职位情报局 | 招聘季,什么样的职位最抢手?-阿里云开发者社区

开发者社区> 大数据文摘> 正文

职位情报局 | 招聘季,什么样的职位最抢手?

简介: 据说优秀的数据人才钱多位高有前途,正值招聘季,我们分析了数据人才的就业前景,以及什么样的数据人才最受企业欢迎。希望为求职或在读的同学们提供参考,找到提升自身能力的方向。 市场供不应求,数据人才风头无二 今年全国毕业生数量高达795万,秋季求职期全国人才供需竞争指数为30.4,即每30.4人竞争1个岗位,毕业生就业形势严峻。

据说优秀的数据人才钱多位高有前途,正值招聘季,我们分析了数据人才的就业前景,以及什么样的数据人才最受企业欢迎。希望为求职或在读的同学们提供参考,找到提升自身能力的方向。

市场供不应求,数据人才风头无二

今年全国毕业生数量高达795万,秋季求职期全国人才供需竞争指数为30.4,即每30.4人竞争1个岗位,毕业生就业形势严峻。尽管如此,数据人才在人才市场供不应求,据预测,未来3-5年内数据人才缺口将高达150万。这这样供不应求的情况下,数据人才的身价水涨船高。数据人才可从事数据分析师、hadoop开发工程师、数据挖掘工程师、算法工程师和大数据开发工程师等工作,2017年6月,以上岗位在北京的平均工资从10630元/月至30230元/月不等。

除了薪酬,数据人才在多个方面显露出重要性地位:

行业分布方面,数据分析师几乎遍及所有行业,风头最盛的互联网行业和金融行业分别占比67.4%和16.4%。

职务安排方面,大公司可能依应用领域划分项目团队,大数据工程师、数据分析师和AI工程师/科学家负责关键岗位。在奉行大数据战略的公司可能设有首席数据官一职,由数据战略人才担任,负责战略性研究工作。

职业晋升方面,如对商业和产品敏感,数据人才可向产品部或市场部转岗,有望升至公司高级管理层。

731956b101084657a2d0699954df0c1b9201c830

各职位市场招聘需求

数据来源:《顶级数据团队建设全景报告》

互联网巨头哄抢清华大数据毕业生,“π”型人才炙手可热

2014年4月,清华大学顺应时代潮流成为全国第一批成立大数据研究机构的高等学府。四年来,清华-青岛数据科学研究院(以下简称:数据院)与研究生院共同设计组织实施了以大数据能力提升项目为主的大数据人才培养体系,重点培养具有大数据思维和应用创新的“π”型人才。2017年7月,第一批129名清华大数据毕业生刚进入就业市场就被微软、亚马逊、BAT等互联网巨头“争相哄抢”。清华大数据人才如此抢手的背后,有着数据院独家特色教育“秘方”:

大数据能力提升项目配备了高水平的校内外导师队伍,其中包括40余位来自清华校内不同院系的大数据技术与应用领域的院士、教授及专家学者,为学生提供权威的学术和技术指导。同时,还包括20余位自国内外大数据领域知名企业和政府部门的行业专家,他们为大数据人才培养提供丰富的行业和实践经验指导。

此外,不同于传统的教学模式,该项目中穿插实践课程,让学生接触真实的数据,解决实际需求。学生结合自己学科背景和兴趣点,交叉混合组队,实践项目涉及经济金融、交通、工业、法律、医疗、营销、公共管理等多个行业。有扎实的学术基础,同时具备真实数据历练,这样的数据人才自然成为了企业的优先选择。(了解大数据能力提升项目,请关注清华大学清华-青岛数据科学研究院官网www.ids.tsinghua.edu.cn)

什么样的数据人才最受企业欢迎?

大数据从业者大致可归为大数据/AI工程师、数据分析师和数据科学家三类岗位,因具体职责分工,就业必备素质或技能会有一定差异。清华大数据人才之所以抢手,是由于目前市场急缺这样一批高素质的复合型数据人才。我们梳理了最受企业欢迎的数据人才必备能力,相信具备以下素质或技能的数据人才将成为招聘季的最大赢家:

1. 成熟的数据思维

对企业而言,处理海量信息消耗巨大的存储和计算资源,即成本。以第三方全域数据服务提供商友盟+为例,其每天处理的事件数就达百亿量级。数据从业者需要具备成熟的数据思维,合理定义和实现数据的高效计算。通过给定代码质量评价体系并测试,剔除低效代码。

2. 扎实的技术基本功

大数据/AI工程师日常以技术性工作为主,必须具备java、大数据开发、大数据架构、软件开发工程等技术背景。相较大数据工程师,AI工程师还需要具备机器学习和深度学习的能力。数据科学家是比较综合的岗位,业界流传有““数据科学家和数据分析师中间隔着一个程序员,”意思是相较数据分析师,数据科学家要掌握编程去处理数据、开发生产级的系统。

731956b101084657a2d0699954df0c1b9201c830

企业对数据人才的技能需求

数据来源:《顶级数据团队建设全景报告》

3. 丰富的跨学科知识

随着大数据向各行业的渗透,大数据从业者往往身兼数职,需要同时掌握数据技术和业务知识。如数据分析师,不仅要具备数据分析、数据挖掘和机器学习等能力,还要具备市场营销、商业模式、数据产品等方面的知识和技能。而一个既能做业务数据分析,又懂机器学习和工程开发的分析师就是数据科学家。

4. 自觉的团队协作意识

数据分析往往涉及数据和业务两大部分,单独一个部门无法完成全部工作。而数据团队和业务团队又难免存在沟通壁垒,所以自觉进行团队协作尤为重要。猎聘CDO单艺预测,未来数据团队将采取嵌入式工作模式,即数据团队业务线人员直接和业务线人员并肩工作,形成紧密合作的伙伴关系。

5. 强大的业务沟通能力

在互联网公司,以业务为中心的项目制工作模式相当普遍。除数据分析的基本工作外,参与的数据分析师还有承担对内对外的业务沟通工作。对内,分析师掌握客观的数据分析结果,成为业务部门的咨询师,支持或影响业务线同事;对外,通过沟通,分析师了解客户并洞察其需求。

人才市场中,与高薪酬待遇相应的是严格的就业门槛。具备高素质的复合型数据人才,才能跨过就业门槛,叱咤职场。希望本文能够帮助你找到自我提升的方向,提高自己的竞争力,获得心仪的offer~


原文发布时间为:2017-11-5

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据文摘
使用钉钉扫一扫加入圈子
+ 订阅

官方博客
官网链接