頭條楓林網很多對於大數據了解不深刻的人都比較喜歡問學習大數據可以就業哪些職業，隨著很多大公司對數據分析需求增多，數據相關崗位的人才需求量也越來越大。今天我把比較熱門的幾個大數據崗位分享給大家。
1.首席數據官（CDO）
三軍不可無帥也，所有想在大數據項目中取得成功的公司都需要首席數據官坐鎮指揮。
2014 年 CDO 數量只有 400 人，2015 年增長到了 1000 人，據此，加德納預計，到 2019 年90%的英國大公司都會擁有自己的首席數據官。
首席數據官的工作內容非常多，職責也很複雜，他們負責公司的數據框架搭建、數據管理、數據安全保證、商務智能管理、數據洞察和高級分析。因此，首席數據師必須個人能力出眾，同時還需要具備足夠的領導力和遠見，找准公司發展目標，協調應變管理過程。
2.營銷分析師/客戶關係管理分析師
客戶忠誠度項目、網路分析和物聯網技術積攢了大量的用戶數據，很多先進公司已經在使用相關策略來支持公司的發展計劃。尤其是市場部門能夠運用這些數據進行更有針對性的
營銷。營銷分析師能夠發揮他們在 Excel 和 SQL 等數據分析工具方面的專業特長，對客戶進行細分，確保數字化營銷能夠到達目標客戶群體。當與 AdobeCampaigns 等廣告系列管理軟體配合使用時，公司企業就可以確保其營銷策略達到最佳效果。
3. 數據工程師
隨著 Hadoop 和非結構化數據倉庫的流行，所有分析功能的第一要務就是要得到正確的數據。商務智能和數據科學都要求有乾淨的、有序的且可用的數據框架，而這通常是通過
SQL 伺服器、甲骨文（Oracle）和 SAP 公司資料庫來實現的。高水平的工程師需要掌握數據
管理技能，熟悉提取轉換載入過程，很多公司都急需這樣的人才。事實上，很多首席數據官甚至認為，數據工程師才是大數據相關行業中最重要的職位。
4.商務智能開發工程師
商務智能開發工程師的最基本職能，是管理結構數據從資料庫分配至終端用戶的過程。
商務智能（BI）曾經只是商務金融的基礎，現在已經獨立出來，成為了單獨的部門，很多商務智能團隊正在搭建自服務指示板，這樣運營經理就能快速且有效地獲取高性能數據，評價公司運營情況。
商務智能最重要的技術目前都掌握在主要科技巨頭手中，包括微軟商務智能軟體包
（SSIS/SSAS/SSRS/PowerBI），甲骨文（OBIEE,OBIA），SAP（BusinessObjects）和 IBM（Cognos）。
5.數據可視化
你可能會奇怪，為什麼把可視化擺在商務智能研發工程師前面。但是隨著指示板和可視
化工具的增多，商務智能”前端”研發工程師需要更熟練掌握 Tableau、QlikView/QlikSense、 SiSense 和 Looker。能夠使用 d3.js 在網路瀏覽器中製作數據可視化的研發工程師也越來越受
到公司歡迎。很多大公司開出的年薪已經超過了 7 萬 5 千英鎊，平均日薪 500 多英鎊。
6.軟體研發工程師
這個也是大數據相關崗位？隨著大數據的發展，很多公司都開始打造基於大數據平台的
網頁應用。除了掌握 Javascript、C#、PHP 和 DiangoPython 框架等傳統軟體研發工具，大數據軟體研發工程師還需要熟練使用 Pyramid 或者 Flask。
7.大數據工程師
正如上文提到過的，數據工程師的工作是負責管理公司的數據，包括數據的收集，存儲、處理和分析。從經驗來看，這涉及到使用關係型資料庫，來管理以表格方式存儲的數據。有很多關於數據怎樣才能被定義為大數據的討論。為了得到這個問題的結論，必須綜合考慮結
構化和非結構化數據（圖像，視頻，音頻文件等），它們往往是實時收集的，並且過於複雜，因此不能由傳統數據結構處理。
大數據工程師需要能夠搭建並維護大型異構數據框架，這些數據通常是在 MongoDB 等
NoSQL 資料庫中。很多公司採用 Hadoop 框架和很多 Hadoop 次級軟體包，如 Hive（數據軟
件），Pig（數據流語言）和 Spark（多編程模型），當然數據基礎設施還遠遠不止這些。
8.洞察分析師
可能每個公司對這個職位的叫法不一樣，但不可否認，現在具備執行力且精通技術的分析師炙手可熱。通常，他們都會和產品部門、市場部門緊密合作，運用數據編程工具來整合大數據集，得出分析結論，支持發展客戶群，制定維持客戶關係策略。
從技術的角度來說，洞察分析師需要掌握各種數據編程工具，如 SQL、SAS 和 SPSS 等。但是很多公司都希望能夠使用 R 和 Python 來獲得更深度的分析，同時還要與 RStudio 等軟體包配合使用，來生動地表達可視化數據分析結果。
9. 數據架構師在大數據環境中運行程序是一回事，而構建大數據基礎設施則是另一回事。一個卓越的
· 據架構師可為尖端的大數據解決方案提供基礎，其職責包括使用 AWS， Azure 和 GoogleCloud 了解雲中的數據存儲和使用 Hadoop 或 NoSQL 設計基礎架構資料庫來管理非結構化數據。
10. 數據科學家
最近，Glassdoor 表示，數據科學家是”美國的最佳工作”，是數據世界的常駐”搖滾明星”。關於誰才是真正的數據科學家，曾引起了世界範圍內的討論，參與這場討論有許多強大學術背景的博士碩士，他們在統計學，數學，物理學，經濟學，數據挖掘和機器學習方面都具備深厚專業知識。
優秀的數據科學家能夠使用先進的分析原理和 Python，R 或 Spark 等數據編程工具來識別並解決高度複雜的業務問題。他們的分析將在決策中發揮核心作用，提供智力支持，以確保公司能夠在日益複雜的商業環境中獲得成功。