A. 大數據技術與應用就業方向
大數據主要的三大就業方向：
大數據系統研發類人才；
大數據應用開發類人才；
大數據分析類人才。
大數據十大就業職位：
一、ETL研發
隨著數據種類的不斷增加，企業對數據整合專業人才的需求越來越旺盛。ETL開發者與不同的數據來源和組織打交道，從不同的源頭抽取數據，轉換並導入數據倉庫以滿足企業的需要。
ETL研發，主要負責將分散的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
目前，ETL行業相對成熟，相關崗位的工作生命周期比較長，通常由內部員工和外包合同商之間通力完成。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL。
二、Hadoop開發
Hadoop的核心是HDFS和MapRece.HDFS提供了海量數據的存儲，MapRece提供了對數據的計算。隨著數據集規模不斷增大，而傳統BI的數據處理成本過高，企業對Hadoop及相關的廉價數據處理技術如Hive、HBase、MapRece、Pig等的需求將持續增長。如今具備Hadoop框架經驗的技術人員是最搶手的大數據人才。
三、可視化（前端展現）工具開發
海量數據的分析是個大挑戰，而新型數據可視化工具如Spotifre，Qlikview和Tableau可以直觀高效地展示數據。
可視化開發就是在可視開發工具提供的圖形用戶界面上，通過操作界面元素，由可視開發工具自動生成應用軟體。還可輕松跨越多個資源和層次連接您的所有數 據，經過時間考驗，完全可擴展的，功能豐富全面的可視化組件庫為開發人員提供了功能完整並且簡單易用的組件集合，以用來構建極其豐富的用戶界面。
過去，數據可視化屬於商業智能開發者類別，但是隨著Hadoop的崛起，數據可視化已經成了一項獨立的專業技能和崗位。
四、信息架構開發
大數據重新激發了主數據管理的熱潮。充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須了解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。
五、數據倉庫研究
數據倉庫是為企業所有級別的決策制定過程提供支持的所有類型數據的戰略集合。它是單個數據存儲，出於分析性報告和決策支持的目的而創建。為企業提供需要業務智能來指導業務流程改進和監視時間、成本、質量和控制。
數據倉庫的專家熟悉Teradata、Neteeza和Exadata等公司的大數據一體機。能夠在這些一體機上完成數據集成、管理和性能優化等工作。
六、OLAP開發
隨著資料庫技術的發展和應用，資料庫存儲的數據量從20世紀80年代的兆（M）位元組及千兆（G）位元組過渡到現在的兆兆（T）位元組和千兆兆（P）位元組，同時，用戶的查詢需求也越來越復雜，涉及的已不僅是查詢或操縱一張關系表中的一條或幾條記錄，而且要對多張表中千萬條記錄的數據進行數據分析和信息綜合。聯機分析處理（OLAP）系統就負責解決此類海量數據處理的問題。
OLAP在線聯機分析開發者，負責將數據從關系型或非關系型數據源中抽取出來建立模型，然後創建數據訪問的用戶界面，提供高性能的預定義查詢功能。
七、數據科學研究
這一職位過去也被稱為數據架構研究，數據科學家是一個全新的工種，能夠將企業的數據和技術轉化為企業的商業價值。隨著數據學的進展，越來越多的實際工作 將會直接針對數據進行，這將使人類認識數據，從而認識自然和行為。因此，數據科學家首先應當具備優秀的溝通技能，能夠同時將數據分析結果解釋給IT部門和業務部門領導。
總的來說，數據科學家是分析師、藝術家的合體，需要具備多種交叉科學和商業技能。
八、數據預測（數據挖掘）分析
營銷部門經常使用預測分析預測用戶行為或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。
九、企業數據管理
企業要提高數據質量必須考慮進行數據管理，並需要為此設立數據管家職位，這一職位的人員需要能夠利用各種技術工具匯集企業周圍的大量數據，並將數據清洗 和規范化，將數據導入數據倉庫中，成為一個可用的版本。然後，通過報表和分析技術，數據被切片、切塊，並交付給成千上萬的人。擔當數據管家的人，需要保證 市場數據的完整性，准確性，唯一性，真實性和不冗餘。
十、數據安全研究
數據安全這一職位，主要負責企業內部大型伺服器、存儲、數據安全管理工作，並對網路、信息安全項目進行規劃、設計和實施。數據安全研究員還需要具有較強的管理經驗，具備運維管理方面的知識和能力，對企業傳統業務有較深刻的理解，才能確保企業數據安全做到一絲不漏。
B. 在IT技術中，java大數據python前端和後端開發，哪個更容易上手
Java難一些，web前端簡百單些更容易度入門，大數據的需要有java打基礎，所以更難一些，python和java其實差不多。
前端是更好上手。因為難度是有易到難。
C. 大數據和前端那個值得學習
首先，大數據是一個產業鏈，Web前端是一個具體的崗位，二者並不完全對等。
大數據本身也需要Web前端做呈現，所以二者之間也有緊密的聯系。
從前景來看，現在開始學習大數據是一個不錯的選擇！
但是前端學習的就業前景也是非常可觀的！
D. 2019年前端開發的前景如何前端開發會被淘汰嗎
前端開發是軟體開發團隊中的重要崗位，隨著用戶對於產品體驗度的要求越來越高，前端開發也會進一步發展，隨著產業互聯網的發展，前端開發未來的發展前景還是值得期待的，前端開發在未來很長一段時間內並不會被淘汰。
未來前端開發將體現出以下幾個特點：
第一：前端開發體系進一步豐富。隨著移動互聯網的發展，前端開發體系將逐漸豐富，早期的前端開發需要掌握Html、CSS和JavaScript等內容，目前由於移動端開發已經開始逐步並入到前端開發團隊，所以對於前端開發人員來說，掌握一定的移動端開發知識是有必要的。
第二：前後端開發界限逐漸模糊。隨著Nodejs的應用，傳統的前端開發已經開始走向後端，JavaScript未來將承擔更多的職責。所以對於前端開發人員來說，掌握一定的後端開發知識也是順應Web開發的發展趨勢。
第三：前端開發與物聯網將深度融合。目前不少嵌入式開發平台支持JavaScript，所以傳統的前端開發技術已經走入嵌入式開發領域，這為整個物聯網體系的建設提供了更加豐富的解決方案。從這個角度來說，未來前端開發的發展前景還是比較廣闊的。
隨著5G標準的落地，產業互聯網將迎來全新的發展機會，前端開發在產業互聯網的發展過程中將依然會起到重要的作用，前端開發在大數據、雲計算、人工智慧、物聯網等領域都將有較大的發展空間，尤其在大數據展示方面，前端開發的應用場景還是比較多的。
雖然前端開發在IT行業內有大量的從業人員，但是隨著產業互聯網的發展，前端開發崗位也在逐漸升級，這就要求前端開發人員不斷豐富自身的知識結構，同時緊跟技術發展方向，這樣才能不斷提升自身的職場競爭力。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智慧領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。
如果有互聯網方面的問題，也可以咨詢我，謝謝！
E. 前端開發未來的發展前景怎麼樣
web前端開發前景還是比較好的。具體您可以通過以下幾個方面去看看。
工作年限與工資也是呈現正比現象（這個正比現象是您在工作之後依舊堅持不斷的學習web前端最新技術而呈現的）。加上大型企業對於用戶界面體驗的要求的高度重視，前端人才的需求也在增加。
所以Web前端的工作無法被替代，發展趨勢是可見的，客戶需求是存在，前景是巨大的。但還是要提醒您應該時刻記住只有不斷的自我學習更新，才不會被行業所淘汰。
第三、web前端與其他編程相對比
web前端如果跟java、大數據相比的話，我個人不建議您比，因為的確沒什麼可比性。它們各自的工作方向不同，主要還是根據您自身的情況，一方面看一下自己喜歡哪個，另一方面看自己適合哪個。最終再做決定。
但有一點可以肯定的是無論學web前端、java還是大數據前景都不錯，最最重要的是您自己需做以下步驟：
1、自己是否真的喜歡
2、自己是否適合
3、自己是否能即便參加工作之後保持長期學習的狀態
如果都沒有問題，選擇自己喜歡的即可。
最後、無論是學哪個，「自學」也好，報班學習也罷，跟您自己的努力是分不開的，因此養成堅持長期不斷學習的習慣是很有必要的。
F. 前端開發需要學習什麼應該怎麼學
目前前端開發主要通過自學和報班學習兩種途徑學習，自學的難度高一些。
自學的話，要先規劃好自己要學哪些知識，從哪裡入手，有困難如何解決。機構學的話，就要選一個靠譜的機構。近幾年，前端的發展還是非常好的，市場需求大，加上學習起來也相對簡單，有眾多人選擇並學習。
學習的內容包括：
①計算機基礎以及PS基礎
②前端開發基礎（HTML5開發、JavaScript基礎到高級、jQuery網頁特效、Bootstrap框架）
③移動開發
④前端高級開發（ECMAScript6、Veu.js框架開發、webpack、前端頁面優化、React框架開發、AngularJS 2.0框架開發等）
⑤小程序開發
⑥全棧開發（Mysql資料庫、Python編程語言、Django框架等）
⑦就業拓展（網站SEO與前端安全技術）
想要系統學習，你可以考察對比一下開設有IT專業的熱門學校，好的學校擁有根據當下企業需求自主研發課程的能，建議實地考察對比一下。
祝你學有所成，望採納。
G. 大數據屬於前端還是後端，怎樣區分。python是前端還是後端，主攻那個方向好
大數據屬於後端。
python也是後端，主要負責業務邏輯的計算。
前端與後端的優劣，依據每人的基礎不同而不同，無法一概而論。
若你有美工的基礎，那麼前端會相對好一些。
H. 大數據需要學習前端嗎
大數據不需要學習前端的，需要學習Java。因為Java具有的眾多特性，特別適合作為大數據應用的開發語言，當下Hadoop以及其他大數據處理技術很多都是用Java，Java是大數據技術的主要支持言語，當下學大數據技術之前都會先學Java語言。
I. Web前端 Java和大數據有什麼關系
簡單的說Java語言是做大數據研發的工具之一，不少早期做大數據平台開發的程序員都是做Java開發出身，而且Hadoop平台本身就是採用Java語言開發的，所以很多做大數據開發的程序員第一個排序實驗都是使用Java語言開發的。所以，Java是早期做大數據開發的基礎之一。
大數據確切的說，它並不能算一門具體的技術，而是一種概念，一種大的技術范疇。大數據主要是用來處理，分析，存儲海量數據，對這些大量的數據進行加工處理等操作。大數據領域裡面涉及到Hadoop，hive，flink，hbase，java等各種具體的技術，看清楚，在這里Java也可以為大數據的實現提供服務哦。所以可以說，Java可以幫助我們實現大數據的開發，Java就像是一個「建築工人"，它可以把各種數據原料整合在一起，構建出大數據這么一個環境。
通常情況下，我們說的大數據，是指基於Hadoop的大數據生態，在這個生態中，有很多很多的產品，每個產品負責解決大數據整體方案中的一個問題，如Hadoop自身包含MapRece,Yarn,HDFS等，MapRece 負責批處理計算，HDFS負責的分布式存儲，YARN負責資源管理，其他如HBASE負責數據存儲，等等。這些大數據生態中的不同產品，大部分都是由Java開發的，所以說它們與Java密不可分。
由於軟體自身由Java開發，因此基本這些大數據產品做開發，Java語言就是首選，因為這些產品基本都提供Java語言的編程介面API。
還有一些產品，雖然不是用Java語言開發，但是使用了基於JVM的語言，如Spark是由Scala語言開發的，而Scala是基於JVM的，這就意味著可以進行Scala與Java的混合開發，同樣離不開Java。
大數據框架的編寫支持很多開發語言，但是Java在大數據開發方面有很大的優勢，目前流行的大數據Hadoop框架，很多部分都是用開源的Java語言編寫，因此Java在大數據方面有很大優勢。在大數據的中，也許別的你可能不在意，但是Hadoop想必你是注意到了的吧，大數據中不得不學的重要內容。
關於Java和大數據有什麼關系，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
J. 在大數據行業工作兩年是怎樣一種體驗
在大數據行業工作兩年是怎樣一種體驗
寫在前面
今年廣州的初夏在經歷了大雨的洗禮之後，一切都變得更加明朗起來，新的工作，新的人和事。懶惰讓我變得更焦慮，焦慮促使我進步，程序員的焦慮大家應該都有共同的感覺，時代的步伐太快了，在這個環境下的軟體開發一定會淘汰掉那些不懂得學習、懶惰的人。希望跟大家共勉。
在本文中，我主要回顧這兩年來，在大數據行業公司從事大數據類的前端開發的工作。最近剛剛換了一份工作，這里把我的經驗稍作總結分享給大家。
本文主要從大數據開發的角度出發，到大數據治理的必要性，再到圖形化建模的暢想，最後在數據質量的把關，然後到大數據可視化的應用，總結兩年的見聞和我的學習成果，也不知理解有無偏差，希望大家能給出建議。
大數據開發
大數據開發，有幾個階段：
1.數據採集（原始數據)
2.數據匯聚（經過清洗合並的可用數據)
3.數據轉換和映射（經過分類、提取的專項主題數據)
4.數據應用（提供api 智能系統 、應用系統等)
數據採集
數據採集有線上和線下兩種方式，線上一般通過爬蟲，通過抓取或者通過已有應用系統的採集。
在這個階段，我們可以做一個大數據採集平台，依託自動爬蟲（使用Python或者Node.js製作爬蟲軟體），ETL工具、或者自定義的抽取轉換引擎，從文件中、資料庫中、網頁中專項爬取數據。如果這一步通過自動化系統來做的話，可以很方便的管理所有的原始數據，並且從數據的開始對數據進行標簽採集，可以規范開發人員的工作，同時目標數據源可以更方便的管理。
數據採集的難點在於多數據源，例如mysql、postgresql、sqlserver 、 mongodb 、sqllite。還有本地文件、excel統計文檔、甚至是doc文件。如何將它們規整、有方案地整理進我們的大數據流程中也是必不可缺的一環。
數據匯聚
數據的匯聚是大數據流程最關鍵的一步，你可以在這里加上數據標准化，你也可以在這里做數據清洗，數據合並，還可以在這一步將數據存檔，將確認可用的數據經過可監控的流程進行整理歸類，這里產出的所有數據就是整個公司的數據資產，到了一定的量就是一筆固定資產。
數據匯聚的難點在於如何標准化數據，例如表名標准化，表的標簽分類，表的用途，數據的量，是否有數據增量？數據是否可用？
這些需要在業務上下很大的功夫，必要時還要引入智能化處理，例如根據內容訓練結果自動打標簽，自動分配推薦表名、表欄位名等，還有如何從原始數據中導入數據等。
數據轉換和映射
經過數據匯聚的數據資產如何提供給具體的使用方使用？在這一步，主要就是考慮數據如何應用，如何將兩、三個數據表轉換成一張能夠提供服務的數據。然後定期更新增量。
經過前面的那幾步，在這一步難點並不太多了，如何轉換數據與如何清洗數據、標准數據無二，將兩個欄位的值轉換成一個欄位，或者根據多個可用表統計出一張圖表數據等等。
數據應用
數據的應用方式很多，有對外的、有對內的，如果擁有了前期的大量數據資產，是通過restful API提供給用戶？還是提供流式引擎 KAFKA 給應用消費? 或者直接組成專題數據，供自己的應用查詢？這里對數據資產的要求比較高，所以前期的工作做好了，這里的自由度很高。
大數據開發的難點
大數據開發的難點主要是監控，怎麼樣規劃開發人員的工作。開發人員隨隨便便採集了一堆垃圾數據，並且直連資料庫。 短期來看，這些問題比較小，可以矯正。 但是在資產的量不斷增加的時候，這就是一顆定時炸彈，隨時會引爆，然後引發一系列對數據資產的影響，例如數據混亂帶來的就是數據資產的價值下降，客戶信任度變低。
如何監控開發人員的開發流程？
答案只能是自動化平台，只有自動化平台能夠做到讓開發人員感到舒心的同時，接受新的事務，拋棄手動時代。
這就是前端開發工程師在大數據行業中所佔有的優勢點，如何製作交互良好的可視化操作界面？如何將現有的工作流程、工作需求變成一個個的可視化操作界面？ 可不可以使用智能化取代一些無腦的操作？
從一定意義上來說，大數據開發中，我個人認為前端開發工程師占據著更重要的位置，僅次於大數據開發工程師。至於後台開發，系統開發是第三位的。
好的交互至關重要，如何轉換數據，如何抽取數據，一定程度上，都是有先人踩過的坑，例如kettle，再例如kafka，pipeline ，解決方案眾多。關鍵是如何交互？ 怎麼樣變現為可視化界面？ 這是一個重要的課題。
現有的各位朋友的側重點不同，認為前端的角色都是可有可無，我覺得是錯誤的，後台的確很重要，但是後台的解決方案多。 前端實際的地位更重要，但是基本無開源的解決方案，如果不夠重視前端開發， 面臨的問題就是交互很爛，界面爛，體驗差，導致開發人員的排斥，而可視化這塊的知識點眾多，對開發人員的素質要求更高。
大數據治理
大數據治理應該貫穿整個大數據開發流程，它有扮演著重要的角色，淺略的介紹幾點：
· 數據血緣
· 數據質量審查
· 全平台監控
數據血緣
從數據血緣說起，數據血緣應該是大數據治理的入口，通過一張表，能夠清晰看見它的來龍去脈，欄位的拆分，清洗過程，表的流轉，數據的量的變化，都應該從數據血緣出發，我個人認為，大數據治理整個的目標就是這個數據血緣，從數據血緣能夠有監控全局的能力。
數據血緣是依託於大數據開發過程的，它包圍著整個大數據開發過程，每一步開發的歷史，數據導入的歷史，都應該有相應的記錄，數據血緣在數據資產有一定規模時，基本必不可少。
數據質量審查
數據開發中，每一個模型(表)創建的結束，都應該有一個數據質量審查的過程，在體系大的環境中，還應該在關鍵步驟添加審批。例如在數據轉換和映射這一步，涉及到客戶的數據提供，應該建立一個完善的數據質量審查制度，幫助企業第一時間發現數據存在的問題，在數據發生問題時也能第一時間看到問題的所在，並從根源解決問題，而不是盲目的通過連接資料庫一遍一遍的查詢SQL。
全平台監控
監控其實包含了很多的點，例如應用監控，數據監控，預警系統，工單系統等，對我們接管的每個數據源、數據表都需要做到實時監控，一旦發生殆機，或者發生停電，能夠第一時間電話或者簡訊通知到具體負責人，這里可以借鑒一些自動化運維平台的經驗的，監控約等於運維，好的監控提供的數據資產的保護也是很重要的。
大數據可視化
大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現。
重要的事說三遍，大數據可視化歸類的數據開發中，有一部分屬於應用類，有一部分屬於開發類。
在開發中，大數據可視化扮演的是可視化操作的角色， 如何通過可視化的模式建立模型？ 如何通過拖拉拽，或者立體操作來實現數據質量的可操作性？ 畫兩個表格加幾個按鈕實現復雜的操作流程是不現實的。
在可視化應用中，更多的也有如何轉換數據，如何展示數據，圖表是其中的一部分，平時更多的工作還是對數據的分析，怎麼樣更直觀的表達數據？這需要對數據有深刻的理解，對業務有深刻的理解，才能做出合適的可視化應用。
智能的可視化平台
可視化是可以被再可視化的，例如superset，通過操作SQL實現圖表，有一些產品甚至能做到根據數據的內容智能分類，推薦圖表類型，實時的進行可視化開發，這樣的功能才是可視化現有的發展方向，我們需要大量的可視化內容來對公司發生產出，例如服裝行業，銷售部門：進貨出貨，顏色搭配對用戶的影響，季節對選擇的影響 生產部門：布料價格走勢？ 產能和效率的數據統計？ 等等，每一個部門都可以有一個數據大屏，可以通過平台任意規劃自己的大屏，所有人每天能夠關注到自己的領域動向，這才是大數據可視化應用的具體意義。
結語
洋洋灑灑寫了很多，對我近兩年的所見所聞所學所想進行了一些總結。
有些童鞋會問，不是技術么？為什麼沒有代碼？我要說，代碼是要學的，要寫的，但是與工作無關，代碼是我個人的技能，個人傍身，實現個人想法的重要技能。 但是代碼與業務的關系不大，在工作中，懂業務的人代碼寫的更好，因為他知道公司想要什麼。 如果你業務很差，那也沒關系，你代碼好就行了呀，根據別人的交代幹活，也是很不錯的。技術和業務是相輔相成的，稍後博主總結代碼的精進。
寫完了，我的焦慮一絲未少，我的代碼規范性不夠，目前技術棧JS、Java、Node.js、Python 。
主業JS熟練度80%，正在研究阮一峰的es6（看的差不多）和vuejs的源碼（有點擱淺），vuejs算是中等，css和布局方面可以說還可以，另外d3.js，go.js都是處於會用，能幹活。 Node.js呢，express和koa無問題，看過一些express的源代碼，還寫過兩個中間件。
Java、Python都處於能做項目的程度，目前也不想抽很多精力去深入它們，就想要保持在想用能用的地步。
未來的幾年，我打算多學學人工智慧、大數據開發的知識，未來這塊應該還有一些熱度的。
最後和大家共勉，三人行，必有我師焉。