其實個人在大數據在大數據這個坑中，細細算來，時間也有3+年了，從一開始做大數據中心平臺開發構建，到現在關注的數據上層應用挖掘。所以，基本上從數據收集->數據處理(離線實時，并且還勉強算是國內實時處理早期的實踐者)->數據上層應用挖掘，這個鏈路都走了一遍。所以，有些東西、有些想法我還是愿意分享出來的，暢所欲言吧~~

　　00 緣起

之所以有這個話題，是因為周末加班中午吃飯與一個同行朋友聊起了這個話題，之后再細細地結合一些其他接觸的東西，確實是有些感觸的。

并且對于行業的一些現狀，也的確有些自己的看法，對不對先不論，這玩意兒也沒有對錯之分，每個人都有自己想法，當然也包括我博客蟲了。

所以，有些東西、有些想法我還是愿意分享出來的，暢所欲言吧~~

01 我眼中的大數據現狀!

其實個人在大數據在大數據這個坑中，細細算來，時間也有3+年了，從一開始做大數據中心平臺開發構建，到現在關注的數據上層應用挖掘。所以，基本上從數據收集->數據處理(離線實時，并且還勉強算是國內實時處理早期的實踐者)->數據上層應用挖掘，這個鏈路都走了一遍。

并且，加上手里一千多人的大數據圈子，以及有過發起組織線下技術沙龍等等經歷，坑內里的做的東西并不算十分的多，但是通過一些交流，接觸過的這方面的東西還是不少的。

所以，不至于有資格說對這個技術方向有啥定論，但是一些自己的看法見解還是有滴。

說起大數據，有個成語可以來形容一下它的現狀：遍地開花!

如今，在國內，只要是個IT公司(說的是非傳統行業)，出去的時候，感覺要是說自己公司沒有涉足大數據都不好意思。

所以，現在的情況大部分是這樣的：一個創業公司哪怕只有十多人的開發團隊，也非得整一個大數據小組出來，我們不止要做大數據離線處理，還要做離線處理，不止有數據分析報表，我們還得進行深度的數據挖掘，做到精準的個性化推薦，流弊的數據預測!

偶滴娘親啊，寥寥數人，不止要搭起一整套完整的數據收集、數據傳輸、數據離線實時處理，不止要維護hadoop集群、spark集群、storm集群的穩定性，抽空還要做深層數據挖掘，還要研究工業化流弊的算法。

你們招的這些人不是攻城獅啊，是神啊!這么流弊!

其實我并沒有說這種做法一定是錯的，只是行業現狀真心很多這種情況。如今，大數據確實是異常略微畸形的火爆!

至于說大數據這個技術方向為何會如此的爆炸，個人的觀點可能和大部分的觀點一樣：一方面是數據積累到一定程度了;另一方面是大規模數據處理技術的日漸成熟，其中當然以hadoop生態為代表。

但在不久前，我曾和一個創業公司的COE聊過這個話題，他的觀點很新穎。他反駁了我的觀點，他說中國現在之所以大數據遍地開花，是由于賺錢模式變了。

他說，在以前，隨便搞點啥都能拉到一大坨投資，但現在經濟形勢不一樣了，必須想其他新的觸發點，那就是數據，并且圍繞數據而產生新的利益點，這樣，投資人才愿意投錢進來。所以，是個公司都愿意和大數據沾點邊，不然都不好意思出去說。

就個人而言，其實感覺他說的也挺有道理的，不過我依然保持自己的看法，只是兩人看待事情的角度有些不一樣，我是從技術的角度去解析這個情況，而他則更多從創業者的角度試圖去解釋這個事情。無關對錯!

就目前來說，業內大數據遍地開花這個情況確實是存在的，個人感覺大體上有如下的具體變化：

(1)涉足的數據處理方式上來說，大規模離線處理已經被玩壞了，稍微有點實力的公司都已經開始離線、實時并行了(近一兩年Storm、Spark強勢崛起);(2)而在數據來源上，已經不再局限于自個的數據了，越來越多的公司開始爬取互聯網上的公共數據(我曾在《DT時代變革的反思》一文中比較詳細的分析過這個數據新來源);(3)而在數據的上層應用上，也已經不再局限于多維統計分析，漸漸得向用戶畫像、精準個性化推薦、業務的預測等方向靠攏(但實際上深層挖掘方面，國內還是很low的);

002 大數據年份這東西!

之前和朋友吃飯時聊的時候，他說到大數據這個技術方向的積累問題。他曾感嘆到，大數據這個方向還是缺少底蘊。

我問他為何這么說，他說你見過十年以上的大數據專家么?其他行業方向，比比皆是!我頓時無語，大數據這個技術方向滿打滿算才發展不到六七年吧，上哪找十年以上的大數據專家去。

情況確實是這樣的，基本可以分這幾種情況吧：

(1)在這個坑里，真正五年以上的大數據背景的人，已經可以算的上是半個專家了，業內絕對是稀有動物(所以，經常看到那種招聘簡歷寫到十年以上大數據行業背景，我就笑了);(2)而諸如三四年的，會點數據架構，又會點上層數據應用挖掘的，估計至少也能算的是半個中堅了，這種人不算太少，但也絕對不算多;(3)最多的是那種不到兩年大數據行業背景的，特別是那種聽聞大數據行情好，紛紛轉過來一兩年左右的，再就是那種一畢業就立志投身大數據行業的新人朋友，這類型的人應該是占據大數據從業人士中的絕大部分。

這個方向卻是缺少累積的，經常在群中(storm-分布式-IT技術 191321336)遇到那種號稱是搞大數據的，然后問到：hadoop和storm哪個比較好?

我的天吶，為何他們那么喜歡把兩個不是一類東西放在一起比較?!我都無力吐槽了，就目前來說，大數據這個方向確實缺少底蘊，還略顯浮夸，需要時間去積累。

003 企業在招什么樣的大數據工程師?

(1)剛洗白一兩年的，或者立志為大數據行業做貢獻的畢業生。

剛才說大數據行業遍地開花，人員稀缺，從個人經歷來說，這真心是這種狀況。

業務重心逐漸偏移到數據部，所以部門急劇擴招(當然也有老員工離職的問題)，近三個月來，我陸陸續續面試了大約有7個人左右吧。

面試的人中有兩三年工作經驗的，也有四五年工作經驗的，當然也有剛畢業的本科生或者碩士生。

看年份感覺都還不錯是吧，但是如果你翻一翻簡歷就會哭了。就說說三到五年工作經驗的吧。

簡歷中，項目經歷一項一大溜啥XX管理系統、XX電商后端開發項目，翻了八九個項目，終于在最后看到辣么一兩個大數據有關的項目。而掌握的技術中是各種的什么Spring MVC啊、SSH啊、js啊、甚至是php之類的，只有寥寥數個什么hadoop啥的，還不敢放在前頭，當時我就哭了/(ㄒoㄒ)/~~。

情況真是這樣的，工作經驗足的，很多都是剛從其他技術領域轉過來的，其中以開發java后端，諸如精通什么MVC框架的人群為主體。

能說上hadoop是怎么回事，會點MapReduce、Hive之類的是常態;會點Spark，能寫Scala，知道Storm的，少之又少;能把整個數據框架流程說清楚的都是奇才了;至于說到大規模數據的深層挖掘，他們是這樣說的“沒怎么接觸，但有這個興趣去學”。

行情確實是這樣的，大數據的坑挖的太大，所以各個公司都缺人，而且還是奇缺，所以也就有了上面我說的現象，各個行業，特別是傳統IT行業的從業人士，紛紛轉入互聯網，投身大數據。而有點大數據經驗的，大部分都是香饃饃似得供著，不愿意放手。

所以，最終我們這邊實際情況就是，問HR咋回事，HR說JD發出去無數份，能拉過來面試的就醬紫了。

最終大老板發話了，說到：經驗差點沒關系，只要腦子活愿意學，就要!所以，7個人，offer就發出去4份。

但更悲劇還在后頭，兩個有大概平均1.5大數據經驗的人，拿到offer后根本不鳥之，也也不知道后來去了哪個公司，而最后進來的是兩個本科以及碩士應屆畢業生。

(2)我們來看看一些“喜人”的招聘需求。

隨便翻一翻招聘網站的職位需求，每天都有大量的大數據相關職位被刷新。然后結合剛才我們所說的一些混亂現狀，你會發現很多“喜人”的招聘說明。

我希望的是，用人的公司也好、企業也好，看完這個之后，能對招人有個更清晰的定位。

我們要的是大數據行業專家!

JD中是這么描述的，十年以上大數據領域經驗，然后會XX，然后又得會XX。再多的俺就不多說了，結合剛才我們說的大數據行業歷史。十年?我就呵呵了~~

我所看到的這種JD，大部分出自于傳統IT行業(看到沒，傳統IT行業也開始追趕潮流了)，而互聯網公司職位描述就含蓄多了，最起碼他們不會動不動就要十年以上“磚家”。

而且還有一點個人想吐槽的就是，你說十年就十年吧，給待遇還奇低無比。關于這一點，互聯網公司就比較明白事理的。

關于大數據薪酬這一塊，我們再進行分析分析~~

我們要的是能進行大規模數據挖掘的人才!

關于數據挖掘，上面也稍微提到過一點，數據的上層應用挖掘，這個需求隨著數據處理流程日益完善，數據的應用已經從簡單的多維統計分析，慢慢得向深層挖掘過渡。

不說大規模數據，就說傳統的數據挖掘，其實這塊就國內的情況來看，還是處于比較初級的狀態的。

我們經常看到這樣的職位JD描述，Title寫的是“數據挖掘工程師招聘”，然后附加條件是，熟悉大數據領域，會MapReduce、kafka、hadoop、storm、spark，熟悉ETL，對若干NoSQL了解熟悉，能夠進行平臺搭建，平臺開發，能夠進行數據處理，會分類、聚類、用戶畫像、個性化推薦各種算法。

最后在工作年限上寫著“1-3年”(年份太足是很貴的嘛)。我的天啊，他們看樣子不止是想招數據挖掘工程師啊。

他們像是在招ETL工程師;不對，應該是大數據平臺開發工程師;也不對，好像確實是在招數據挖掘工程師，沒看到有算法需求嗎。

我趕腳呀，他們不是在招數據挖掘工程師，他們是在招一個全能工程師，是在招一個神啊。

(3)說了不少，對于大數據人才招聘這塊，簡單的總結一下吧!

其實個人感覺，企業還是需要對自己崗位定位要有一個比較清楚的定位的。

如果你的資金足，想招一個業內權威點的，專家級人物，沒關系，但你也別睜著眼瞎說十年吶。上哪去給你找十年專家啊!

所以，個人建議就是，瞄準在大數據領域真正玩過五年以上的，基本上就是牛人了，也足夠你用的了。

然后針對剛才說的“數據挖掘”招聘現象，其實定位也很重要了，真心想要招一個類似“全能”的人，至少也要找一個在這個領域待過3+年的。

至少三年以上的時間，這種人會對數據架構，數據處理流程，甚至是上層數據應用挖掘，都有相應的經驗，而不至于空白一片，并且容易帶動其他一年半年的大數據經驗的人，做方向導向，團隊就能快速形成大數據戰斗力。

所以，如果真心想要類似這種“全能”，真心實意點，把年份改到3+吧，并且要求實打實的3+大數據技術背景，估計差不多。

接下來就是那種一兩年的大數據技術背景的，這種以java后端開發轉行大軍為代表。如果你的預算瞄準的是這個市場，那你也別玩虛的，對口招聘吧。

要做大規模離線處理，你就招會hadoop的;需要實時處理，你就招會Storm或者會Spark Streaming的;需要做ETL，你就招熟悉ETL流程的;招數據挖掘，就找會點算法的。這才是實在的!

而對于應屆生來說，個人趕緊項目經驗都是其次的，哪怕是一些實驗室項目經驗來說，也沒啥大用。好歹算是接觸過一些內幕的，所以實驗室項目的質量，咱就不多說了，呵呵就行了。

所以，我們看的一是基礎能力。就個人的感覺來說，基礎能力當然不必說，我更偏向于對大數據技術感興趣，并且思維敏捷的應屆生。

為什么這么說呢?因為大數據技術這個領域會涉及大量的新事物，各種開源的東西，經驗少沒關系，只有思維夠敏捷，有強大的快速學習能力，那就沒有問題!

004 我們真的需要算法工程師嗎?

接著剛才的話題，不少企業公司打著招數據挖掘工程師，算法工程師，我在想他們是真的需要算法工程師么?

答案顯然是否定的!

我曾關于數據挖掘工程師與算法工程師的區別問題，跟不少人討論過，我的個人看法是，算法工程師的范圍顯然是小于數據挖掘工程師的。

數據挖掘工程師需要了解整套數據流入的過程，包括數據的接入、預處理，然后需要知道怎么用數據解決實際的業務問題，說白就是想辦法讓數據產生價值。

他需要知道一整個數據到業務輸出的機制或者說是系統，可能涉及到復雜的算法轉化，也可能只是簡單的規則轉化，或者多個模型的轉化組合輸出等等，他是一個比較全面而概括性定位。

而算法工程師則不一樣，他們的職責我認為更純粹，他們需要知道如何把現實問題轉化為數學的模型，并且把模型調到極致，從而解決問題。所以，算法工程師工作內容更單一，但是更專，需要更好的數學功底。

這也就是為何我不敢對外說是算法工程師的原因了，我怕被揍，哈哈~~

OK，有點繞遠了。我們回過頭來說說，目前大部分公司企業在找大數據的人，同時也在找數據挖掘工程師或者算法工程師。

那么，企業或者公司如何在數據挖掘這塊進行定位呢?我個人認為，大部分中小公司是不具備找純算法工程師條件的。如果，有小公司說要招算法工程師，要么是金多任性，要么是打著招算法工程師的幌子，招會點數據挖掘的人。

至于原因呢，一方面是算法這塊，在國內屬于稀缺資源，所以成本都比較高;另一方面就是在實際的業務操作中，高深的算法模型難以工業化(所以，大部分論文上的東西離工業化生產是很遠的，別被騙了);再者就是在數據挖掘領域，一些很初級容易工業生產化算法，甚至是簡單的規則定制，都在現階段已經能達到業務目的了，我們又何必費那個勁呢?!

所以，我認為企業在這種階段，你們需求是這種能夠進行大批量數據處理，然后又知道怎么進行數據工業轉化的人。因為，算法工程師在這種階段難以獲得你需要的性價轉換。

包括我們大數據部門內部也是同樣如此，算法小組冠著“算法”的頭銜，干著數據處理的雜活。這需要時間去過渡!

當然，如果你一定要養那么一群專業的算法工程師，辣么，我只能說，你拿的天使投資太多了，估計是不知道怎么花了，養著就養著吧。

005 談一談薪酬，談一談人生吧!

最后，談一談薪酬，談一談人生，談一談理想吧!

說到談薪酬，談人生談理想這個環節，我想大部分都是比較喜歡的，我也不例外，我也很喜歡，哈哈~~

正如之前所說的，大數據這個領域，有點略微畸形的火爆，導致了這個方向很缺人，也正是大量java后端開發人員轉行的直接原因。

因為缺人，他們就轉行么?顯然是扯的!大伙兒都是有理想的人，要向“錢”看的。缺人，找不到人怎么辦?提高待遇，自然就有了。

我看到過一份2014年的職業薪酬統計報告，其中大數據方向絕對是屬于偏高的。就我所知，除去金融行業的高玩們。

接下來就是玩數據挖掘的，特別是會大規模數據挖掘的人，如果是專業的算法工程師，那么，就更贊了，麻麻再也不用擔心我的工資了。

然后就是游戲行業的開發著，游戲是個保利行業，所以他們薪酬高一些是很正常的。

再接下來就是冠以“大數據”稱號的攻城獅們。這類的，要么是做平臺構建的，要么是做大數據架構，要么是做數據處理的等等。工資也比純Java后端開發、C開發、C++開發等高那么半檔一檔的。

接下來跟大數據沒有半毛錢關系的職位啥的，我就不多說了~~

006 寫在最后

所以，總體來看，整個大數據行業還是比較混亂的，企業對自己需求定位很混亂，雖然如此，依然是難以招到人。

對于投身大數據這個坑的人來說，我個人的建議就是，要入行沒問題，但是找準自己的興趣G點，別想著啥都想掌握。找準一個切入點，比如就是平臺搭建、就是ETL、就是寫離線處理程序、就是研究實時等等，然后，慢慢再往大領域中擴充自己的大數據知識庫存。

就我個人來說，從數據架構到數據上層應用挖掘，目前依然在坑內，也沒有打算從大數據的這個坑中脫身。

大數據這個方向是個技術快速更新、迭代的技術領域，所以，個人鼓勵坑中人士多多交流、多多分享才能跟上這個時代潮流。

我一直堅持著技術的分享與交流，所以也經常寫點偽技術文章，只是希望能夠把這個思想傳遞給更多的人。

說一件比較可喜的事，1月9號左右，我將再次發起組織“米特吧大數據技術沙龍”，這是第二期了，地點依然是會在北京。我已經不滿足于線上的交流了，哈哈，我要“占領”線下~~

真心的，技術是需要傳播交流以及分享的，特別是大數據領域，更是需要及時掌握最新的技術導向以及行業變化。

最后，以一句我堅持三年的話結束這篇文章：“進步始于交流，收獲源于分享!”