與大數(shù)據(jù)行業(yè)相關(guān)的數(shù)據(jù)類工種有哪些？這篇文章里，作者對大數(shù)據(jù)行業(yè)的相關(guān)崗位做了一定梳理和介紹，一起來看看吧，或許會對想了解相關(guān)崗位的人有所幫助。

梳理：

一、技術(shù)、產(chǎn)品、運營

第一階段： 互聯(lián)網(wǎng)1.0 ，中心化、只讀互聯(lián)網(wǎng)——雅虎。

第二階段： 互聯(lián)網(wǎng)2.0 ，去中心化內(nèi)容生產(chǎn)——博客、微博。

第三階段： 移動互聯(lián) ，基于時空、身份的人聯(lián)網(wǎng)——移動支付、移動出行。

第四階段： 萬物互聯(lián)， 人工智能和物聯(lián)網(wǎng)——智能汽車、智能機器人。

二、數(shù)據(jù)工種的抽離演變

數(shù)據(jù)類工種要解決的問題

從商業(yè)價值的角度：

1. 數(shù)據(jù)監(jiān)控企業(yè)狀況，提供決策依據(jù)：數(shù)據(jù)是統(tǒng)計的科學(xué)，是對組織的簡潔概括，人的精力是有限的，這使得復(fù)雜系統(tǒng)的高級管理人員必須也只能通過數(shù)據(jù)來掌控整個系統(tǒng)的運行狀態(tài)；
2. 數(shù)據(jù)量化業(yè)務(wù)成果，探索增長途徑：業(yè)務(wù)增長的實質(zhì)，是利用最小資源撬動最大規(guī)模的營收，當(dāng)業(yè)務(wù)脫離藍海野蠻增長，進入紅海精細化競爭，就只能通過數(shù)據(jù)衡量對比增長途徑，探索最優(yōu)方案；
3. 數(shù)據(jù)洞察企業(yè)問題，助力降本增效：隨著企業(yè)組織的擴大，臃腫、效率低下是必然出現(xiàn)的狀況，這就需要通過數(shù)據(jù)監(jiān)測組織環(huán)節(jié)效率，從而定點優(yōu)化環(huán)節(jié)流程，精簡人員、縮減成本。

從數(shù)據(jù)技術(shù)的角度：

1. 數(shù)據(jù)存儲：大規(guī)模、非結(jié)構(gòu)化數(shù)據(jù)的穩(wěn)定、安全、高容錯、快速的存取。
2. 數(shù)據(jù)計算：大規(guī)模、非結(jié)構(gòu)化數(shù)據(jù)的實時快速計算。
3. 數(shù)據(jù)的價值提煉：在低價值密度的海量數(shù)據(jù)中，找到具有商業(yè)價值的內(nèi)容。

數(shù)據(jù)的業(yè)務(wù)應(yīng)用：

• 業(yè)務(wù)對數(shù)據(jù)的理解： 將復(fù)雜專業(yè)的數(shù)據(jù)知識轉(zhuǎn)化成業(yè)務(wù)可理解、可操作的數(shù)據(jù)。
• 業(yè)務(wù)獲取數(shù)據(jù)的便捷性： 提供快速、簡潔易用的數(shù)據(jù)工具，幫助業(yè)務(wù)便捷可靠的獲取數(shù)據(jù)、利用數(shù)據(jù)。
• 自動化業(yè)務(wù)決策： 利用數(shù)據(jù)提供明確的行動任務(wù)，指導(dǎo)業(yè)務(wù)有效完成工作。

從數(shù)據(jù)應(yīng)用的深度、廣度考慮：

1. 業(yè)務(wù)結(jié)果數(shù)據(jù)的監(jiān)控： 監(jiān)控諸如訂單、業(yè)績等簡單的業(yè)務(wù)結(jié)果數(shù)據(jù)，了解企業(yè)一段時間內(nèi)發(fā)展的整體狀況；
2. 業(yè)務(wù)過程數(shù)據(jù)的應(yīng)用： 監(jiān)控諸如工作時長、工作行為發(fā)生次數(shù)/頻率、通話記錄內(nèi)容等業(yè)務(wù)過程數(shù)據(jù)，了解員工的工作狀態(tài)和工作質(zhì)量，找到問題發(fā)生的業(yè)務(wù)環(huán)節(jié)；
3. 用戶行為數(shù)據(jù)的應(yīng)用： 監(jiān)控用戶行為，從而進行用戶分層，發(fā)現(xiàn)高價值、潛在培養(yǎng)用戶，重點維護；
4. 綜合性數(shù)據(jù)的應(yīng)用： 多方位、多層次采集數(shù)據(jù)，利用機器學(xué)習(xí)算法，發(fā)現(xiàn)更廣泛數(shù)據(jù)之間的相關(guān)性，從數(shù)據(jù)中提取商業(yè)價值。

三、數(shù)據(jù)的工種

1. 數(shù)據(jù)研發(fā)——數(shù)據(jù)量和運算時間的賽跑

數(shù)據(jù)存儲： 分布式存儲技術(shù)

數(shù)據(jù)運算： 按照數(shù)據(jù)特征應(yīng)用不同的計算方案

• 批處理計算：針對大規(guī)模數(shù)據(jù)的批量處理（非實時）；
• 流計算： 針對流數(shù)據(jù)的實時計算（秒級實時）；
• 圖計算： 針對大規(guī)模圖結(jié)構(gòu)數(shù)據(jù)的處理；
• 查詢分析計算： 大規(guī)模數(shù)據(jù)的存儲管理和查詢分析。

數(shù)據(jù)分層：

• 減少總計算量，節(jié)約計算資源；
• 方便上層提取應(yīng)用數(shù)據(jù)，節(jié)約數(shù)據(jù)處理工作的頻次和時間。

2. 數(shù)據(jù)產(chǎn)品——應(yīng)對專業(yè)和復(fù)雜場景

業(yè)務(wù)決策場景： 這個 業(yè)務(wù)/產(chǎn)品 負責(zé)的核心指標是什么？如何界定業(yè)務(wù)成果？

業(yè)務(wù)信息收集場景： 業(yè)務(wù)流程中會產(chǎn)生哪些數(shù)據(jù)？什么樣的數(shù)據(jù)有采集價值？

數(shù)據(jù)采集場景： 如何保證數(shù)據(jù)采集的規(guī)范性、一致性？確保采集準確性、完備性？

數(shù)據(jù)處理場景： 如何設(shè)計數(shù)據(jù)處理和清洗方案以使數(shù)據(jù)盡可能還原實際業(yè)務(wù)場景？如何進行數(shù)據(jù)分層能更好的服務(wù)于分析師？

數(shù)據(jù)應(yīng)用場景：

• 如何提供恰當(dāng)?shù)墓ぞ?，幫助分析師更好的開展工作？
• 如何提供合適的工具，幫助一線業(yè)務(wù)更好的利用數(shù)據(jù)？
• 如何與產(chǎn)品團隊配合，讓數(shù)據(jù)在產(chǎn)品中發(fā)揮更大的價值？

3. 數(shù)據(jù)運營——精耕細作的業(yè)務(wù)演變

左手運營： 能站在運營視角，對業(yè)務(wù)有一定的抽象能力，可以輸出運營標準化 sop ；有運營驅(qū)動能力，可以驅(qū)動業(yè)務(wù)調(diào)整運營動作。

右手數(shù)據(jù)： 能進行數(shù)據(jù)的二次加工處理，提煉業(yè)務(wù)關(guān)鍵環(huán)節(jié)指標，日常監(jiān)控；能通過數(shù)據(jù)分析業(yè)務(wù)日常工作環(huán)節(jié)中的問題，形成分析結(jié)論，驅(qū)動業(yè)務(wù)調(diào)整。

4. 數(shù)據(jù)分析——從雜亂數(shù)據(jù)中尋找寶藏

在沒有其他角色協(xié)助的時候，分析師+Excel 就是最小數(shù)據(jù)產(chǎn)品，需要通盤考慮所有相關(guān)的問題。

• 數(shù)據(jù)清洗/處理： 對手頭已有的數(shù)據(jù)進行清洗、處理、整合。
• 數(shù)據(jù)報表制作： 基于業(yè)務(wù)主題，完成監(jiān)控報表。
• 數(shù)據(jù)分析： 基于業(yè)務(wù)分析主題，完成定向分析，形成分析結(jié)論，并指導(dǎo)業(yè)務(wù)拿到更好的結(jié)果。
• 業(yè)務(wù)理解： 理解業(yè)務(wù)發(fā)生的背景、場景，才能更好的站在業(yè)務(wù)視角進行有價值的數(shù)據(jù)分析工作。

四、各崗位的工作目標與協(xié)同方式

工作目標：

崗位協(xié)同：

五、各工種的職業(yè)能力要求

數(shù)據(jù)產(chǎn)品經(jīng)理技能樹：

數(shù)據(jù)分析師技能樹：

運營能力模型：

聲明：

以上圖片部分來源于第三方書籍。

未找到合適的數(shù)據(jù)運營技能圖，暫時用運營能力模型圖替代，以后找到合適的再更換。