¿Para qué sirve el big data? Estoy interesado en big data y quiero trabajar en esta área, pero no sé qué quiero hacer exactamente. Resolver ~~

Hay muchos trabajos relacionados con big data, incluidos analistas de big data, ingenieros de algoritmos de minería de big data, ingenieros de investigación y desarrollo de big data, gerentes de productos de datos, ingenieros de visualización de big data, ingenieros de rastreadores de big data, especialistas en operaciones de big data, Arquitecto de big data, experto en big data, director de big data, investigador de big data, científico de big data, etc.

Analista de datos:

Contenido del trabajo:

a. Análisis de datos temporales, como análisis de conversión de tráfico de productos de Double 11, análisis de optimización de procesos de productos, etc. .;

b. Análisis de los requisitos de informes, como informes diarios, semanales, mensuales, trimestrales, anuales, de productos, de conversión de tráfico, de análisis de negocios, de KPI, etc., que son comunes a las empresas. etc.;

c. Análisis de temas comerciales:

Análisis de marketing de precisión (análisis de retratos de usuarios, análisis de objetivos de marketing, análisis de estrategias de marketing, análisis de efectos de marketing);

Análisis de control de riesgos (análisis de estrategia, análisis antifraude, análisis de situación crediticia);

Investigación y análisis de mercado (análisis de la industria, análisis de productos competitivos, análisis de mercado, análisis de precios, análisis de canales, análisis de decisiones, etc.) .);

Herramientas y habilidades:

Herramientas: R, Python, SAS, SPSS, Spark, X-Mind, Excel, PPT

Habilidades: Necesarias dominar bases de datos SQL, estadísticas de probabilidad, modelos de algoritmos de uso común (clasificación, agrupamiento, asociación, predicción, etc., uno o dos de los algoritmos más típicos para cada tipo de modelo), redacción de informes de análisis, sensibilidad empresarial, etc.;

Ingeniero de minería de datos:

Contenido del trabajo:

a. Investigación básica de usuarios: descripción del ciclo de vida del usuario (entrada, crecimiento, madurez, declive, abandono), segmentación de usuarios. modelo, modelo de valor del usuario, modelo de actividad del usuario, modelo de identificación de la voluntad del usuario, modelo de identificación de preferencias del usuario, modelo de alerta temprana de abandono de usuarios, modelo de activación de usuarios, etc.

Algoritmo de recomendación personalizado: basado en filtrado colaborativo ( USERBASE/ITEMBASE) Recomendaciones basadas en recomendaciones de contenido, recomendaciones basadas en reglas de asociación, algoritmo Apriot, recomendaciones basadas en áreas populares, temporadas, productos básicos, multitudes, etc.

c. -modelo de identificación de sitio, modelo de identificación de fraude, modelo de miembro de alto riesgo,

campo de comercio electrónico (modelo de especulación de fe, modelo de pedido falso, modelo de mal crítico profesional, modelo de entrega falsa, modelo antifraude)

Campo financiero (modelo de puntuación de fraude, modelo de puntuación de crédito, modelo de cobro, modelo de identificación de facturas falsas, etc.)

Base de conocimiento del producto: modelo de clasificación de agrupación de productos, modelo de puntuación de calidad del producto. , modelo de identificación de contrabando, modelo de identificación falso, etc.

Minería de texto, reconocimiento semántico, reconocimiento de imágenes, etc.

Herramientas y habilidades:

Herramientas: R, Python, SAS, SPSS, Spark, Mlib, etc.

Habilidades: Necesidad de dominar bases de datos SQL, estadísticas de probabilidad, principios de algoritmos de aprendizaje automático (clasificación, agrupamiento, asociación, predicción, redes neuronales, etc. ), evaluación de modelos, implementación de modelos, monitoreo de modelos

Gerente de productos de datos:

Contenido del trabajo:

a. datos fáciles de obtener y usar; construir un sistema de indicadores completo, lograr un seguimiento completo del proceso del negocio, mejorar la eficiencia en la toma de decisiones, reducir los costos operativos y aumentar los niveles de ingresos;

b. forme productos de datos para mejorar la eficiencia, controlar los costos internamente y aumentar los ingresos externamente. Finalmente, realice la realización del valor de los datos;

c. , sistema de publicidad, sistema de calificación crediticia (como Sesame Score), sistemas de servicios de datos para miembros (como datos verticales y horizontales), etc.;

Herramientas y habilidades:

Herramientas: Además de dominar las herramientas de análisis de datos, también es necesario dominar herramientas como la herramienta de diseño de prototipos Auxe y los procesos de estructura de dibujo X-Mind, visio, Excel, PPT, etc.

Habilidades: es necesario dominar SQL. bases de datos, diseño de productos y estar familiarizado con los marcos de productos de datos más utilizados

Ingeniero de I+D de datos:

Contenido del trabajo:

a. , informes de datos y otros trabajos de adquisición de datos

b Limpieza, conversión, cálculo, almacenamiento, visualización y otros trabajos de Big Data

c. , etc.

Herramientas y habilidades:

Herramientas: hadoop, hbase, hive, kafaka, sqoop, java, python, etc.

p>Habilidades: necesidad de dominar bases de datos, métodos de recopilación de registros, computación distribuida, computación en tiempo real y otras tecnologías