随着雲時代的來臨，大數據（Big data）也吸引了越來越多的關注。

而大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。

換而言之，如果把大數據比作一種産業，那麼這種産業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。

大數據工程師就是擁有這種發現、發掘、處理加工能力的人才。

問：大數據工程師是幹什麼的呢？

答：大數據工程師是從事大數據采集、清洗、分析、治理、挖掘等技術研究，并加以利用、管理、維護和服務的工程技術人員。

問：大數據工程師主要負責哪方面的工作？

答：

1.研究、開發大數據采集、清洗、存儲及管理、分析及挖掘、展現及應用等技術；

2.研究、應用大數據平台體系架構、技術和标準；

3.設計、開發、集成、測試大數據軟硬件系統；

4.大數據采集、大數據清洗、大數據建模與大數據分析；

5.管理、維護并保障大數據系統穩定運行；

6.監控、管理和保障大數據安全；

7.提供大數據的技術咨詢和技術服務。

問：大數據工程師需要具備哪些能力？

數學及統計學相關的背景

相關互聯網公司對于大數據工程師的要求都是希望是統計學和數學背景的碩士或博士學曆。

缺乏理論背景的數據工作者，更容易進入一個技能上的危險區域（Danger Zone）—一堆數字，按照不同的數據模型和算法總能捯饬出一些結果來，但如果你不知道那代表什麼，就并不是真正有意義的結果，并且那樣的結果還容易誤導你。

計算機編碼能力

實際開發能力和大規模的數據處理能力是作為大數據工程師的一些必備要素。

舉例來說，現在人們在社交網絡上所産生的許多記錄都是非結構化的數據，如何從這些毫無頭緒的文字、語音、圖像甚至視頻中攫取有意義的信息就需要大數據工程師親自挖掘。

即使在某些團隊中，大數據工程師的職責以商業分析為主，但也要熟悉計算機處理大數據的方式。

對特定應用領域或行業的知識

大數據工程師這個角色很重要的一點是，不能脫離市場，因為大數據隻有和特定領域的應用結合起來才能産生價值。

所以，在某個或多個垂直行業的經曆能為應聘者積累對行業的認知，對于之後成為大數據工程師有很大幫助，因此這也是應聘這個崗位時較有說服力的加分項。

問：大數據工程師的職業發展如何？

答：由于大數據人才數量較少，因此大多數公司的數據部門一般都是扁平化的層級模式，大緻分為數據分析師、資深研究員、部門總監3個級别。

大公司可能按照應用領域的維度來劃分不同團隊，而在小公司則需要身兼數職。

有些特别強調大數據戰略的互聯網公司則會另設最高職位—如阿裡巴巴的首席數據官。

有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。

與此類似，大數據并不在“大”，而在于“有用”。價值含量、挖掘成本比數量更為重要。對于很多從業者而言，如何學會利用這些大規模數據是赢得競争的關鍵。