如何从0到1转型到大数据圈子：大数据领域涉及岗位与困难
对于一个陌生的领域，最重要的还是正确的方向，如果有人引导你会更好，把有限的时间花在必要的事上，做一件正确的事。
2017年年初，有一位朋友给我来信，他很客气地向我请教了一个令他苦恼很久的问题：
“我是从事 Java 开发的，但是工作经验很少，也并非“科班”出身，可以理解成跨行业。但是一直特别喜欢数据、人工智能等这些新的方向。自己平时也没闲着，看了很多关于Python的书，也很想接触大数据领域，找了非常多的教程，但是对大数据领域还是比较模糊，不知道如何下手，担心费力不讨好。”
类似的问题其他人也问过我，接下来从以下几个方面谈谈看法。
· 大数据领域都会涉及哪些岗位。
· 转型到大数据圈子，或者是大数据挖掘，困难在哪里。
· 我们能做什么。
1.大数据领域都会涉及哪些岗位
不少人认为，从事大数据行业的人，要么在折腾集群的事，要么在折腾数据的事，总之肯定要和数据打交道。这是事实，但是还可以说得更深入一点。对于这个领域，从数据源到数据化运营，涉及的细分岗位特别多。数据从哪里来呢？大多数平台的数据来源及其占比如下。
· 60%来源于关系数据库的同步迁移，偏业务运营数据。
· 30%来源于平台埋点数据的采集，偏用户行为数据。
· 10%来源于第三方数据，或者是跨行业数据。
有数据就需要结合实际业务场景进行数据清洗加工，这时，自然而然地孕育了ETL工程师，即活跃于业务和数据之间的“小蜜蜂”。
但是很多公司已经不再满足于数据的展示了，这时就需要在现有数据的基础上做很多探索性的工作，大数据挖掘工程师和算法工程师主要在做这方面的工作。
所以，从0到1的第一步，是先清楚在大数据领域都有哪些岗位，了解清楚自己感兴趣和真正适合的岗位。
2.大数据挖掘的困难在哪里
大数据挖掘这个领域薪资相对高一些，因为门槛较高。毋庸置疑就两点：基础功底和学习方向。需要具备的基础功底如下。
（1）数学，高数、线性代数、概率论、博弈论和图论、数值计算等这些是你躲也躲不开的必学基础知识。
（2）算法也是不可缺少的，不管是算法导论，还是模型中常用的算法（分类、聚类、预测和综合评估等），都是构建业务场景模型和写出高效模型的关键。
（3）代码工程能力，这可能会难倒不少偏理论和工具型的朋友。它之所以重要，是因为你从事的是大数据挖掘，能动手实践最重要。
（4）英文阅读能力，阅读国外的学习资源，看懂外文的参考文献，除了要有数学基础外，英文阅读能力也非常重要。
可以说，想从事大数据挖掘的朋友，有一个正确的学习方向很重要，有人引导当然最好，但更多时候需要自己实践和总结。
3.我们能做什么
要在基础功底和学习方向上花时间。
你可能花了两年的时间掌握了80%的专业能力，但是需要再花5年的时间甚至是更长的时间才能领悟到剩余20%的精髓。
在学习方向上，有以下几点建议。
（1）不闭门造车：大数据这个领域发展很快，有很多新技术产生，也有很多多以旧技术被淘汰，但都离不开这几个场景：离线、准实时和实时。所以要多关注社区的发展。
（2）找到伙伴一起学习：知识在于分享和讨论，与别人共同学习，会发现很多你曾经忽视的细节，也能用更少的时间获得更多的知识。
（3）试着找到一个引导人：不听老人言，吃亏在眼前。古话说的就是这个道理。当然，引导并不代表单方面的依赖。
希望每一位刚刚转型入门的朋友都能铭记于心，减少不必要的“试错成本”。
