在我看来，大数据产业有以下两种类型的角色。
大数据工程
大数据分析
为什么这两种角色相互依赖，独立运作？没有大数据工程，大数据分析是不可能的，但没有大数据分析，就没有理由进行大数据工程。这与婚姻和爱情相似——爱情的目的是结婚，而不是为了爱情而结婚，是玩流氓。
特别是大数据工程需要解决数据的定义、收集、计算和保存等工作。因此，大型数据工程师首先考虑数据的高可用性问题，设计和部署这样的系统，即大数据工程系统需要为下游业务系统或分析系统实时提供数据服务。而大型数据分析的角色定位在如何使用数据从大型数据工程系统接收数据，如何为企业或组织提供生产性数据分析，并且它确实帮助公司改进或提高服务水平，因此对于大数据分析者来说，它们是F。解决这个问题。问题是发现和利用数据的价值，包括趋势分析、模型建立和预测分析。
总而言之，大数据工程角色需要考虑数据收集、计算（或处理）和保存；大数据分析角色是用于执行数据的高级计算。
我们属于什么样的角色？
既然我们理解了在大数据领域中的角色分类，我们自然需要“就座”来确定他们自己的位置，这样我们就可以开始在一个明确的方向上学习大数据。在考虑这个问题时，我们需要参考以下两个因素。
专业知识背景
行业经验
这里的专业知识背景不是学历和机构的背景，而是你对一些IT技术的理解。即使你不是计算机专业的，只要你在C语言中有一个热血，即使C Dennis Ritchie的父亲也不敢贬低你。因此，这里只有两个专业知识。
计算机专业知识，如操作系统、程序设计语言、计算机操作原理等。
数学知识，指高等数学，如微积分，概率统计，线性代数和离散数学，不是x*x+y x y＝1。
而行业经验指的是你在相关领域的工作经验，具体可以分为以下3个文件。
绿色的手。
有一定经验的工程师
资深专家——现在在大数据领域，有一个更酷的名字，数据科学家，比如百度前首席数据科学家Wu Enda博士。
好的，现在我们可以根据上面的分类来定义我们的角色。例如，作者是：“我是一个计算机专业的工程师，有一定的数学基础（尤其是微积分和线性代数），但数理统计和概率论不是我的强项。”此外，最好不要炸掉面子。脂肪。如果你以前没有任何经验，承认你是新手。没关系。关键是要明确你的立场。
在确定我们的位置之后，我们需要对应于特定的大数据角色。下面是一些基本规则。
如果你有良好的编程基础和深刻的理解
