隨着互聯網的興起，人工智能和大數據成爲了熱門領域，越來越多的企業開始通過對數據的挖掘分析來爲商業決策提供建議，在國內市場，人工智能和大數據領域人才出現巨大的缺口。而數據分析師入行需要的技術能力較易，轉行/自學性價比極高，成爲大數據領域的熱門職業。
一個是職業方向的選擇。比起我本專業的方向，大數據領域有着顯而易見的幾點優勢：人才缺口非常大，薪資的相對水平比較高，成長速度比較快。
在這裏我還是要推薦下我自己建的大數據學習交流qq裙：522189307 ， 裙 裏都是學大數據開發的，如果你正在學習大數據 ，小編歡迎你加入，大家都是軟件開發黨，不定期分享乾貨（只有大數據開發相關的），包括我自己整理的一份最新的大數據進階資料和高級開發教程，歡迎進階中和進想深入大數據的小夥伴。上述資料加羣可以領取
從互聯網開始普及，我們每天都會產生大量的數據，並且數據存儲技術也在進一步發展，所以大數據背後的價值越來越被大家所重視。實際上，銀行、電商等領域中，數據分析已經有完整的職業生態了，但是信息技術的發展，給數據分析帶來了更多的應用場景，目前單電商領域的發展就帶來了採銷、倉儲、運送等環節的數據應用，甚至傳統工業也都對數據挖掘提出要求，而在未來幾十年裏，這個需求都不會衰退，大數據的用人缺口極大。
目前，高校針對大數據分析和人工智能領域設置的對口專業非常少，很多專業人才都是計算機、金融或者統計出身，而用人市場又存在極大的需求，因而工資也水漲船高。
至於成長速度，一方面，大數據面對的工業場景在不斷更新和擴展，目前比較熱門的可能是互聯網電商行業，而很多傳統工業也在嘗試用大數據做決策優化；另一方面，很多數據挖掘理論也在與時俱進，因此數據挖掘算法相關從業者需要保持項目的實踐推進能力，並持續進行理論學習，這類從業者的淘汰率大，壓力也大，不過成長速度也快。
第二個問題是爲什麼回國。一個原因是根據自身情況所做出的選擇，在這裏不多說，有借鑑意義的是中美在大數據行業的差異性。
美國作爲一個發達國家，很多應用場景下的數據採集、管理分析流程已經比較成熟了。除了前沿的技術研究進展，從工業應用領域來看，中美大體差異不大，甚至中國在未來的發展空間還更廣闊，但是涉及到一些傳統工業或電商、物流這類的新型產業，中國整體的大數據應用水平還是比較遲滯的。
中國在數據這一領域的發展空間會給大家更多的機會，因此在大數據行業發光發熱，其實是一個非常好的選擇。現在進入這一行業的人，在某種程度上會成爲第一批接觸並且解決該行業問題的人才。
第三個問題是創業公司和大廠有哪些區別。實際上，二者有各自的優勢。大廠具有穩定、體系分明、接觸業務層面較深、細分領域深耕、晉升通道明確等優勢，而初創公司的優勢表現在：管理扁平、任人唯能、接觸項目廣泛、直接對接客戶，並對業界的不同領域均能涉獵，成長曲線陡峭。
在劣勢上，大廠可能存在視野過窄、不跳槽難以晉升、工作內容及模式固定化、成爲一顆「螺絲釘」等問題。而初創公司相對來說比較不穩定，並且團隊靠譜與否會影響上述優勢能否保證。
我個人傾向去創業公司或者大廠剛剛成立的重點部門，因爲二者都具備一個特質，就是都能接觸到大量工作和項目，而不是在一些細分的領域做「螺絲釘」。在我看來，入行初期比較重要的是行業視野——大面看得全，才能夠在深耕領域做出最優的選擇。因此我的第一份正式工作就選擇了創業公司。另外我實習大廠的大數據部門，也有同樣優勢，它剛剛成立，能夠很快對接到業務層面，並且其內部也是採取扁平化的管理方式，能給我很多的鍛鍊機會。
其他原因還包括團隊和成長機會。我曾在硅谷機緣巧合地接觸到了杉數科技的 CTO 王子卓老師，便立志加入杉數團隊。由於杉數科技目前還在成長階段，能夠讓我接觸大量項目，而每一個項目就是行業或工業的解決方案。此外，除了技術和理論研究實力非常強大的創始人團隊，杉數科技更有一批行業非常頂尖的科學家，這些都是行業內的超優質資源。因此對個人而言，杉數科技的工作不僅僅意味着能與這些優秀科學家共事，大量的項目也非常鍛鍊人。
杉數科技是一家基於大數據的諮詢公司，主要客戶是中國工業界的大中型企業，其基於大數據的精細化運算和行業解決方案，能夠幫助企業提高決策水平。
之所以說杉數科技的前景非常好，一方面是因爲大環境下越來越多的工業企業開始重視數據，但它們未必有足夠的資金像 BAT 一樣去養數據團隊，並且即便是 BAT 這樣的大型企業，針對特定的、非常態的複雜問題也需要搞外包服務，這也是杉數科技存在的價值。另一方面，杉數科技創始人團隊都是斯坦福高學歷人才，並且配備豐富的行業經驗和學術經驗，併兼有強勁的技術實力和前沿的理論研究實力，曾爲 Google、IBM、波音、美國能源部、中國電網等機構解決運營決策優化問題。
大數據分析工程師職業內容
下面我講一下大數據分析師的工作內容，公司的崗位需求以及職業發展路徑。
數據分析這個概念，其實大家都不陌生，基本上就是針對一些數據源，去探索它們的特點，得出相應的結論或者追溯一些商業現象的原因。不同於傳統的數據分析，大數據分析不僅僅是基於自身的數據統計，有時也需要考慮一些外部因素，對其他需要的數據源進行採集、整理和合並，並且它的數據規模比較大，從業人員需要掌握一定的運行並行工具和算法，而不僅侷限於基於統計學的分析。
但是就我的從業經歷來看，大部分數據分析師的末端工作內容還是基於一些常用的統計學理論和傳統的數據分析方法，只是在這一步前增加了很多大型數據集整理、合併和運算的過程，而這些過程需要一些新的技能和理論。