大數據時代，數據驅動型企業的決策質量和效率將遠超競爭對手，但無論大數據也好，小數據也罷，企業的龐大數據資產如果沒有專業人才點石成金，也只能是污染環境的礦渣，而數據分析專家，如今正是企業數字化轉型中最熱門的人才。以下IT經理網根據Glassdoor的招聘數據統計，為大家整理目前最為炙手可熱，同時又容易讓企業人力資源總監“傻傻分不清”的大數據高薪職位，供大家參考：

一、數據科學家

數據科學家是過去幾年最吸睛的數據分析金字塔尖崗位，同時也被Glassdoor評為工作生活平衡度最好的高級IT職業，錢多還能睡到自然醒那種（編者按：對于那些不能睡到自然醒的所謂數據科學家，你很有可能被忽悠去干了苦逼的CDO）。

數據科學家通俗講就是能動動指頭就幫企業從“垃圾數據”中挖到寶貝那種人。對于數據科學家應該具備何種“神技”，業界眾說紛紜，莫一是衷，例如IBM給出的這張數據科學家技能圖（上圖），基本上需要萬中無一的曠世奇才才能通關。對于大多數數據科學家來說，將自己與其他預測分析專家區分開來的一個重要技能是：更加扎實雄厚的編程功底，可以對各種來源，各種格式和各種size的數據都能像水果忍者一樣格殺勿論。數據科學家同行擁有數學或統計學領域的博士學位，精通各種統計和機器學習方法，以及R和SAS等分析工具。數據科學家通常也是Hadoop和Spark等大數據系統的熟練用戶。

值得注意的是，數據科學家在企業招聘中經常被歸類到“軟件工程職業”，但實際上很多數據密集型企業的數據科學家的工作更多是在產品層面，例如Facebook認為數據科學家候選者的理想專業背景不是計算機科學，而是社會學或者社會心理學。雖然目前IT行業很多的低端軟件開發人員或數據分析師也自稱數據科學家，但是真正配得上這個稱號的人才少之又少。

二、高級分析專家

高級數據分析專業人才這個定義中的“高級”兩個字，通常指的是預測分析、指令性分析、模擬，以及其他形式的高級分析。高級分析專家與數據科學家最大的區別就是，高級分析專家通常不具備超大規模數據集或非結構化數據的分析工作經驗。

三、數據分析師

數據分析師的工作職責非常寬泛，從數據質量、治理到創建用戶數據分析系統，并執行具體的數據分析任務。數據分析師的工作范疇與數據科學家和高級分析專家有很大的重合，但是數據分析師屬于更加初級一些的通用性數據分析人才，可以在企業內不同崗位扮演不同角色。

四、數據工程師

數據工程師通常在幕后工作，他們的存在使數據科學家和數據分析師的工作變得更加容易。數據工程師通常精通Hadoop等大數據技術，例如MapReduce、Hive、Pig、SQL、NoSQL，以及數據倉庫解決方案。數據工程師的工作是建立管道 – 能夠從不同數據源匯總、清潔數據，然后加載到數據庫或數據倉庫。數據工程師不分析數據，相反，他們創建一個能讓數據流動和處理的軟件基礎設施，供其他專業人士用來分析數據。

五、業務分析師

業務分析師的職位經常會與數據分析師搞混，因為業務分析師也可以執行非常類似于由數據分析師的任務。但是，業務分析師通常有自己業務領域的專業知識，他們運用這些只是對企業業務運營中的特定領域進行分析。例如，業務分析師的建議可以幫助企業改進業務流程。

六、數據庫管理員

數據庫管理員顧名思義負責與數據庫操作，監控和維護的所有事務 – 這里的數據庫通常指SQL或其他關系數據庫管理系統。數據庫管理員的任務包括安裝，配置，用戶培訓和文檔維護等等。數據庫廠商包括IBM，微軟和甲骨文都有自己的額數據庫技術認證。

七、商業智能專家

商業智能專業人士善于利用OLAP工具，報告和儀表盤洞悉數據集歷史趨勢。商業智能包括數據可視化，以及當下流行的商業智能平臺如Tableau、Qlik和Microsoft Power BI。