据教育部数据显示，目前，全国已有35所高等院校开通了大数据专业。也就是说，高考报志愿可直接报大数据专业的学校了。

　　2017年大数据专业就业前景

　　据数联寻英发布《大数据人才报告》显示,目前全国的大数据人才仅46万,未来3-5年内大数据人才的缺口将高达150万。

　　据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。

　　根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

　　大数据主要的三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。

　　在此三大方向中，各自的基础岗位一般为大数据系统研发工程师、大数据应用开发工程师和数据分析师。

　　北京数据分析平均工资：10630/月，取自15526份样本，较2016年，增长9.4%。

　　数据分析师岗位职责

　　工作职责:

　　1.根据公司产品和业务需求，利用数据挖掘等工具对多种数据源进行诊断分析，建设征信分析模型并优化，为公司征信运营决策、产品设计等方面提供数据支持；

　　2.负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对运行数据进行分析挖掘背后隐含的规律及对未来的预测；

　　3.参与数据挖掘模型的构建、维护、部署和评估；

　　4.整理编写商业数据分析报告，及时发现和分析其中变化和问题，为业务发展提供决策支持；

　　5.独立完成项目需求管理、方案设计、实施管理和项目成果质量的把控；

　　6.参与编写项目相关文档。

　　北京大数据开发平均工资：30230/月。

　　大数据开发工程师/专家岗位指责（引自滴滴出行）：

　　职位描述：

　　1、构建分布式大数据服务平台，参与和构建公司包括海量数据存储、离线/实时计算、实时查询，大数据系统运维等系统；

　　2、服务各种业务需求，服务日益增长的业务和数据量；

　　3、深入源码内核改进优化开源项目，解决各种hadoop、spark、hbase疑难问题，参与到开源社区建设和代码贡献；

　　北京hadoop平均工资：20130/月，取自 1734份样本。

　　Hadoop开发工程师岗位职责（引自新浪网）：

　　职位描述：

　　1.参与优化改进新浪集团数据平台基础服务，参与日传输量超过百TB的数据传输体系优化，日处理量超过PB级别的数据处理平台改进，多维实时查询分析系统的构建优化；

　　2.分布式机器学习算法在数据平台的构建与优化（包括常见的LR、GBDT、FM、LDA、Word2Vec及DNN等）；

　　3.深入源码改进各种开源大数据项目（包括Hadoop、Spark、Kafka、HBase等）。

　　北京数据挖掘平均工资：21740/月，取自 3449份样本，较2016年，增长 20.3%；

　　北京算法工程师平均工资：22640/月，取自 10176份样本。

　　算法工程师招聘要求（引自美团点评数据平台部）：

　　职位描述：

　　互联网公司背景优先

　　A、广告算法

　　岗位职责：

　　1.负责点击率预估等主要广告算法的技术选型；

　　2.负责核心算法的开发；

　　3.负责广告大数据处理流程的建设及相关工具的研发；

　　4.负责广告技术研究项目的推进与管理；

　　B、推荐算法

　　职位描述：

　　1.参与各个产品线的个性化推荐系统的研发；

　　2.分析用户行为数据，并设计合理的推荐算法模型及策略，并优化推荐排序；

　　3.通过对用户行为数据的挖掘，对用户进行建模，精准刻画用户各种属性；

　　C、算法工程师

　　岗位职责:

　　1、开发和优化用户行为数据挖掘，文本分类和语义理解，社交网络分析，网页搜索，推荐系统等领域的特定算法

　　2、能够很快学习和利用state-of-the-art的算法解决实际产品问题，提升产品用户体验

　　最后一个问题，哪些公司需求大数据人才？

　　答：所有的公司。大到世界500强，BAT这样的公司，小到创业公司，他们都需求数据人才。

　　马云爸爸说“我们已从IT时代进入了DT时代，未来我们的汽车、电灯泡、电视机、电冰箱等将全部装上操作系统，并进行数据集成，数据将会让机器更“聪明”。DT时代，数据将成为主要的能源，离开了数据，任何组织的创新都基本上是空壳。”

对“数据怪物”的警告，我们的生活是？

曾经是日常记者的申时雅接受了公司支付的智能眼镜，接受采访时，将这个机会借给了10多岁女儿的维尼。使用智能眼镜的文雅拉和朋友们偶然地追上出现在智能眼镜上的悬赏通缉犯，在这一过程中，维尼的朋友爱德拉被通缉犯的枪击身亡的事件。

在维尼和死去的朋友安顿，另一个朋友中，都使用了“职业美”这一企业开发的推特应用程序。这个应用程序被还原为人类能够生存的单位、可以进行销售的榜单，价值评价的应用程序。这是随着数据的价值，人类排名被吸引的系统。应用程序向想要提高自己价值的用户提供了最好的建议，相反，使用者们欣然将自己的信息提供在应用程序上。

他对自己的信息自发地超越了自己的信息，根据这个节目的建议，价值观也在变化的事实上，感到了怀疑和威胁。他在追踪自己的过程中，把自己吸引到零追踪的公司是从零的一员开始的。

在这里引起了恐怖分子的罪名，为了节目出现，去美国甚至被诬陷为杀人犯。被情报机关和警察追赶的申时雅在剧中以内部举报和《零》的帮助表明职业的阴谋，并公开。

在未来的未来，也许已经成为现实的数据和信息在支配我们的社会上，《我的一切都在被监视》，书封面的选定词似乎包含着这本书的主题。

就像证明谁的隐私不安全似的，ZERO的团体利用达伦，发生在全世界转播美国总统休假地私生活的事件。我国被规定为恐怖集团，成为美国情报局及全世界的追踪对象，在“Daily”的言论社也将这一事件作为新闻报道。

这就是《ZERO：Zero》这本书的简介。

那我们有多了解信息通信技术？

智能手机出现不久，智能手机控制了我们的整个生活。我们将通过智能手机获取所有的信息，并将个人信息保存在智能手机上，通过通信网公开。

甚至还利用智能带保存脉搏、血压等生物信息，运动量、移动距离、位置等信息被无动于衷，这些数据在不知不觉中被收集和积累。

通过摄像机进行日常录影，通话和对话，在SNS或YOUTUBE上公开日常生活，就毫无意识地实现。我检查过的数据最终成为反映我关心的广告，通过预测我们的行动，利用信息搜索排行榜或是商业应用程序等多样的应用程序，制造了我们的行动。

我们会自发地将我们的信息提供给企业，通过广告购买东西，并向推荐的旅游地旅行。自己委托智能机器按指示做运动、学习、创造更好的自己的程序的决定。

我们小时候在科幻漫画中看到的现实已经超出了想象，影响了我们的生活，从出生开始使用智能机的我们的年轻一代都无法想象没有智能手机的生活。

在这样的现实中，我们可以确定收集的数据是什么，我们搜索的数据是否是真实的，而且连政治决定都有可能被调整的现实。虽然最近看了调查事件，也发现这种信息操作可能会影响到政治性的决定。

但是智能机器已经像空气一样日常化的新一代因便利性而把智能机器和服务毫无疑问地接受。

“你知道我们的下一代现在在做什么吗？（书本正文中零的警告

现在互联网最流行、我们日常最常听到的词汇是什么？

没错，就是大数据、云计算和人工智能。

虽然众多媒体每天都在吹捧，但小编却是认为还有众多吃瓜群众还是一知半解的。所以就打算专写三篇来分别介绍这三个概念。

首先是大数据。顾名思义，大数据就是一个体量特别大，数据类别特别大的数据集。

近来在网上看到一个有趣的关于大数据的笑话，小编觉得很形象，分享给大家，应该能让大家更好理解。

某比萨店的电话铃响了，客服人员拿起电话。客服：XXX比萨店。您好，请问有什么需要我为您服务 ？顾客：你好，我想要一份……客服：先生，烦请先把您的会员卡号告诉我。顾客：16846146***。客服：陈先生，您好！您是住在泉州路一号12楼1205室，您家电话是2646****，您公司电话是4666****，您的手机是1391234****。请问您想用哪一个电话付费？顾客：你为什么知道我所有的电话号码？客服：陈先生，因为我们联机到CRM系统。顾客：我想要一个海鲜比萨……客服：陈先生，海鲜比萨不适合您。顾客：为什么？客服：根据您的医疗记录，你的血压和胆固醇都偏高。顾客：那你们有什么可以推荐的？客服：您可以试试我们的低脂健康比萨。顾客：你怎么知道我会喜欢吃这种的？客服：您上星期一在中央图书馆借了一本《低脂健康食谱》。顾客：好。那我要一个家庭特大号比萨，要付多少钱？客服：99元，这个足够您一家六口吃了。但您母亲应该少吃，她上个月刚刚做了心脏搭桥手术，还处在恢复期。顾客：那可以刷卡吗？客服：陈先生，对不起。请您付现款，因为您的信用卡已经刷爆了，您现在还欠银行4807元，而且还不包括房贷利息。顾客：那我先去附近的提款机提款。客服：陈先生，根据您的记录，您已经超过今日提款限额。顾客：算了，你们直接把比萨送我家吧，家里有现金。你们多久会送到？客服：大约30分钟。如果您不想等，可以自己骑车来。顾客：为什么？客服：根据我们CRM全球定位系统的车辆行驶自动跟踪系统记录。您登记有一辆车号为SB-748的摩托车，而目前您正在解放路东段华联商场右侧骑着这辆摩托车。顾客当即晕倒。

虽说故事有所夸大，但是跟大数据的本质差不多。

以目前的科学技术水平，还做不到这么详细的数据分析，但是不代表未来做不到。特别是云计算的发展，不难判断未来人在科技的发展下隐私越来越少。时代越进步，人就越离不开网络。淘宝天猫的消费记录，线下的移动支付，微博微信空间的言论，百度搜索。把所有人这些数据集中起来就是大数据，再通过云计算，就能分析出来这个人的消费水平，消费习惯，社会阶级，家庭地址，性格等等。今天你在淘宝淘到了一件裤子，明天你在刷某个app的时候说不定就向你弹窗关于这个裤子品牌的其他裤子广告。甚至通过大数据分析所有买了这件裤子的人，都消费了什么商品（比如某件上衣或者鞋子）然后向你推荐。

所以说，大数据的战略意义不在于掌握了多么庞大的数据信息，而是用什么方法分析这些数据（涉及到云计算，下篇再做解释什么是云计算）然后得出含有意义的信息。如果把大数据比作一种产业，那么这种产业实现盈利的关键：在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

之所以大数据现在前景这么火，是因为以下这些事实：

1.目前全世界信息产生量足以用爆炸来形容，近两年来的产生的数据量比整个人类历史产生的还要多。

2.到2020年，至少三分之一的数据会通过云端传输，届时人类会更依赖智能设备。

3.现在，得到分析使用的数据还占不到总量的0.5%，可见潜力巨大。

大数据正逐渐影响着我们，可以说是把双刃剑，朝哪个方向发展就让我们拭目以待吧。

身边很多朋友提过或者是想要走进大数据这个行业

每个人的Background不一样，能力，擅长的领域都不一样

卡里有一句发自肺腑的话要说给大家听

不是热门的，薪水高的，所谓好找工作的专业就值得去学；

真正值得学的是你理性地衡量了所有标准以后，最适合自己的，才是值得你学的

作为大家的小超人

卡里今天要给大家写一篇很长很长很长的文章

你可以选择 现在就滑出去 不看

然后卡里从此跟你老死不相往来

或者你可以继续读下去

然后卡里仙女可以用仙气笼罩你

首先，卡里给你准备了一篇很优秀的文章里的几句话

这篇文章叫做：在你想要读数据科学的学位前，你需要知道的五件事

“

1

你不一定非得读一个数据的学位；你可以自学，或者去一个boot camp。

不讲笑：此刻你可能需要一个网站

dataapplab

2

数据科学从来就不仅仅是数据，它牵扯了无数个不同的领域。

3

如果有一个专业或者项目提供的课程只是简单地把各种别的相关课程包装一下，别去。

4

理论之上还有不同的理论要去学习，好好掌握基本的理论

5

无论你读不读一个学位，你都要稳步提升自己的软实力。

”

每个小仙女在成为大仙女之前都得知道自己的能力条可以发展到哪里，然后为之努力。

卡里就早早知道自己是不能靠脸吃饭的仙女，于是决定做一只才华仙女。

（有一丢不要脸）

理性，合理，不违背真心地衡量自己是你做出人生重大决定的第一要义。

让我们来举一个可爱的

布吉岛大家还记不记得当年火遍全球的

Pokemon GO!

如果你是一只Pidgey，那你就特别特别努力地进化自己，然后变成一只Pidgeotto，然后再继续努力，变成一只厉害的Pidgeot。你可以做你擅长的领域的大牛，或者你可以做你擅长的领域的数据师，毕竟数据从来都不仅仅是数据。

如果你是一只Eevee，那你可以努力看看，看看自己会变成哪种小精灵。是数据科学家，商业分析师，还是数据工程师？

如果你是一只 Jigglypuff，Clefairy 或者 Pikachu，

请乖乖做一只小可爱好么？

当然你也可以是会数据分析的小可爱。

如果你是一只Magikarp，请认识到自己的潜力，你，就是下一个吴恩达。

好啦 让我们回到正文

【本科篇】

本科的专业相比于研究生，可能课程更具多样性。和别的专业的学生一样，都要修一些General Education，不同领域各种门类的普遍性教育课。然后专业课的部分更多的是对于基础性教育课一层一层的积累，所以相比于研究生再转进去读的同学来说，本科开始读可能基础会更扎实一些。然而，本科的数据专业并不多，而且都很新，加上正规的不正规的，大概齐是有六十个左右的学校开设了本科的数据科学专业。

卡里从中选择了4个项目来跟大家分享。

【Columbia University -- B.A in Data Science】

一个综合排名贼高的藤校，本科设立了一个数据科学的专业，计算机院的专业。

官网上稳准狠地说明了Data Science的本质，不过就是学好了计算机和统计。

从官网的课程设置来看，还是对于学生的计算机和统计功底要求都很高。这对于一部分还没有决定是不是要走数据科学走到黑的人来说是好的，研究生可以重新回到计算机科学的回报或者去做个统计学大牛也不是不可以。

核心课程

Probability Theory

概率论

Statistical Inference

统计推断

Linear Regression Models

线性回归模型

Statistical Machine Learning

统计机器学习

Introduction to Computer Science

计算机科学

Data Structures

数据架构

Discrete Math

离散数学

Analysis of Algorithms

算法分析

看了这些，你是不是有一丢心动？

卡里告诉你：请安抚好你的小心心别乱动，哥大不是你想考想考就能考。

【University of Rochester - B.A / B.S in Data Science】

这个大学是厉害的，同一个专业，你可以选择以BA毕业也可以选择以BS毕业，你要是想以BS毕业，你就得多读几节课。官网里说了，BA呢更自由一些，一般是你想要双专业毕业的话会更合适一些。如果你想深度了解数据，那就选择BS的课程。

对于这个专业设置，卡里觉得是厉害的，

给你，你想要的全部自由，非常适合射手座的一个学校（微笑）。

核心课程

Discrete Mathematics

离散数学

The Science of Programming

编程

The Science of Data Structures

数据架构

Linear Algebra with Differential Equations

线性方程

Ordinary Differential Equations

常微分方程

Computational Introduction to Statistics

计算机统计

Elements of Probability and Mathematical Statistics

概率论与数理统计

Applied Statistics for the Biological and Physical Sciences

生物与物理统计

Intermediate Statistical and Computational Methods

中级统计与计算机方法

如果大家有幸被录取到了这所美丽的学校，可以考虑跳进数据科学的大坑。

【Ohio State University - B.S Data Analytics】

曾经年幼无知的卡里以为OSU只有商学院厉害，后来卡里的老铁去OSU读了Data Analytics，卡里发现，咦，技术也是挺厉害的。介绍它的原因呢是因为它这个专业下有几个很有趣的分支，我觉得作为本科的专业，这一点是比较难得的。因为相比于别的传统专业，数据科学已经是非常细化的专业了，能够分出一定的师资在专业下开设分支以便学生学习不同领域的数据是难得的。

核心课程也没有什么可惊喜的 所有学校都大同小异

Calculus and linear algebra

微积分和线性代数

Data mining and statistical learning

数据挖掘和统计

Database design and cloud computing

数据库设计和云计算

Optimization （这个课是有一丢厉害的，一般研究生的program里才会出现）

最优化

Probability and statistical inference

概率与统计推断

Regression modeling and statistical decision making

线性回归和统计决策

Software design and programming

软件编程

Visualization （这个课也是有一丢重要和厉害的）

可视化

每个学生从下面四个里面选择一个方向专攻，看上去都是厉害的不得了的方向

但基于卡里作为一个本科生 对 本科生群体的了解

选的最多的应该还是Business Analytics 和 Computational Analytics

Biomedical informatics

生物信息学

Business analytics

商业分析

Computational analytics

计算机分析

Social science analytics

社会科学分析

【University of California, Irvine - B.S Data Science】

最重视的当然要放在最后，这是卡里的母校，DS也是卡里当年心心念念的专业。这个专业比较新开设的较晚，它出现的时候卡里已经没有机会转进去了。

毕竟，得不到的就成了卡里心尖尖上的朱砂痣和明月光

当然，也希望得到了的幸运的小朋友们不要觉得这个可爱的专业是蚊子血和饭米粒

好的让我们来看看这个专业的

核心课程

Introduction to Programming

编程

Programming with Software Libraries

进阶的编程

Intermediate Programming

最厉害的编程

Introduction to Writing and Rhetoric

写作和修辞学

Critical Reading and Rhetoric

批判性阅读和修辞

Seminar in Data Science

数据科学研讨会

Calculus

微积分

Statistics

各种统计课

Machine Learning and Data-Mining

机器学习 & 数据挖掘

Design and Analysis of Algorithms

算法的艺术

Information Visualization

信息可视化

UCI 最引以为豪的writing program也是特色之一，在我司之前做的各高校数据项目分析里，Communication and Story Telling也是极其重要的一点，所以UCI在这件事情上是完胜的。其他的呢，公正地说其实和各个program的差距不大，都是以编程和统计为主，然后上一些高阶的计算机课。但Irvine真的是个太好的地方，如果你还在纠结要去哪里读数据科学，Welcome to Irvine！

【研究生篇】

研究生的数据科学Program可就是百花齐放了，要是选起来卡里能选一天一夜，所以卡里先简要地给大家介绍几个厉害出名的Program，然后再说几个比较常见的项目，让大家能够对研究生项目的有所了解。

首当其冲地，让我列出一溜全美最6的数据类研究生项目,

# 排名不分先后，这只是卡里看了一堆文章以后罗列出来的，没有学校塞钱给我好么？

（图片来源于网络）

“大数据”概念最早由维克托·迈尔·舍恩伯格和肯尼斯·库克耶在编写《大数据时代》中提出，指不用随机分析法（抽样调查）的捷径，而是采用所有数据进行分析处理。大数据有4V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

怎样能够高效、准确的用好大数据，使大数据的威力发挥到最大，这也是很多人想问的。小编结合了三位大数据运营人员各自的经验，总结出6个用好大数据的诀窍：

诀窍一：目标和定位

拥有再多的数据，也不能代表它所有的信息都能够被完全利用上。只有真正懂得如何利用大数据，了解到公司利用大数据可以达到什么目标，公司最终才有可能真正成功。明确目标和定位，缩小选择范围聚焦精力去发展，才有助于公司进行持续长久的良好运作。

诀窍二：分清“西瓜”和“芝麻”

现在，数据成为很多公司发展的重要助力，可供分析的数据更多，可以用来分析数据的工具和方法也比以前更方便。大多数公司喜欢去分析和处理他们收集到的大量高精度的数据，因为获得的数据越精确，就越有利于分析受众群体，也更有利于公司进行相关战略和产品的调整。但是有时候这些数据也会过于分散，会耗费大量的时间去处理这些数据，但是结果可能不如预期，之就叫做“做白功”。所以舍小取大，要分清什么才是有用的，只有抓住关键才能使数据发挥它最大的作用。

诀窍三：做好团队的协调

最有价值和作用的数据往往不多，为了找到这些有价值的数据，公司的数据团队和各部门以及管理层应保持良好的沟通交流，这样公司才能良好高效的运行，有效的协调配合需要通过有效的沟通交流来实现。

诀窍四：利用工具

为了研究特定消费者的消费行为模式对其进行研究分析，依据不同的消费者选择不同的模型，进而对消费者行为进行追踪研究。如果真通过人工分析，那就需要花费太多的时间和精力了。所以，利用一些相关分析小工具所分析的时间会大大减少，当然人工成本也会大大降低。

诀窍五：谨慎的对待数据

有时，企业是没有能力去获取数据的，也就没法用数据去解决问题。就算公司获得了一些数据，他们往往也不清楚这些数据最终能否解决他们的问题。应谨慎认真对待数据，数据会真实客观地告诉你想要的答案。有时，数据能告诉你的会让你大吃一惊。

诀窍六：要避免得出错误的结论

由于人为主观因素和不相关数据的干扰，有时候得出的结论往往是错误的。

“不要让不相干的数据影响到整个结果，有相当一部分的数据并不重要，“如果使用了错误的数据，得出的结论往往也是错的。”

“为了消除数据上的误差，你需要准确找到特定的目标人群，这些人的行为往往可以准确地回答你需要解决的问题。”

数据选择上的错误会影响人们解决问题的过程，也会影响人们如何看待这些数据和结果。错误的数据选择可能影响到公司做出相关决策。

作为国内优秀的企业大数据服务平台，自由数据致力于为企业和开发者提供优质的数据资源、API接口和数据定制服务等，重点覆盖企业征信数据、金融数据、社会舆情、生活数据等领域。自由数据有专门的数据分析团队，数据分析能力不仅专业性高，针对性也强，能从企业的角度出发解决这个问题。

（以上个别观点来源于网络）

数据分很多种类，交易数据、位置数据、医疗数据、消费数据，哪种数据含金量更高？

第一，所有的数据都有价值，而且你发现了吗？这个分类其实是个挺有意思的事，它就跟乐高积木一样，就是这点材料，怎么组装，看上去是完全不同的形状。数据也是一样，你用不同的方式去分类，去拎出一个结构呢，都会得到完全不同的结果。

比如说你说到的交易数据、位置数据、医疗数据、消费数据，这几个分类其实就不是互相排斥的，对不对？里面是互相包含的。

比如消费数据和交易数据，你怎么区分？还有医疗消费数据就可能会既进入医疗数据，也会进入消费数据。而医院的位置可能算医疗数据，也算地理位置数据。所以，对分类要有一个动态的全面认识。

但是，我们不妨从数据的颗粒度和敏感度来想想什么数据最有用。

首先是颗粒度的数据，举个例子。一个国家的GDP是1万亿美金，和一个国家的人均GDP是1万美金，人口是1亿，哪个数据更好？显然是后者，对吧？后者可以反推前者，但只有前者推不出后者。所以，颗粒度越细的数据越有用。

当然了，数据量大，处理起来非常痛苦。所以，在数据处理和颗粒度之间，我们一定会有个平衡。

社会是个人组成的，所以一般来说我觉得，颗粒度具体到个人就已经挺完美的了。

那除了颗粒度，还有敏感度问题。社会文明的一个标志是对个人隐私的尊重。所以，在数据保护中，个人隐私是需要绝对尊重的，有些底线你是不能触碰的。这就决定了关于个人的很多状态是敏感的。

比如在西方礼仪里边，冒然地去问别人的年龄、身高、体重，都是挺不礼貌的行为。这就是对一种隐私的尊重。

所以，个人信息，包括你的身体状况、财务状况，这些都非常敏感，各国的数据保护也保护得比较严格。

我们再想下去，要更好地观察经济状况，什么数据最有用呢？经济是人的活动，所以，人的活动密度是个非常直接的指标，可以观察出很多经济的细节。人的地理位置是不需要和个人ID挂上钩的，你只要看整体就可以得到很多有趣的结论了。

所以，最近我们团队也在研究，怎么从数据里面挖掘经济活动的细节，这个感受特别深。从目前来看，我感觉地理位置的数据会很有应用前景，是一个含金量很高的数据。

我听过一场关于加密技术的讲座，让我想到，以后加密技术发展到一定规模以后，尤其是可以在本地来进行加密的话，个人数据的使用可能会变得非常地便利和快捷。什么数据含金量最高，这可能也是一个动态演化的过程。

区块链能不能在一些公众希望被公开的行业做一些试点，比如慈善、红十字会。

我给他一个非常肯定的回答，我觉得这是个特别好的方向。但是，不知道区块链行业的会怎么想。

欢迎你把你的前沿知识传播给你身边的朋友，让他们一块儿跟你走进新的数据时代

国家统计局17日公布了一季度国民经济运行情况。结合此前相关部门陆续发布的一季度经济数据可以发现，中国经济在2017“开局季”延续了稳中向好的发展态势，主要指标好于预期，实现了良好开局。

【GDP：增长6。9％】

从去年前三季度的3个6。7％，到第四季度的6.8％，再到今年一季度的6.9％，中国经济划出一条平稳的上扬曲线，延续了去年下半年以来稳中有进、稳中向好的发展态势，经济增长的稳定性不断增强。

值得关注的是，除了GDP增速外，一些反映经济活力的关键指标好于预期，良好的开局为完成全年“6.5％左右”的发展目标奠定了坚实基础。

【固定资产投资：稳中有升】

作为宏观经济的“三驾马车”之一，投资一向在稳增长中发挥关键作用。一季度，全国固定资产投资同比增长9.2％，增速比上年全年加快1.1个百分点，呈现稳中有升态势。

从投资领域来看，生态保护和环境治理等短板领域投资和高技术产业投资增速明显加快。民间投资增速则比1月至2月加快了1个百分点，增长了7.7％，从去年9月至今呈现回升态势，表明市场供求关系总体趋好，市场活力有所改善，为民营企业的投资和发展创造了较好条件。

【消费：对经济增长的贡献达77.2％】

近年，消费已经超过投资，成为拉动我国经济增长的第一动力。一季度，消费对经济增长的贡献达到77.2％，比上年同期提高了2.2个百分点，显示消费的基础性作用进一步增强。

与此同时，大众创业万众创新蓬勃发展，不断催生消费新模式新业态，也带动了新动能的成长。

【外贸：出口贡献由负转正】

各国进出口数据是世界经济走向的重要风向标。今年一季度，全国进出口总值增长21.8％，亮眼的数字是国内经济企稳向好的有力体现。扣除价格因素，货物和服务贸易净出口对经济增长的贡献由负转正，从去年同期的负11.5％转为4.2％。

但也要看到，一季度进出口的高速增长有去年同期基数较低的因素，也与全球主要经济体需求回暖、大宗商品价格回升有关。保持外贸回稳向好的积极态势，还要更加苦练内功，积极培育外贸增长新优势。

【财政收入：增长14.1％】

一季度，全国一般公共预算收入增幅达到14.1％。相比去年的个位数增幅，今年开局季国家“钱袋子”的变化进一步反映中国经济企稳向好。尤为可喜的是，中高端制造、居民消费相关行业税收快速增长，体现出工业结构持续优化，居民文化、旅游、信息消费需求旺盛。

不过，一季度财政收入增长受短期增收因素影响较大，后期特别是二季度增幅可能会明显回落。

【货币供应：增速平稳回落】

3月末，我国广义货币供应量M2余额同比增长10.6％，增速分别比上月末和上年同期低0.5个百分点和2.8个百分点。

M2增速平稳回落，是稳健中性货币政策的具体体现。虽然M2增速回落，但一季度社会融资规模、企业中长期贷款等重要指标同比多增，反映出金融对实体经济的支持力度不减。

【城镇就业：规模扩大】

去年，我国超额完成1000万人以上新增就业目标。今年一季度，城镇新增就业规模继续扩大，达到334万人，比去年同期多增了16万人。

就业乃民生之本。宏观经济稳中有进、稳中向好，将创造更多的就业机会。从调查失业率来看，3月末全国城镇调查失业率和大城市城镇调查失业率都比2月末有所回落，处于较低水平，市场整体就业环境较好。

【居民收入：增速“跑赢”GDP】

人民群众在经济发展中的“获得感”直接来自于居民收入水平。一季度，全国居民人均可支配收入7184元，扣除价格因素实际增长7.0％，“跑赢”GDP0.1个百分点。

在收入差距方面，一季度城乡居民人均收入倍差2．57，比上年同期缩小0．02，显示居民收入与经济增长同步，城乡收入差距继续缩小。

【PMI：连续两月上升】

中国制造业采购经理指数（PMI）涵盖了企业采购、生产、流通等各个环节，是国际上通用的监测宏观经济走势的先行性指数之一。3月份，我国PMI为51．8％，高于上月0．2个百分点，连续两个月上升。

PMI保持扩张区间，并连续8个月站上荣枯线，显示制造业继续保持稳中向好的态势。

【物价：CPI温和上涨 PPI涨幅回落】

3月份，全国居民消费价格指数（CPI）同比上涨0．9％，涨幅连续两个月低于1％。而扣除食品和能源的核心CPI同比上涨2．0％，与前两个月大体相当，保持平稳态势。预计全年物价总水平仍将维持温和上涨态势，通胀压力不会明显上升。

3月，工业生产者出厂价格指数（PPI）同比上涨7．6％，比2月份回落0．2个百分点，涨幅在连续五个月扩大后首次出现回落。随着翘尾因素逐渐下降，企业补库存周期逐渐走弱，PPI涨势可能继续放缓。

（本文内容由百度知道网友NT轮回贡献）

大家好，今天带大家了解大数据。对于外行来说，大数据名词听起来很高端、大气。却很抽象，让人无法理解。但作为编程人员、数据库管理员，大数据是需要详细了解的。这将会成为你们未来的发展方向。

首先简介一下大数据能干什么？大家都知道，我们在淘宝购物。需要注册帐号，然后选购商品、加入购物车、付款发货、货物的物流信息等等。这些信息在电脑里被称为数据。产生的数据都会存储到淘宝的服务器里。每天数以亿计的数据，被存储到淘宝服务器里。由于这些数据很庞大，所以被称为大数据。再根据基础大数据，在后台进行智能分析。就能分析出指定用户的购物喜好。某些产品的销售量等等信息。然后通过挖掘大数据的结果，向用户推送指定商品。这就是大数据时代，给你我带来的便利。

由于大数据里有海量的数据，存储和分析这些数据最主要就是要解决效率的问题。如何快速存储和分析海量的数据？目前都采用了一些什么技术？带着这些问题。我来讲一下，需要充电学习的方面。首先java语言是必须精通掌握的基础，用于大数据开发。接下来必须了解网络编程，mysql等数据库。再进一步学习，就需要了解集群技术。因为海量的数据需要采用多个数据库来进行存储和处理。即分布式存储。目前解决的方案，是采用hadoop架构。Hadoop实现一个分布式存储，具有高容错性、高吞吐量来访问应用程序的数据，适合超大数据集的应用程序。Hadoop的高吞吐，海量数据处理的能力使人们可以方便地处理海量数据。但hadoop不擅长实时计算，另一项大数据技术storm由此而生。他具有实时的数据处理能力。比如你昨天在淘宝买了一双鞋，今天你想买一顶帽子。而大数据分析的结果还是昨天的，系统不断的在向你推荐鞋子。而不去考虑你今天的需求。使用了storm技术，就会实时的分析你的需求，系统就会根据结果，向你推荐帽子。大数据的另一项技术Apache spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。用于配合hadoop和storm技术处理大数据。通过并行化地计算，加快的大数据的处理。

大数据的另一方向就是机器学习，要想得到一个高效的机器学习系统。就需要先用少量的数据去训练它。在少量的数据下机器学习系统不出错。再加大学习量，最终就能通过反复测试上线。大数据下的机器学习需要很多学习样本，在大量的学习样本下。机器可以类似于人工一样筛选，分析处理得到有用的数据，最终将结果反馈给用户。机器学习要掌握R语言、python和mahout技术。机器学习应用前景很广，不只是大数据可以使用。可能会成为未来程序员必修的课程。

对于经常上网的朋友来说，大数据这个词一定并不陌生，上到国家层面，下到一家小型的创业型公司，对于大数据的关注程度都是一样的高。那么，到底什么是大数据呢？大数据具体又 “大”在哪里呢？

一、什么是大数据

大数据（ big data ），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托 · 迈尔 - 舍恩伯格及肯尼斯 · 库克耶编写的《大数据时代》 中大数据指不用随机分析法样捷径，而采用所有数据进行分析处理。大数据的 5V 特点： Volume （大量）、 Velocity （高速）、 Variety （多样）、 Value （低价值密度）、 Veracity （真实性）。

简而言之，大数据就是可以通过各个不同端口对数据尽兴收集与交互，从而描绘出用户群体的信息汇总，可以准确的将用户的上网习惯，关注领域精准的描绘出来，从而对其进行有针对性的推广。

二、大数据有什么价值？

首先是对于商家以及企业来说，大数据的价值体现在以下几个方面：

1) 对大量消费者提供产品或服务的企业可以利用大数据进行精准营销

2) 做小而美模式的中小微企业可以利用大数据做服务转型

3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值

而对于消费者而言，大数据对其价值更多的体现在产品的人性化上面，包括硬件以及 APP ，可以根据大数据来对其最感兴趣的以及最需要的内容进行推送，使其更加人性化，也更具有效率。

三、大数据的发展趋势

趋势一：数据的资源化

有别于传统意义上的资源，在大数据的概念中，数据也是重要的战略资源之一，对于企业来说，如何通过大数据来把我最新的市场动态以及用户动态成为最重要的战略决策因素之一。

趋势二：与云计算的深度结合

大数据与云处理是相辅相成的，云处理为大数据提供了基础，是产生大数据的重要平台。自 2013 年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。

趋势三：科学理论的突破

随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

趋势四：数据科学和数据联盟的成立

数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。

趋势五：数据泄露泛滥

对于企业来说，未来的数据泄露事件的增长率也许会达到 100% ，除非数据在其源头就能够得到安全保障。可以说，在未来，每个企业都会面临数据方面的攻击，并且都需要重新审视今天的安全定义。

趋势六：数据管理成为核心竞争力

数据的收集以及分析能力将直接影响一个企业的发展，在未来数据管理能力将成为企业的核心竞争力。

四、大数据，大在哪里？

那么，大数据，到底大在哪里呢？

首先，大数据的大，最主要指的是数据体量的庞大，相较于传统数据来说，大数据所包括的体量是完全不同于以往传统的数据量的。

其次，是指数据的类型，所有用户在使用互联网时留下的数据都可以作为大数据的计算内容，因此，各种类型的数据都可以包含其中

第三，数据计算量庞大，不同于以往传统的数据分析与计算的方式，现在大数据对数据的收集和分析，是配合云计算对所有数据进行的分析与计算，其计算数量也是难以想象的。

五、大数据如何影响生活？

那么，仅仅从一个普通的消费者以及网民的角度来说，大数据到底是通过什么样的方式来影响你的生活呢？

就拿当今的智能手表为例，一个手表如果在加入了大数据这个领域以后，会和以前的传统手表相比产生哪些天翻地覆的变化呢？

首先，大数据在智能可穿戴领域的运用包括三个主要部分，即 “硬件终端”，“人机交互”以及“云数据”，具体来看就是将智能手表本身作为一个人体数据收集的平台，而收集数据的类型也包括我们生活的方方面面，而在通过 APP 将数据上传到后台云数据服务平台，然后对收集到的数据进行海量分析计算，从而得出实用，符合实际，有用的数据分析报告，再反馈给用户，这样就形成了大数据在智能可穿戴领域的完整产业链与价值闭环。

今后的未来，大数据的发展会更进一步，而其又会怎样具体的体现到用户硬件实用领域，我们共同期待。

近几年，大数据这个词突然变得很火，不仅纳入阿里巴巴、谷歌等互联网公司的战略规划中，同时也在我国国务院和其他国家的政府报告中多次提及，大数据无疑成为当今互联网世界中的新宠儿。

而近期朋友圈疯转的“马云无人超市迎客，再不努力你将无工可打”，“看李彦宏如何谈AI”等新闻热点，无不展示着人工智能的快速发展，但在直木看来，人工智能之所以能取得突飞猛进的进展的背后，不能不说这些年来大数据长足发展的结果。

人工智能和大数据有什么关系呢？

如果我们把人工智能看成一个嗷嗷待哺拥有无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。

据数联寻英发布《大数据人才报告》显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万，越来越多人加入到大数据培训，都希望在大数据培训机构中学习最前沿的知识，找一份不错的工作。

本文从4个方向让大家充分了解大数据，望对同学们的大数据从业有帮助：

大数据就业前景

大数据就业方向

大数据就业薪资

大数据职业发展

一、大数据就业前景

据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

二、大数据就业方向

大数据领域三个大的技术方向，这些不同的技术方向，对应企业的哪些招聘岗位？

1. Hadoop大数据开发方向

市场需求旺盛，大数据培训的主体，目前IT培训机构的重点

对应岗位：大数据开发工程师、爬虫工程师、数据分析师 等

2. 数据挖掘、数据分析&机器学习方向

学习起点高、难度大，市面上只有很少的培训机构在做。

对应岗位：数据科学家、数据挖掘工程师、机器学习工程师等

3. 大数据运维&云计算方向

市场需求中等，更偏向于Linux、云计算学科

对应岗位：大数据运维工程师

精通任何方向之一者，均会 “ 前（钱）”途无量。

三个方向中，大数据开发是基础。以Hadoop开发工程师为例，Hadoop入门月薪已经达到了 8K 以上，工作1年月薪可达到 1.2W 以上，具有2-3年工作经验的hadoop人才年薪可以达到 30万—50万，一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径。

三、大数据就业薪资

1、基础人才-数据分析师

北京数据分析平均工资： 10630/月，取自 15526 份样本，较 2016 年，增长 9.4%。

2、大数据开发工程师

北京大数据开发平均工资：30230/月。

3、Hadoop开发工程师

北京hadoop平均工资： 20130/月，取自 1734 份样本。

4、数据挖掘工程师

北京数据挖掘平均工资：21740/月，取自 3449 份样本，较 2016 年，增长 20.3%；

5、算法工程师

北京算法工程师平均工资： 22640/月，取自 10176 份样本。

四、大数据职业发展

最后一个问题，到底哪些公司需求大数据人才？

事实上，大到世界500强，BAT这样的公司，小到创业公司，他们都需求数据人才。

目前，大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。、

大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。有些特别强调大数据战略的互联网公司则会另设最高职位—如阿里巴巴的首席数据官。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。

马云说“我们已从IT时代进入了DT时代，未来我们的汽车、电灯泡、电视机、电冰箱等将全部装上操作系统，并进行数据集成，数据将会让机器更“聪明”。DT时代，数据将成为主要的能源，离开了数据，任何组织的创新都基本上是空壳。”

我们从大哥大，小灵通，到诺基亚塞班，到今天的人手一部智能手机，每天各大企业会收到多少数据，如何从这些数据里面分析础客户的需求，这都是企业所要做的事，总之，数据，是未来的一切。