随着互联网的兴起，人工智能和大数据成为了热门领域，越来越多的企业开始通过对数据的挖掘分析来为商业决策提供建议，在国内市场，人工智能和大数据领域人才出现巨大的缺口。而数据分析师入行需要的技术能力较易，转行/自学性价比极高，成为大数据领域的热门职业。
一个是职业方向的选择。比起我本专业的方向，大数据领域有着显而易见的几点优势：人才缺口非常大，薪资的相对水平比较高，成长速度比较快。
在这里我还是要推荐下我自己建的大数据学习交流qq裙：522189307 ， 裙 里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有大数据开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴。上述资料加群可以领取
从互联网开始普及，我们每天都会产生大量的数据，并且数据存储技术也在进一步发展，所以大数据背后的价值越来越被大家所重视。实际上，银行、电商等领域中，数据分析已经有完整的职业生态了，但是信息技术的发展，给数据分析带来了更多的应用场景，目前单电商领域的发展就带来了采销、仓储、运送等环节的数据应用，甚至传统工业也都对数据挖掘提出要求，而在未来几十年里，这个需求都不会衰退，大数据的用人缺口极大。
目前，高校针对大数据分析和人工智能领域设置的对口专业非常少，很多专业人才都是计算机、金融或者统计出身，而用人市场又存在极大的需求，因而工资也水涨船高。
至于成长速度，一方面，大数据面对的工业场景在不断更新和扩展，目前比较热门的可能是互联网电商行业，而很多传统工业也在尝试用大数据做决策优化；另一方面，很多数据挖掘理论也在与时俱进，因此数据挖掘算法相关从业者需要保持项目的实践推进能力，并持续进行理论学习，这类从业者的淘汰率大，压力也大，不过成长速度也快。
第二个问题是为什么回国。一个原因是根据自身情况所做出的选择，在这里不多说，有借鉴意义的是中美在大数据行业的差异性。
美国作为一个发达国家，很多应用场景下的数据采集、管理分析流程已经比较成熟了。除了前沿的技术研究进展，从工业应用领域来看，中美大体差异不大，甚至中国在未来的发展空间还更广阔，但是涉及到一些传统工业或电商、物流这类的新型产业，中国整体的大数据应用水平还是比较迟滞的。
中国在数据这一领域的发展空间会给大家更多的机会，因此在大数据行业发光发热，其实是一个非常好的选择。现在进入这一行业的人，在某种程度上会成为第一批接触并且解决该行业问题的人才。
第三个问题是创业公司和大厂有哪些区别。实际上，二者有各自的优势。大厂具有稳定、体系分明、接触业务层面较深、细分领域深耕、晋升通道明确等优势，而初创公司的优势表现在：管理扁平、任人唯能、接触项目广泛、直接对接客户，并对业界的不同领域均能涉猎，成长曲线陡峭。
在劣势上，大厂可能存在视野过窄、不跳槽难以晋升、工作内容及模式固定化、成为一颗「螺丝钉」等问题。而初创公司相对来说比较不稳定，并且团队靠谱与否会影响上述优势能否保证。
我个人倾向去创业公司或者大厂刚刚成立的重点部门，因为二者都具备一个特质，就是都能接触到大量工作和项目，而不是在一些细分的领域做「螺丝钉」。在我看来，入行初期比较重要的是行业视野——大面看得全，才能够在深耕领域做出最优的选择。因此我的第一份正式工作就选择了创业公司。另外我实习大厂的大数据部门，也有同样优势，它刚刚成立，能够很快对接到业务层面，并且其内部也是采取扁平化的管理方式，能给我很多的锻炼机会。
其他原因还包括团队和成长机会。我曾在硅谷机缘巧合地接触到了杉数科技的 CTO 王子卓老师，便立志加入杉数团队。由于杉数科技目前还在成长阶段，能够让我接触大量项目，而每一个项目就是行业或工业的解决方案。此外，除了技术和理论研究实力非常强大的创始人团队，杉数科技更有一批行业非常顶尖的科学家，这些都是行业内的超优质资源。因此对个人而言，杉数科技的工作不仅仅意味着能与这些优秀科学家共事，大量的项目也非常锻炼人。
杉数科技是一家基于大数据的咨询公司，主要客户是中国工业界的大中型企业，其基于大数据的精细化运算和行业解决方案，能够帮助企业提高决策水平。
之所以说杉数科技的前景非常好，一方面是因为大环境下越来越多的工业企业开始重视数据，但它们未必有足够的资金像 BAT 一样去养数据团队，并且即便是 BAT 这样的大型企业，针对特定的、非常态的复杂问题也需要搞外包服务，这也是杉数科技存在的价值。另一方面，杉数科技创始人团队都是斯坦福高学历人才，并且配备丰富的行业经验和学术经验，并兼有强劲的技术实力和前沿的理论研究实力，曾为 Google、IBM、波音、美国能源部、中国电网等机构解决运营决策优化问题。
大数据分析工程师职业内容
下面我讲一下大数据分析师的工作内容，公司的岗位需求以及职业发展路径。
数据分析这个概念，其实大家都不陌生，基本上就是针对一些数据源，去探索它们的特点，得出相应的结论或者追溯一些商业现象的原因。不同于传统的数据分析，大数据分析不仅仅是基于自身的数据统计，有时也需要考虑一些外部因素，对其他需要的数据源进行采集、整理和合并，并且它的数据规模比较大，从业人员需要掌握一定的运行并行工具和算法，而不仅局限于基于统计学的分析。
但是就我的从业经历来看，大部分数据分析师的末端工作内容还是基于一些常用的统计学理论和传统的数据分析方法，只是在这一步前增加了很多大型数据集整理、合并和运算的过程，而这些过程需要一些新的技能和理论。