大数据时代，数据驱动型企业的决策质量和效率将远超竞争对手，但无论大数据也好，小数据也罢，企业的庞大数据资产如果没有专业人才点石成金，也只能是污染环境的矿渣，而数据分析专家，如今正是企业数字化转型中最热门的人才。以下IT经理网根据Glassdoor的招聘数据统计，为大家整理目前最为炙手可热，同时又容易让企业人力资源总监“傻傻分不清”的大数据高薪职位，供大家参考：
一、数据科学家
数据科学家是过去几年最吸睛的数据分析金字塔尖岗位，同时也被Glassdoor评为工作生活平衡度最好的高级IT职业，钱多还能睡到自然醒那种（编者按：对于那些不能睡到自然醒的所谓数据科学家，你很有可能被忽悠去干了苦逼的CDO）。
数据科学家通俗讲就是能动动指头就帮企业从“垃圾数据”中挖到宝贝那种人。对于数据科学家应该具备何种“神技”，业界众说纷纭，莫一是衷，例如IBM给出的这张数据科学家技能图（上图），基本上需要万中无一的旷世奇才才能通关。对于大多数数据科学家来说，将自己与其他预测分析专家区分开来的一个重要技能是：更加扎实雄厚的编程功底，可以对各种来源，各种格式和各种size的数据都能像水果忍者一样格杀勿论。数据科学家同行拥有数学或统计学领域的博士学位，精通各种统计和机器学习方法，以及R和SAS等分析工具。数据科学家通常也是Hadoop和Spark等大数据系统的熟练用户。
值得注意的是，数据科学家在企业招聘中经常被归类到“软件工程职业”，但实际上很多数据密集型企业的数据科学家的工作更多是在产品层面，例如Facebook认为数据科学家候选者的理想专业背景不是计算机科学，而是社会学或者社会心理学。虽然目前IT行业很多的低端软件开发人员或数据分析师也自称数据科学家，但是真正配得上这个称号的人才少之又少。
二、高级分析专家
高级数据分析专业人才这个定义中的“高级”两个字，通常指的是预测分析、指令性分析、模拟，以及其他形式的高级分析。高级分析专家与数据科学家最大的区别就是，高级分析专家通常不具备超大规模数据集或非结构化数据的分析工作经验。
三、数据分析师
数据分析师的工作职责非常宽泛，从数据质量、治理到创建用户数据分析系统，并执行具体的数据分析任务。数据分析师的工作范畴与数据科学家和高级分析专家有很大的重合，但是数据分析师属于更加初级一些的通用性数据分析人才，可以在企业内不同岗位扮演不同角色。
四、数据工程师
数据工程师通常在幕后工作，他们的存在使数据科学家和数据分析师的工作变得更加容易。数据工程师通常精通Hadoop等大数据技术，例如MapReduce、Hive、Pig、SQL、NoSQL，以及数据仓库解决方案。数据工程师的工作是建立管道 – 能够从不同数据源汇总、清洁数据，然后加载到数据库或数据仓库。数据工程师不分析数据，相反，他们创建一个能让数据流动和处理的软件基础设施，供其他专业人士用来分析数据。
五、业务分析师
业务分析师的职位经常会与数据分析师搞混，因为业务分析师也可以执行非常类似于由数据分析师的任务。但是，业务分析师通常有自己业务领域的专业知识，他们运用这些只是对企业业务运营中的特定领域进行分析。例如，业务分析师的建议可以帮助企业改进业务流程。
六、数据库管理员
数据库管理员顾名思义负责与数据库操作，监控和维护的所有事务 – 这里的数据库通常指SQL或其他关系数据库管理系统。数据库管理员的任务包括安装，配置，用户培训和文档维护等等。数据库厂商包括IBM，微软和甲骨文都有自己的额数据库技术认证。
七、商业智能专家
商业智能专业人士善于利用OLAP工具，报告和仪表盘洞悉数据集历史趋势。商业智能包括数据可视化，以及当下流行的商业智能平台如Tableau、Qlik和Microsoft Power BI。
本文转自d1net（转载）
