如何成為大數(shù)據(jù)工程師

大數(shù)據(jù)工程師做什么？

用阿里巴巴集團(tuán)研究員薛貴榮的話來(lái)說(shuō)，大數(shù)據(jù)工程師就是一群“玩數(shù)據(jù)”的人，玩出數(shù)據(jù)的商業(yè)價(jià)值，讓數(shù)據(jù)變成生產(chǎn)力。大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)的最大區(qū)別在于，它是在線的、實(shí)時(shí)的，規(guī)模海量且形式不規(guī)整，無(wú)章法可循，因此“會(huì)玩”這些數(shù)據(jù)的人就很重要。

沈志勇認(rèn)為如果把大數(shù)據(jù)想象成一座不停累積的礦山，那么大數(shù)據(jù)工程師的工作就是，“第一步，定位并抽取信息所在的數(shù)據(jù)集，相當(dāng)于探礦和采礦。第二步，把它變成直接可以做判斷的信息，相當(dāng)于冶煉。最后是應(yīng)用，把數(shù)據(jù)可視化等?！?/p>

因此分析歷史、預(yù)測(cè)未來(lái)、優(yōu)化選擇，這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時(shí)最重要的三大任務(wù)。通過(guò)這三個(gè)工作方向，他們幫助企業(yè)做出更好的商業(yè)決策。

找出過(guò)去事件的特征

大數(shù)據(jù)工程師一個(gè)很重要的工作，就是通過(guò)分析數(shù)據(jù)來(lái)找出過(guò)去事件的特征。比如，騰訊的數(shù)據(jù)團(tuán)隊(duì)正在搭建一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，把公司所有網(wǎng)絡(luò)平臺(tái)上數(shù)量龐大、不規(guī)整的數(shù)據(jù)信息進(jìn)行梳理，總結(jié)出可供查詢的特征，來(lái)支持公司各類業(yè)務(wù)對(duì)數(shù)據(jù)的需求，包括廣告投放、游戲開發(fā)、社交網(wǎng)絡(luò)等。

找出過(guò)去事件的特征，最大的作用是可以幫助企業(yè)更好地認(rèn)識(shí)消費(fèi)者。通過(guò)分析用戶以往的行為軌跡，就能夠了解這個(gè)人，并預(yù)測(cè)他的行為?！澳憧梢灾浪鞘裁礃拥娜?、他的年紀(jì)、興趣愛好，是不是互聯(lián)網(wǎng)付費(fèi)用戶、喜歡玩什么類型的游戲，平常喜歡在網(wǎng)上做什么事情。”騰訊云計(jì)算有限公司北京研發(fā)中心總經(jīng)理鄭立峰對(duì)《第一財(cái)經(jīng)周刊》說(shuō)。下一步到了業(yè)務(wù)層面，就可以針對(duì)各類人群推薦相關(guān)服務(wù)，比如手游，或是基于不同特征和需求衍生出新的業(yè)務(wù)模式，比如微信的電影票業(yè)務(wù)。

預(yù)測(cè)未來(lái)可能發(fā)生的事情

通過(guò)引入關(guān)鍵因素，大數(shù)據(jù)工程師可以預(yù)測(cè)未來(lái)的消費(fèi)趨勢(shì)。在阿里媽媽的營(yíng)銷平臺(tái)上，工程師正試圖通過(guò)引入氣象數(shù)據(jù)來(lái)幫助淘寶賣家做生意?！氨热缃衲晗奶觳粺幔芸赡苣承?a target="_blank">產(chǎn)品就沒(méi)有去年暢銷，除了空調(diào)、電扇，背心、游泳衣等都可能會(huì)受其影響。那么我們就會(huì)建立氣象數(shù)據(jù)和銷售數(shù)據(jù)之間的關(guān)系，找到與之相關(guān)的品類，提前警示賣家周轉(zhuǎn)庫(kù)存。”薛貴榮說(shuō)。

在百度，沈志勇支持“百度預(yù)測(cè)”部分產(chǎn)品的模型研發(fā)，試圖用大數(shù)據(jù)為更廣泛的人群服務(wù)。已經(jīng)上線的包括世界杯預(yù)測(cè)、高考預(yù)測(cè)、景點(diǎn)預(yù)測(cè)等。以百度景點(diǎn)預(yù)測(cè)為例，大數(shù)據(jù)工程師需要收集所有可能影響一段時(shí)間內(nèi)景點(diǎn)人流量的關(guān)鍵因素進(jìn)行預(yù)測(cè)，并為全國(guó)各個(gè)景點(diǎn)未來(lái)的擁擠度分級(jí)—在接下來(lái)的若干天時(shí)間里，它究竟是暢通、擁擠，還是一般擁擠？

找出最優(yōu)化的結(jié)果

根據(jù)不同企業(yè)的業(yè)務(wù)性質(zhì)，大數(shù)據(jù)工程師可以通過(guò)數(shù)據(jù)分析來(lái)達(dá)到不同的目的。

以騰訊來(lái)說(shuō)，鄭立峰認(rèn)為能反映大數(shù)據(jù)工程師工作的最簡(jiǎn)單直接的例子就是選項(xiàng)測(cè)試（AB Test），即幫助產(chǎn)品經(jīng)理在A、B兩個(gè)備選方案中做出選擇。在過(guò)去，決策者只能依據(jù)經(jīng)驗(yàn)進(jìn)行判斷，但如今大數(shù)據(jù)工程師可以通過(guò)大范圍地實(shí)時(shí)測(cè)試—比如，在社交網(wǎng)絡(luò)產(chǎn)品的例子中，讓一半用戶看到A界面，另一半使用B界面，觀察統(tǒng)計(jì)一段時(shí)間內(nèi)的點(diǎn)擊率和轉(zhuǎn)化率，以此幫助市場(chǎng)部做出最終選擇。

作為電商的阿里巴巴，則希望通過(guò)大數(shù)據(jù)鎖定精準(zhǔn)的人群，幫助賣家做更好的營(yíng)銷?！拔覀兏诖氖悄隳苷业竭@樣一批人，比起現(xiàn)有的用戶，這些人對(duì)產(chǎn)品更感興趣。”薛貴榮說(shuō)。一個(gè)淘寶的實(shí)例是，某人參賣家原來(lái)推廣的目標(biāo)人群是產(chǎn)婦，但工程師通過(guò)挖掘數(shù)據(jù)之間的關(guān)聯(lián)性后發(fā)現(xiàn)，針對(duì)孕婦群體投放的營(yíng)銷轉(zhuǎn)化率更高。

B 需要具備的能力

數(shù)學(xué)及統(tǒng)計(jì)學(xué)相關(guān)的背景

就我們采訪過(guò)的BAT三家互聯(lián)網(wǎng)大公司來(lái)說(shuō)，對(duì)于大數(shù)據(jù)工程師的要求都是希望是統(tǒng)計(jì)學(xué)和數(shù)學(xué)背景的碩士或博士學(xué)歷。沈志勇認(rèn)為，缺乏理論背景的數(shù)據(jù)工作者，更容易進(jìn)入一個(gè)技能上的危險(xiǎn)區(qū)域（Danger Zone）—一堆數(shù)字，按照不同的數(shù)據(jù)模型和算法總能捯飭出一些結(jié)果來(lái)，但如果你不知道那代表什么，就并不是真正有意義的結(jié)果，并且那樣的結(jié)果還容易誤導(dǎo)你?！爸挥芯邆湟欢ǖ睦碚撝R(shí)，才能理解模型、復(fù)用模型甚至創(chuàng)新模型，來(lái)解決實(shí)際問(wèn)題?！鄙蛑居抡f(shuō)。

計(jì)算機(jī)編碼能力

實(shí)際開發(fā)能力和大規(guī)模的數(shù)據(jù)處理能力是作為大數(shù)據(jù)工程師的一些必備要素。“因?yàn)樵S多數(shù)據(jù)的價(jià)值來(lái)自于挖掘的過(guò)程，你必須親自動(dòng)手才能發(fā)現(xiàn)金子的價(jià)值?！编嵙⒎逭f(shuō)。

舉例來(lái)說(shuō)，現(xiàn)在人們?cè)谏缃痪W(wǎng)絡(luò)上所產(chǎn)生的許多記錄都是非結(jié)構(gòu)化的數(shù)據(jù)，如何從這些毫無(wú)頭緒的文字、語(yǔ)音、圖像甚至視頻中攫取有意義的信息就需要大數(shù)據(jù)工程師親自挖掘。即使在某些團(tuán)隊(duì)中，大數(shù)據(jù)工程師的職責(zé)以商業(yè)分析為主，但也要熟悉計(jì)算機(jī)處理大數(shù)據(jù)的方式。

對(duì)特定應(yīng)用領(lǐng)域或行業(yè)的知識(shí)

在顏莉萍看來(lái)，大數(shù)據(jù)工程師這個(gè)角色很重要的一點(diǎn)是，不能脫離市場(chǎng)，因?yàn)榇髷?shù)據(jù)只有和特定領(lǐng)域的應(yīng)用結(jié)合起來(lái)才能產(chǎn)生價(jià)值。所以，在某個(gè)或多個(gè)垂直行業(yè)的經(jīng)歷能為應(yīng)聘者積累對(duì)行業(yè)的認(rèn)知，對(duì)于之后成為大數(shù)據(jù)工程師有很大幫助，因此這也是應(yīng)聘這個(gè)崗位時(shí)較有說(shuō)服力的加分項(xiàng)。

“他不能只是懂得數(shù)據(jù)，還要有商業(yè)頭腦，不論對(duì)零售、醫(yī)藥、游戲還是旅游等行業(yè)，能就其中某些領(lǐng)域有一定的理解，最好還是與公司的業(yè)務(wù)方向一致的，”就此薛貴榮還打了個(gè)比方，“過(guò)去我們說(shuō)一些奢侈品店員勢(shì)利，看人一眼就知道買得起買不起，但這群人恰恰是有敏銳度的，我們認(rèn)為他們是這個(gè)行業(yè)的專家。又比如對(duì)醫(yī)療行業(yè)了解的人，他在考慮醫(yī)療保險(xiǎn)業(yè)務(wù)時(shí)，不僅會(huì)和人們醫(yī)院看病的記錄相關(guān)，也會(huì)考慮飲食數(shù)據(jù)，這些都是基于對(duì)該領(lǐng)域的了解。”

C 大數(shù)據(jù)工程師的職業(yè)發(fā)展

如何成為大數(shù)據(jù)工程師

由于目前大數(shù)據(jù)人才匱乏，對(duì)于公司來(lái)說(shuō)，很難招聘到合適的人才—既要有高學(xué)歷，同時(shí)最好還有大規(guī)模數(shù)據(jù)處理經(jīng)驗(yàn)。因此很多企業(yè)會(huì)通過(guò)內(nèi)部挖掘。

今年8月，阿里巴巴舉辦了一個(gè)大數(shù)據(jù)競(jìng)賽，把天貓平臺(tái)上的數(shù)據(jù)拿出來(lái)，去除敏感問(wèn)題后，放到云計(jì)算平臺(tái)上交予7000多支隊(duì)伍進(jìn)行比賽，比賽分為內(nèi)部賽和外部賽?！巴ㄟ^(guò)這個(gè)方式來(lái)激勵(lì)內(nèi)部員工，同時(shí)也發(fā)現(xiàn)外部人才，讓各行業(yè)的大數(shù)據(jù)工程師涌現(xiàn)出來(lái)。”

顏莉萍建議，目前長(zhǎng)期從事數(shù)據(jù)庫(kù)管理、挖掘、編程工作的人，包括傳統(tǒng)的量化分析師、Hadoop方面的工程師，以及任何在工作中需要通過(guò)數(shù)據(jù)來(lái)進(jìn)行判斷決策的管理者，比如某些領(lǐng)域的運(yùn)營(yíng)經(jīng)理等，都可以嘗試該職位，而各個(gè)領(lǐng)域的達(dá)人只要學(xué)會(huì)運(yùn)用數(shù)據(jù)，也可以成為大數(shù)據(jù)工程師。

薪酬待遇

作為IT類職業(yè)中的“大熊貓”，大數(shù)據(jù)工程師的收入待遇可以說(shuō)達(dá)到了同類的頂級(jí)。根據(jù)顏莉萍的觀察，國(guó)內(nèi)IT、通訊、行業(yè)招聘中，有10％都是和大數(shù)據(jù)相關(guān)的，且比例還在上升。顏莉萍表示，“大數(shù)據(jù)時(shí)代的到來(lái)很突然，在國(guó)內(nèi)發(fā)展勢(shì)頭激進(jìn)，而人才卻非常有限，現(xiàn)在完全是供不應(yīng)求的狀況。”在美國(guó)，大數(shù)據(jù)工程師平均每年薪酬高達(dá)17.5萬(wàn)美元，而據(jù)了解，在國(guó)內(nèi)頂尖互聯(lián)網(wǎng)類公司，同一個(gè)級(jí)別大數(shù)據(jù)工程師的薪酬可能要比其他職位高20％至30％，且頗受企業(yè)重視。

職業(yè)發(fā)展路徑

由于大數(shù)據(jù)人才數(shù)量較少，因此大多數(shù)公司的數(shù)據(jù)部門一般都是扁平化的層級(jí)模式，大致分為數(shù)據(jù)分析師、資深研究員、部門總監(jiān)3個(gè)級(jí)別。大公司可能按照應(yīng)用領(lǐng)域的維度來(lái)劃分不同團(tuán)隊(duì)，而在小公司則需要身兼數(shù)職。有些特別強(qiáng)調(diào)大數(shù)據(jù)戰(zhàn)略的互聯(lián)網(wǎng)公司則會(huì)另設(shè)最高職位—如阿里巴巴的首席數(shù)據(jù)官?！斑@個(gè)職位的大部分人會(huì)往研究方向發(fā)展，成為重要數(shù)據(jù)戰(zhàn)略人才?！鳖伬蚱颊f(shuō)。另一方面，大數(shù)據(jù)工程師對(duì)商業(yè)和產(chǎn)品的理解，并不亞于業(yè)務(wù)部門員工，因此也可轉(zhuǎn)向產(chǎn)品部或市場(chǎng)部，乃至上升為公司的高級(jí)管理層。