具有大专以上学历，或从事统计工作的人员；（2）通过初级笔试、上机考试、报告考核，成绩全部合格。中级数据分析师：（1）具有本科及以上学历，或初级数据分析师证书，或从事相关工作一年以上；（2）通过中级笔试、上机考试，成绩全部合格；（3）通过中级实践应用能力考核。
大数据开发工程师在Linux和Java方面要熟练掌握，这是最基本的，需要同时掌握。学习顺序不分先后。熟悉大数据组件的开发，构建，维护和性能的优化。有强大的开发能力，需要精通相关开发语言的使用，精通MapReduce设计方法或Spark计算框架。熟悉高级算法并与业务结合。
大数据开发工程师在Linux和Java方面要熟练掌握，这是最基本的，需要同时掌握。学习顺序不分先后。掌握与大数据处理相关的技术，包括但不限于Hadoop，Hbase，Hive等。有强大的开发能力，需要精通相关开发语言的使用，精通MapReduce设计方法或Spark计算框架。
具有计算机编程功能。大数据技术建立在互联网上，所以拥有编程技巧有很大的好处。具有一定的数学能力是非常关键的，学习计算机需要非常强大的逻辑思维能力，但是数学是逻辑能力的基础，对数学知识的了解是非常关键的。学习大数据需要有一定的英语基础，因为大数据知识主要是英文，各种代码用英文表达。
首先给出一个通用化的大数据处理框架，主要分为几个方面：数据采集与预处理、数据存储、数据清洗、数据查询分析和数据可视化。大数据工程师可以从事对大量数据的采集、清洗、分析、治理、挖掘，并对这些数据加以利用、管理、维护和服务的相关技术工作。
要掌握spark核心编程进行离线批处理，sparkSQL做交互式查询，sparkStreaming做实时流式运算，spark原理的深入理解，spark参数调优与运维相关的知识。
1、以下是学习大数据后可能从事的职业方向： 大数据工程师：作为大数据工程师，您将负责搭建和维护大数据平台，处理和管理海量数据，并设计和优化数据处理流程。 数据分析师：作为数据分析师，您将负责收集、清洗和分析数据，发现数据中的趋势和规律，并为企业提供决策支持。
2、①JavaSE核心技术 ②Hadoop平台核心技术、Hive开发、HBase开发 ③Spark相关技术、Scala基本编程 ④掌握Python基本使用、核心库的使用、Python爬虫、简单数据分析；理解Python机器学习 ⑤大数据项目开发实战，大数据系统管理优化 ⑥云平台开发技术 整体来说，大数据课程知识点多，课程难度较大。
3、数据分析师。数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。
获取数据 获取相关的数据，是数据分析的前提。数据处理 获取数据，把数据处理成自己想要的东西。形成报告 把数据分析的结果可视化，展现出来。
在咨询公司，数据分析专家投身于定量研究，频繁搜集外部数据，进行竞品分析，为策略制定提供关键见解。而在银行等金融机构，内部数据资源丰富，分析师需运用数据分析预测用户行为，如优化分期推荐、策划优惠活动，以降低风险、增加收入，这是他们的核心任务。
写SQL 脚本：俗称“跑数据”。leader要一组 季度数据/月数据/周数据 ，写一段或者N段SQL把数据跑出来。一般是临时性需求，不过当发现默默地演变成一个常规性需求时，最好直接封装SP（存储过程）了……每次跑一下方便省事。
数据埋点 数据分析师要对业务进行分析，分析所需要的数据需要通过埋点来获取。分析师参与到数据规划、数据采集的过程中，可以更快地拿到数据，减少数据等待时长，有利于提高分析的效率。
跑数据，也就是利用SQL代码从数据库中调取相关的数据，然后在利用调取过来的数据进行相关的数据分析。2）支持销售部门分析需求。这个过程基本是伴随着销售部门的需求来的，一般持续时间比较长。
数据分析师作为业务与IT的桥梁，与业务的需求沟通是其实是数据分析师每日工作的重中之重。在明确了分析方向之后，能够让数据分析师的分析更有针对性。如果没和业务沟通好，数据分析师就开始撸起袖子干活了，往往会是白做了。
数据分析师是比较好的，以下是数据库工程师和数据分析师的区别：概念区别。数据分析师，是数据师的一种，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
建议你选择数据分析方向，而且你也有这些方面的经验。而数据库方面的话，则要求对某个特定数据库非常熟悉（每个数据库厂商的产品特性都不一样，配置和优化也不一样，包括数据库本身的开发，如脚本，异常处理等）。至于收入方面，没有一定的标准，一般根据公司的大小和职位的配置来定的。
两个岗位完全不同。数据分析师是用数据的。数据工程师是把数据汇聚起来的。不过非要说好的话，数据分析师是比较好的。数据工程师对演算法有相当好的理解。因此，数据工程师理应能运行基本数据模型。商业需求的高端化催生了演算高度复杂化的需求。
此外，他们还需不断提升知识结构，并注重实践能力的培养。03 数据挖掘工程师 数据挖掘工程师负责从海量数据中发掘潜在的规律和模式，运用数学知识进行深入的数据分析与处理。这一职位要求精通数学领域的基础知识，如线性代数、高等代数、凸优化和概率论，并熟练运用Python、Java、C或C++等编程语言。
大数据技术的就业前景有数据工程师、数据分析师、大数据架构师。大数据工程师 大数据工程师可以从事对大量数据的采集、清洗、分析、治理、挖掘，并对这些数据加以利用、管理、维护和服务的相关技术工作。大数据工程师专业技术水平等级培训考试分初级、中级、高级三个级别。数据工程包括数据获取，存储和处理。
数据分析师：数据分析师负责收集、处理和分析数据，并将结果用于业务决策。他们需要了解SQL、Excel、Tableau和Power BI等工具。就业前景：数据科学家：负责利用大数据技术来分析和解释数据，以帮助企业做出更明智的决策。数据科学家的工作通常需要掌握统计学、机器学习、数据库管理等技能。
1、大数据毕业后可以从事数据算法工程师的工作。他们负责大数据产品数据挖掘算法与模型部分的设计，制定数据建模、数据处理和数据安全等架构规范并落地实施。数据算法工程师需要具备扎实的数学和统计学功底，对算法的代码实现也有很高的要求。数据架构师 大数据毕业后可以从事数据架构师这个职位。
2、数据专业毕业生可以选择从事的岗位有很多种，可以做大数据开发工程师。现如今，随着时代的变化，大数据专业越来越抢手。大数据的就业方向有互联网、物联网、人工智能、金融、体育、在线教育、交通、物流、电商等。
3、大数据毕业后可以去这些地方就业：数据分析师、数据架构师、数据挖掘工程师等等。数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。技能要求需要懂业务、懂管理、懂分析、懂工具、懂设计。
4、大数据毕业后去什么岗位就业如下：大数据专业就业方向数据挖掘/算法工程师 算法工程师是通过算法搜索隐藏在大量数据中的特定内容的专业人士。这项工作有助于企业做出明智的决策，提高工作效率，降低错误率。数据挖掘已成为许多 IT 战略的重要组成部分，其大数据专业人员的需求量也很大。
5、大数据专业毕业生可以从事行业数据收集、整理、分析、评估和预测等工作，其中数据分析师是数据师的一种，专注于从过去和现在的数据层面理解数据，通过分析或可视化处理等方式，实现数据的商业意义。
6、多元化就业岗位：大数据专业毕业生可以选择的工作岗位多样，包括但不限于大数据工程师、数据分析师、数据科学家、数据架构师、大数据项目经理、算法工程师、数据挖掘工程师等。
大数据开发工程师的基本职责-岗位职责1 职责：参与大数据平台搭建以及项目技术架构。
根据项目或产品涉及的具体业务场景，对数据进行分析、计算并加工。大数据开发工程师学习3-6个月比较合适，有人带时间会短一些，有条件允许建议去培训机构学习，可以从最基础的开始，把基础打牢固，然后再结合项目实践，熟练精通大数据开发。
参与大数据平台的容量规划、持续交付、业务监控、应急响应，保证平台正常运行；利用大数据相关技术实现对数据的加工、分析、挖掘、处理、及数据可视化等相关工作；推动团队内成员技术经验分享，关注相关前沿技术研究，通过新技术服务团队和业务。
大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。第一类工作感觉更适用于data analyst这种职位吧，而且现在Hive Spark-SQL这种系统也提供SQL的接口。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。
大数据开发工程师需要针对不同行为的用户进行有针对营销，能聚焦客户，进行个化准确营销，主要做的是分析历史、预测未来、优化选择。
大数据开发有两种，一种需要编写Spark、Hadoop的应用程序，另一种需要开发大数据处理系统本身。大数据开发工程师的职责是负责公司大数据平台的开发和维护、网络日志大数据分析、实时计算和流式计算等技术的研发和网络安全业务主题建模等工作。
