時代是不存在的。
大數據應用最重要的是，第一，它改變了預測績效的手段，以前是用小數據，現在是用大數據；第二，在人力資源領域裡面，大數據為人才模型提供更為詳盡、准確的數據支撐，更好地為企業管理人員所用，這非常重要。
世界經理人：與以前靠直覺來進行人才判斷相比，依靠大數據進行判斷是否會讓決策過程越來越科學化？
付權：所謂直覺是通過閱人無數所產生的經驗的第一反應，叫第一性原則。第一性原則的有效性是存疑的。有些情況下，由於巨大的文化差異，導致面試者的行為表現和表述方式都會非常不同，怎樣透過這些表面看到他們的能力、個性、動機、技能和經驗，這些都是無法通過直覺簡單獲取的。
大數據能夠讓人才選擇更加客觀、精確、容易。大數據為某位候選者的「畫像」（profile）提供一個正確、准確的反射，去映射到人才模型上面，來判斷他是否勝任這一職位。比如說通過評測數據，我們可以直觀看到一個人的評測結果是66 分，另一個人是67 分，這種微妙的差距是通過肉眼和直覺無法判斷的。而通過大數據，這就讓人才選擇更加容易和客觀。
社交媒體展現真實的應聘者
世界經理人：越來越多的企業開始利用社交媒體網路來進行招聘，這對HR意味著什麼？
王文佶：如同大數據在精準營銷上的應用，現在用戶在淘寶上搜過什麼，一打開微博也會出現同類商品的推送，如果說在招聘上也是用同樣的觀念或方法，有一個例子是LinkedIn 會根據用戶的社交信息，推送 「Maybe interesting in this job」的條目。這和電商運用的手段一樣，根據過去的網路行為推斷出你現在的需求。
德勤對社招和校招都做過這個畫像，就是找到理想候選人應該具備什麼樣的能力素質，怎樣描述，它包括候選人特徵。而在大數據時代，這個畫像里可能還要添加其他一些社交媒體的行為指標。在沒有大數據和測評工具的情況下，高管的最終決策主要通過一起吃飯或一起去打高爾夫等活動，為了觀察他們舉手投足自然的表現。但我們不可能把這套方法運用到每個應聘者。如果運用大數據，只要符合一定的法律規范，是不是能獲得每一個應聘者工作和社交行為（ Work & Social Behavior） 相關信息呢？這時候公司有兩種方法，一種是找第三方的背景調查公司，一種是詢問其以前所在公司的高管。將來如果一個人在微博、LinkedIn等社交媒體上都很活躍，那麼理論上，只要獲得他的授權，或是幾個簡單的基本信息，就能通過某種機制瀏覽到他所有的網路行為，而這些行為只要整合起來，再與通過標准化方法收集的信息做比對，就有助於提高招聘質量。但實際上要做到這些很難。這是一個理想，但只要我們有這個願景，我想早晚會實現，甚至大家最終會完全接受這種方法。
世界經理人：德勤是如何利用社交媒體進行招聘的？
王文佶：現在越來越多的大公司鼓勵招聘團隊自己直接、主動地去找人（Proactive Sourcing），也就是通過數據挖掘，通過自己建關系去找人。目前這種方式只佔德勤總招聘量的7%，而我們的目標至少要達到15% 以上。
在這種情況下，以LinkedIn為代表的社交媒體起到了較大的作用。我們購買Linkedln專門的招聘者（recruiter） 帳號，它和個人帳號不同，使用招聘者賬號就可以直接做數據挖掘，在Linkedln的350 萬中國國內用戶中直接搜索，甚至是在全球兩億四的用戶中搜索。還有，利用公司員工的Linkedln賬戶帶來更多企業曝光率。當有人點擊這個人的LinkedIn賬戶時，其所在公司的招聘廣告就會在旁邊跳出來。這是一個最新的解決方案，藉助員工的人脈做推廣。微博、微信、大街網等則幫助我們進行僱主品牌和招聘信息的傳播。
今年我們招聘團隊特地開發了一個基於德勤人脈關系的任務眾包平台：德勤聚力網（Deloit te Power House）。它的目標受眾是德勤現員工、准員工、實習生、前員工以及任何有志加入德勤的潛在候選人。在這個平台上，用戶可以發布眾包任務去找幫手，找資源，拓人脈。通過朋友間的不斷傳遞， 用戶發布的任務項目得到解決的同時也積聚了人脈。 並且， 用戶在網站上的每一次貢獻都可以獲得積分獎勵。這個平台不僅可以幫助招聘，還能幫助每一個員工把他們的職業人脈打通，在這個平台上整合和強化他們自己的社交關系。
世界經理人：企業在利用社交媒體進行招聘方面遇到哪些問題？
王文佶：很多公司都喜歡利用社交媒體來擴大直接招聘（ Direct Sourcing）。他們碰到的問題有兩個：第一，投入和產出比的權衡問題（ROI）。建設和維護社交媒體需要更多的管理投入，包括人員和資金，但社交媒體的效果不能也不應該僅用找到幾個人來衡量；第二，使用技巧問題。招聘官的主要職責是篩選簡歷並對應聘者進行評測。但是要管理社交媒體這一平台，要求的技能是如何做市場營銷，如何吸引被動候選人並說服他們加入。
大部分現有的招聘官缺乏這方面的技巧和思維方式，需要很多學習培訓。
所以，現在用社交媒體最多的是獵頭，他們有這個技能，知道如何找到候選人，激發他們的工作熱情，把工作機會銷售給他。企業內部HR 在社交媒體的使用方面相對較弱。
此外，當我們利用社交媒體數據進行數據分析時，也會遇到一些技術和法律問題，比如掃描社交媒體數據是一個新興技術，大數據分析的方法到底是否可靠、能否實現；對使用個人信息的法律限制和壁壘在哪；隱私權應該怎麼保護？目前在這些方面還有很多不清晰的地方。
❽ 大數據的就業崗位有哪些
大數據崗位高薪清單對於求職者來說，大數據只是所從事事業的一個方向，而職業崗位則是決定做什麼事?大數據從業者/求職者可以根據自身所學技術及興趣特徵，選擇一個適合自己的大數據相關崗位。下面為大家介紹十種與大數據相關的熱門崗位。
1 ETL研發企業數據種類與來源的不斷增加，對數據進行整合與處理變得越來越困難，企業迫切需要一種有數據整合能力的人才。ETL開發者這是在此需求基礎下而誕生的一個職業崗位。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL
2 Hadoop開發隨著數據規模不斷增大，傳統BI的數據處理成本過高企業負擔加重。而Hadoop廉價的數據處理能力被重新挖掘，企業需求持續增長。並成為大數據人才必須掌握的一種技術。
3 可視化工具開發可視化開發就是在可視化工具提供的圖形用戶界面上，通過操作界面元素，有可視化開發工具自動生成相關應用軟體，輕松跨越多個資源和層次連接所有數據。過去，數據可視化屬於商業智能開發者類別，但是隨著Hadoop的崛起，數據可視化已經成了一項獨立的專業技能和崗位。
4 信息架構開發大數據重新激發了主數據管理的熱潮。充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須了解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。
5 數據倉庫研究為方便企業決策，出於分析性報告和決策支持的目的而創建的數據倉庫研究崗位是一種所有類型數據的戰略集合。為企業提供業務智能服務，指導業務流程改進和監視時間、成本、質量和控制。
6 OLAP開發OLAP在線聯機分析開發者，負責將數據從關系型或非關系型數據源中抽取出來建立模型，然後創建數據訪問的用戶界面，提供高性能的預定義查詢功能。
7 數據科學研究數據科學家是一個全新的工種，能夠將企業的數據和技術轉化為企業的商業價值。隨著數據學的進展，越來越多的實際工作將會直接針對數據進行，這將使人類認識數據，從而認識自然和行為。8 數據預測分析營銷部門經常使用預測分析預測用戶行為或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。
8 數據預測分析營銷部門經常使用預測分析預測用戶行為或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。
9 企業數據管理企業要提高數據質量必須考慮進行數據管理，並需要為此設立數據管家職位，這一職位的人員需要能夠利用各種技術工具匯集企業周圍的大量數據，並將數據清洗和規范化，將數據導入數據倉庫中，成為一個可用的版本。
10 數據安全研究數據安全這一職位，主要負責企業內部大型伺服器、存儲、數據安全管理工作，並對網路、信息安全項目進行規劃、設計和實施。
❾ 現在大數據工作的薪資待遇怎麼樣
由於目前大數據人才匱乏抄，對於公司來說，很難招聘到合適的人才。因此很多企業會通過內部挖掘，所以薪資高那就不足為奇了。
大數據職業是現在均勻收入最高的職業，其從業人員均勻年薪已逾十萬元，有經驗的大數據工程師均勻年薪一般在12萬元以上。現在剛畢業學員的起薪基本是在8k-15k元的水平，有大數據相關工作經驗的學員，薪酬基本是15k-25k元的水平。如果就加米穀大數據零基礎班的學生的就業薪資來看，在成都的平均水平薪資在12k左右。
薪酬方面，以北京為例：北京2017年的薪酬，北京數據挖掘工程師工資中位數為：￥15166元/月，最低工資8K-10K，最高工資工資30-50K；北京數據工程師工資中位數：￥13156元/月，最高工資20K-30K；北京數據架構師工資中位數：￥23700元/月，最低工資10K-15K，最高工資無法確定。