學大數據都可以就業哪些崗位?因為大數據涉及到的知識相對比較廣泛，全部學精難度太大，所以現在企業在招聘的時候會細分大數據崗位，專注于某個方向招聘，所以先解下大數據的都有哪些就業方向，然后你在后續的學習過程中對哪部分比較感興趣就重點關注那部分。

　　數倉工程師 (全稱：數據倉庫工程師)

　　數倉工程師日常工作一般是不寫代碼的，主要以寫 SQL 為主!

　　數倉工程師是大數據領域公司招聘較多的崗位，薪資也較高，需要重點關注!

　　數據倉庫分為離線數倉和實時數倉，但是企業在招聘時大多要求兩者都會，進入公司之后可能會專注于離線或實時其中之一。

　　就目前來說，大多數的企業還是以離線數倉為主，不過未來趨勢肯定是實時數倉為主，所以學習時，為了現在能找到工作，需要學習離線數倉，為了以后的發展，需要學習實時數倉。所以，離線和實時都是我們重點掌握的!

　　需要掌握的技能：

　　不管離線還是實時，重中之重就是：SQL

　　SQL 語法及調優一定要掌握，這里說的 SQL 包括 mysql 中的 sql，hive中的 hive sql，spark 中的 spark sql，flink 中 的 flink sql。

　　在企業招聘的筆記及面試中，一般問的關于 sql 的問題主要是以 hive sql 為主，所以請重點關注!

　　除 sql 外，還需要重點掌握以下技能，分為離線和實時

　　離線數倉需要重點掌握的技能：

　　Hadoop(HDFS，MapReduce，YARN)

　　Hive(重點，包括hive底層原理，hive SQL及調優)

　　Spark(Spark 會用及了解底層原理)

　　Oozie(調度工具，會用即可)

　　離線數倉建設(搭建數倉，數倉建模規范)

　　維度建模(建模方式常用的有范式建模和維度建模，重點關注維度建模)

　　實時數倉需要重點掌握的技能：

　　Hadoop(這是大數據基礎，不管離線和實時都必須掌握)

　　Kafka(重點，大數據領域中算是唯一的消息隊列)

　　Flink(重中之重，這個不用說了，實時計算框架中絕對王者)

　　HBase(會使用，了解底層原理)

　　Druid(會用，了解底層原理)

　　實時數倉架構(兩種數倉架構：Lambda架構和Kappa架構)

　　大數據開發工程師

　　數據開發工程師一般是以寫代碼為主，以 Java 和 Scala 為主。

　　大數據開發分兩類，一類是編寫Hadoop、Spark、Flink 的應用程序，第二類是對大數據處理系統本身進行開發，如對開源框架的擴展開發，數據中臺的開發等!

　　需要重點掌握的技能：

　　語言：Java 和 Scala(語言以這兩種為主，需要重點掌握)

　　Linux(需要對Linux有一定的理解)

　　Hadoop(需理解底層，能看懂源碼)

　　Hive(會使用，能進行二次開發)

　　Spark(能進行開發。對源碼有了解)

　　Kafka(會使用，理解底層原理)

　　Flink(能進行開發。對源碼有了解)

　　HBase(理解底層原理)

　　通過以上技能，我們也能看出，數據開發和數倉開發的技能重復率較高，所以很多公司招聘時 大數據開發 和 數倉建設 分的沒有這么細，數據開發包含了數倉的工作!

　　ETL工程師

　　ETL是三個單詞的首字母，中文意思是抽取、轉換、加載

　　從開始的圖中也能看出，ETL工程師是對接業務和數據的交接點，所以需要處理上下游的關系

　　好程序員大數據培訓分享：學大數據都做哪些崗位?對于上游，需要經常跟業務系統的人打交道，所以要對業務系統比較熟悉。比如它們存在各種接口，不管是API級別還是數據庫接口，這都需要ETL工程師非常了解。 其次是其下游，這意味著你要跟許多數據開發工程師師、數據科學家打交道。比如將準備好的數據(數據的清洗、整理、融合)，交給下游的數據開發和數據科學家。

　　需要重點掌握的技能

　　語言：Java/Python(會基礎)

　　Shell腳本(需要對shell較為熟悉)

　　Linux(會用基本命令)

　　Kettle(需要掌握)

　　Sqoop(會用)

　　Flume(會用)

　　MySQL(熟悉)

　　Hive(熟悉)

　　HDFS(熟悉)

　　Oozie(任務調度框架會用其中一個即可，其他如 azkaban，airflow)

　　數據分析工程師

　　在數據工程師準備好數據維護好數倉后，數據分析師就上場了。

　　分析師們會根據數據和業務情況，分析得出結論、制定業務策略或者建立模型，創造新的業務價值并支持業務高效運轉。

　　好程序員大數據培訓分享：學大數據都做哪些崗位?同時數據分析師在后期還有數據爬蟲、數據挖掘和算法工程師三個分支。

　　需要重點掌握的技能：

　　數學知識(數學知識是數據分析師的基礎知識，需要掌握統計學、線性代數等課程)

　　編程語言(需要掌握Python、R語言)

　　分析工具(Excel是必須的，還需要掌握 Tableau 等可視化工具)

　　數據敏感性(對數據要有一定的敏感性，看見數據就能想到它的用處，能帶來哪些價值)