数据分析师 偏向商业化的数据分析，运营广告等活动效果分析，销售额或利润预测，用户特征描述等，需要较好的统计知识，需要懂1-2门数据分析工具如SAS、R等。
大数据开发工程师 开发，建设，测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等。数据分析师 收集，处理和执行统计数据分析；运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力。
数据运营者：商业战略的导航员 他们像链家地产的幕后英雄，通过大数据指导销售策略，例如设定不同区域的下一阶段销售目标，实现业绩指标的精确管理。 数据分析师：业务分析的基石 作为应用广泛的岗位，他们解析公司业绩数据，为决策者提供关键信息，是企业洞察业务动态的核心力量。
数据分析师：负责收集、清理和分析大量的数据，并提供有关业务决策的洞见和建议。 数据工程师：开发和维护大数据平台，构建数据存储和处理系统，确保高效的数据流。 数据科学家：利用统计学、机器学习和数据挖掘等技术，从大数据中发现数据模式和趋势，为业务决策提供预测和建议。
**数据仓库研究员**：数据仓库是支持企业决策的基石，研究员负责设计和维护数据仓库，为企业提供强大的业务智能服务。 **OLAP开发工程师**：在线联机分析处理（OLAP）是数据分析的重要工具。OLAP开发工程师负责构建数据分析模型和用户界面，支持高效的查询和分析。
数据分析师的月薪通常在8，000元至30，000元之间，这个范围显示了较大的薪资差异。 特别值得注意的是，15，000元至17，500元之间的薪资水平出现了一个显著的下降，这可能是由于该区间前后薪资水平在10，000元至20，000元范围内波动，而这个区间的平均工资大约是12，000元。
数据分析师在北京、上海、深圳的薪资水平最高，平均月薪超过12，000元；杭州、宁波、广州紧随其后，平均月薪达到10，000元以上；而南京、重庆、苏州、无锡等沿海及内陆的重要城市，平均月薪也在9，000元以上。
一般而言，大数据分析师的薪资在22k~30k之间，占比达到20%。不过，具体的薪资水平还需要考虑多种因素。例如，在北京，数据分析的平均工资为10630/月，大数据开发的平均工资为30230/月，hadoop的平均工资为20130/月，数据挖掘的平均工资为21740/月。
数据分析师在全国的平均月薪为26766，中位数为26244，其中7k-12k工资占比最多，约22%。最近提交的简历中，数据分析师的月薪在30K-40K之间。需要注意的是，以上数据可能不够准确，因为工资水平会受到许多因素的影响，如地区、公司规模、个人经验和技能等。
数据分析师的工资跟两个因素有关：一是地域，是经验。目前我国大数据分析师人才需求最大的地区主要是在一线城市，全国数据分析师的平均工资在2万元左右，年薪能达到15万至20万元。
大数据相关工作岗位很多，有大数据分析师、大数据挖掘算法工程师、大数据研发工程师、数据产品经理、大数据可视化工程师、大数据爬虫工程师、大数据运营专员、大数据架构师、大数据专家、大数据总监、大数据研究员、大数据科学家等等。
学习能力能帮助大数据工程师快速适应不同的项目，并在短时间内成为这个领域的数据专家；沟通能力则能让他们的工作开展地更顺利，因为大数据工程师的工作主要分为两种方式：由市场部驱动和由数据分析部门驱动，前者需要常常向产品经理了解开发需求，后者则需要找运营部了解数据模型实际转化的情况。
大数据是负责大数据平台技术开发的工作人员。规划及建设大数据平台。负责大数据存储系统、分布式计算系统、挖掘算法等设计、研发以及维护、优化工作。负责分析、挖掘、对抗各种产品安全层面的恶意行为。
当下，大数据方面的就业主要有三大方向：一是数据分析类大数据人才，二是系统研发类大数据人才，三是应用开发类大数据人才。他们的基础岗位分别是大数据系统研发工程师、大数据应用开发工程师、大数据分析师。
为你整理了几个最常见的大数据人才工作内容。数据分析师 这个职位大概是最常见的，“数据分析师”指的是不同行业中，专门从事行业内数据搜集、整理、分析，并依据这些数据做出研究、评估的专业人员。
1、大数据分析师需要利用数据分析的结果，挖掘经营中的潜在问题和机会，提出明确的分析结论和对策建议，为企业的战略决策提供支持。如果没有相应的战略管理能力，数据分析结果也仅是僵化的信息，无法实现其价值。 （2）团队管理。
2、大数据分析师的岗位职责是：收集汇总、整合外部网络平台、同行业及公司内部的经营管理及客户资源等数据；清洗数据，利用数据分析软件分析数据规律，出具分析报告；根据分析结果为公司的经营提供有效建议，为领导决策提供参考；对所搜集数据进行精准分析，给集团决策层提出合理化建议。
3、大数据相关工作岗位很多，有大数据分析师、大数据挖掘算法工程师、大数据研发工程师、数据产品经理、大数据可视化工程师、大数据爬虫工程师、大数据运营专员、大数据架构师、大数据专家、大数据总监、大数据研究员、大数据科学家等等。
4、为公司提供数据报告。数据分析师可以使企业清晰的了解到企业现状与竞争环境，风险评判与决策支持，能够充分利用大数据带来的价值，在进行数据挖据与展现后，呈现给企业决策者的将是一份清晰、准确且有数据支撑的报告。所以，大数据分析师已经不是简单的IT工作人员，而是可以参与到企业决策发展制定中的核心人物。
5、对数据可分析问题做分析建模；3）对最后的分析结果和模型进行业务实施。另外，参加数据建模比赛能够对2）提供很大的帮助；但是对1）和3）帮助甚微。而最具挑战、最有价值的，恰恰是1）和3）。
6、数据分析主要是做数据的收集、挖掘、清洗、分析，最后形成具有业务价值的分析报告. 大包括数据体量的大，也包括数据维度的广.大数据工程师是个很重要的工作，就是通过分析数据来找出过去事件的特征。通过引入关键因素，大数据工程师可以预测未来的消费趋势。
大数据方向挣钱多的岗位 （1）大数据系统研发工程师：负责大数据系统研发工作，包括大规模非结构化数据业务模型构建、大数据存储、数据库架构设计以及数据库详细设计、优化数据库构架、解决数据库中心建设设计问题。他们还负责集群的日常运作、系统的监测和配置、Hadoop与其他系统的集成。
数据分析师：负责收集、整理和分析大量数据，提供业务决策的见解和建议。 数据工程师：开发和维护大数据平台，构建数据存储和处理系统，确保数据流的效率。 数据科学家：运用统计学、机器学习和数据挖掘等技术，从大数据中发掘数据模式和趋势，为业务决策提供预测和建议。
数据分析师：数据分析师是大数据行业中的核心岗位之一。他们负责收集、处理和分析大量的数据，为企业提供决策支持。数据分析师需要具备良好的统计学和编程技能，能够熟练使用各种数据分析工具和编程语言。 数据工程师：数据工程师负责设计、构建和维护大数据平台和基础设施。
**Hadoop开发工程师**：Hadoop作为一种处理大数据的分布式系统，其开发工程师需求随着数据规模的扩大而增长。掌握Hadoop技术成为了大数据人才的重要能力之一。 **可视化工具开发工程师**：数据可视化将复杂的数据以图形化的方式展示出来，使得决策者能够直观理解数据背后的意义。
爬虫工程师、数据分析师等。- 数据挖掘、数据分析&机器学习：这一方向学习门槛较高，难度较大，市场上专门提供培训的机构不多。相关岗位包括数据科学家、数据挖掘工程师、机器学习工程师等。- 大数据运维&云计算：这一方向市场需求稳定，更侧重于Linux和云计算技能。相关岗位包括大数据运维工程师等。