0x0E 大数据职位，数据场技能(上)
来自： http://www.jianshu.com/p/943b76ee675a
摘要：除了报表统计外，还需要对数据的有很强的解读能力。电商中的个性推荐技术，商业与银行中的欺骗检测，智能手机中语音识别等等技术，让我们浑身便散发出大数据与机器学习的各种场信息，给人以满满的正能量。
01 数据场
学过物理的小伙伴，都知道世界充满了电场和磁场。了解过佛学的人，都知道世界充满了念力场与信息场，通过信息场，可以与更高一级的文明进行沟通。
有的人一出现，浑身便会散发出强大的气场。现在是数据时代，整天和数据打交道，要培养自己的数据场。开句玩笑的话，以后往人群中一站，还未开口，浑身便散发出大数据与机器学习的各种场信息，给人以满满的正能量。
说起“大数据”一词，也是真正被吵够了。连做个简单的统计也叫大数据，做个表格、画个图形出来，就叫大数据了。凡是不和“大数据”沾边，就感觉已经落伍了。其实，很多人除了知道简单的统计外，根本不了解大数据是什么。甚至连Hadoop都不知为何物，更别谈机器学习了。
大数据是一个概念也是一门技术，是在以Hadoop为代表的大数据平台框架上进行的各种数据分析技术。包括了实时数据处理、离线数据处理；还包括了数据分析，数据挖掘，和用机器学习算法进行预测分析。
概念吵着吵着就变味了。用“大数据”来代表一切，有些不太合理。目前比较合适的一个词是数据科学（Data Science），做数据科学的可以叫数据科学家。当然真正到科学家这个级别，要求是非常高的，需要有完整的数据知识体系。
也许小时候的梦想就是当科学家，现在终于不用上博士就可以实现了。虽然很多都只是自己团队或者公司封的职位。接下来，可以看看，在数据方面上，大概有哪些职位。
02 数据职位
限于个人的阅历与认识，在此只是列举其中一部分出来。
2.1 开发相关
主要有数据抓取，也即通常说的网络爬虫。需要考虑数据抓取的实时性与完整性，还有数据及时更新，数据去重等等。严格来说，和通常意义上的大数据相关性不大，主要是后端开发的一系列技术，其中也会涉及分布式的一些技术。
ETL开发，ETL为Extract、Transform和Load的缩写，即数据抽取，转换与装载。将各种来源的数据进行收集、规范和存储起来。可以是离线的方式，存储在以Hadoop为代表的大数据集群中。也可以是实时的展现在报表系统中。如果是实时的，也叫实时数据流开发，通常和Storm框架或者Spark Streaming技术相关。
Hadoop平台开发，专指以大数据框架为基础，并在此基础上进行二次开发或者数据流开发。对数据平台做开发与改进，只能是程序员的工作了，根据业务需求，对现有的平台进行改进与优化。因为是平台相关的，通常需要Java与Scala的专业程序员，这块和数据分析基本没有太大关系。
另外还有纯前端的数据可视化技术开发，或者纯运维的大数据集群管理等等。
2.2 报表分析
商业智能分析，包括报表分析，运营或者销售分析，这一块以Excell、SPSS和R为代表。主要是指对针对具体业务，对现有的数据进行统计分析，期待从中发现一些规律与趋势。
数据分析报表，也是最常用的数据分析师职位的一些工作，通常产出以报表为主。这块很多时候会与运营部门的需求相关，技术上主要以成熟的工具为主。
当数据量一大，就会涉及在集群环境下的分析，分析师通常很熟悉SQL，这也是构建于Hadoop之上的Hive能被大众熟悉的原因。
除了报表统计外，还需要对数据的有很强的解读能力，能分析和解读出一些现象产生的原因，同时需要针对这些问题，提出一些可能的应对方案，以便对业务策略或者商业方向上有更多的指导。
一些专业领域分析，如网络安全分析，金融领域分析。这些领域的分析，通常需要用领域知识，深入现象背后去挖掘出产生的原因，不仅要具有很强的分析能力，也需要很强的领域知识。
2.3 算法挖掘
做为数据科学中的重头戏，便是数据挖掘和机器学习了。在线电商中的个性推荐技术，商业与银行中的欺骗检测，智能手机中语音识别（Siri），机器翻译，图像识别等等。
涉及大量机器学习算法，包括分类、聚类和个性推荐等常用数据挖掘技术。也包括数据分析的很多基础，和数据分析偏重的报表产出并不同，并不强调产出大量的报表，通常是在现有数据基础上的产出新数据，用于服务业务系统。
还可以推广到人工智能，其中涉及大量的数据处理与挖掘技术。比如机器人，无人驾驶，总之是尽量的在某些领域达到或者超过人类。人类能处理如下内容：
Number: 数据（数）
NLP: 自然语言处理（文字）
Pic： 图像处理（图片）
Voice: 语音识别（语音）
Video: 视频处理（视频）
个性推荐: （集体智慧与社交化）
其中会用到大量的机器学习算法，包括深度学习，从而达到服务人类的目的。
03 生态与周边
关于数据的统计、分析与挖掘，这些概念的侧重点不一样。数据统计，利用统计学的知识，产出数据和报表；数据分析，除了产出数据和报表外，还需要分析其中原因，最好能找出对应的策略；数据挖掘，需要在数据分析的基础上，发现新的，有价值的知识及潜在的规律。如果只是对原有的数据进行统计分析，而没有对未知的事物进行预测，是不算数据挖掘。
数据相关的职位各种各样，我们要构建数据场时，抽取其中的各种技能出来，组成自己的技能表。最近读到一篇文章：《机器学习职位需要的七个关键技能》
英文原文地址：
http://bigdata-madesimple.com/7-key-skills-required-for-machine-learning-jobs/
中文翻译地址：
http://www.36dsj.com/archives/29515?utm_source=tuicool&utm_medium=referral
文章描述了机器学习需要的七个技能，以及需要这些技能的原因，主要技能如下：
- 编程语言(Python/C++/R/Java)；
- 概率与统计；
- 应用数学与算法；
- 分布式计算；
- Unix/Linux工具集；
- 高级信号处理技术(特征提取)；
- 大量阅读，适应快速变化，更新自己；
在下一篇文章中，我将描述我所认识的建立数据场的七大技能，欢迎继续关注。