大数据挖掘从业者综合能力评估
不少朋友在学习大数据挖掘时，耗费了不少时间在一些无意义的事上。而且做的大多数事情并不能让自己在应聘时突出自己的核心竞争力，也不能展示出自己与其他应聘者的差异性优势。
度量的初衷
在做大数据挖掘时，在每一个阶段都需要具备相应的技能，如何明确自己现阶段的排位，找到更好的方向？可以通过数据挖掘从业者综合能力度量指标分析获得。
对于度量的意义，主要有以下三点：
· 认清自我，查缺补漏。
· 找准方向，少走弯路。
· 不断打磨，激励自己。
对于度量的适用人群，主要针对于这三类：
· 跨界转行做数据挖掘的朋友。
· 毕业求职的在校学生（本科、研究生和博士生等）。
· 工作年限在3年之内的数据挖掘从业者。
对于度量的指标来源，要考虑以下三个方面：
· 面试时，所考察的技能方面。
· 工作中，所经历的实践场景。
· 规划上，所看好的学习方向。
记住一句话：不管外界如何浮躁，只有将大数据在业务运营中实践落地，为公司创造真正的价值，才能收获更多的回报和成就感。
综合能力评估
如图 9-1 所示是大数据挖掘从业者的硬实力雷达图，包括业务运营（Analyse）、场景建模（Model）、编程实践（Code）、大数据技术（Big Data）和产品思维（Product）。
图9-1 硬实力-Y
每个维度又分为5个得分等级：1（一般）、3（及格）、5（中等）、7（良好）、9（优秀）。
从硬实力来看，也分了 5 个 Level：DM1～DM5，即新手、入门、中级、高级和资深。也就是说，大数据挖掘从业者的综合能力，还需要考虑硬实力和软实力综合评估。如图9-2所示。
图9-2 综合能力-Z
个人指标体系（大数据挖掘）
接下来针对目标人群说明 DM1～DM3 等级的具体硬实力考核指标，以及软实力的参考标准。
注意：每一项指标分为不会（0）、一般（0.5）、还行（0.7）和熟练（1）这4个权重值。
1.硬实力——业务运营
· 常用办公软件使用的熟练程度。（共计0.5分）
· 结构化查询语言SQL使用的熟练程度。（共计0.5分）
· 制作图表和分析报告，用数据说话的能力。（共计1分）
· 对所处行业业务流程的熟悉程度。（共计1分）
· 从目前运营业务中寻找痛点场景来挖掘数据的能力。（共计2分）
得分区间：0～5分
2.硬实力——场景建模
· 高等数学、概率统计等数学基础是否扎实。（共计1分）
· 是否有经常查阅国内外学术文献的习惯。（共计1分）
· 对某一个算法底层推导的熟悉程度。（共计1分）
· 对分类、聚类、预测响应和综合评分中某个场景的熟悉程度。（共计1分）
· 对一个业务痛点场景建模流程的熟悉程度。（共计1分）
得分区间：0～5分
3.硬实力——编程实践
· 对数据结构等常见算法的熟悉程度。（共计1分）
· 是否有经常编写代码的习惯和良好的编码风格。（共计1分）
· 对数据挖掘工具R语言、Python的熟悉程度。（共计1分）
· 对大数据编程技术MapRedcue、Scala的熟悉程度。（共计1分）
· 对一个组合场景模型编程实现的熟悉程度。（共计1分）
得分区间：0～5分
4.硬实力——大数据技术
· 对大数据底层数据源的熟悉程度。（共计1分）
· 对数据仓库工具Hive使用的熟练程度。（共计1分）
· 对Hadoop、Spark生态圈相关技术的熟悉程度。（共计1分）
· 对MapRedcue执行过程的理解和优化方向的熟悉程度。（共计1分）
· 对数据源底层到数据应用层，完整的流程体系的熟悉程度。（共计1分）
得分区间：0～5分
5.硬实力——产品思维
· 对数据产品驱动业务运营的理解程度。（共计1分）
· 对大数据挖掘在数据产品中扮演角色的理解程度。（共计1分）
· 是否接触过一款数据产品中的某个研发环节。（共计1分）
· 对用户体验、视觉和交互效果的理解程度。（共计1分）
· 在业务运营中寻找痛点，对落地数据产品的理解程度。（共计1分）
得分区间：0～5分
6.软实力
· 在团队中协作开发、协调资源的能力。（共计1分）
· 向领导、业务运营人员表述观点的能力。（共计1分）
· 进入陌生环境，接洽陌生人群的融入能力。（共计1分）
· 对职场、工作中，自我心态和情绪的调节能力。（共计1分）
· 学习新领域、新业务和新知识的能力。（共计1分）
得分区间：0～5分
上述内容包括硬实力和软实力在 DM1～DM3 这个区间的评估明细，每个朋友都可以结合自身情况对自己做一个量化评估，让自己能够均衡发展，这对于未来的职业规划有很大帮助。
