大数据学习108问！

一、2018年就业形势分析

　　1、2018年大学毕业生人数及毕业生就业形势分析

　　据大数据统计，2018年全国普通高校毕业生人数达820万人，再创历年新高！

　　2004年：全国普通高校毕业生人数280万人;

　　2005年：全国普通高校毕业生人数338万人;

　　2006年：全国普通高校毕业生人数413万人;

　　2007年：全国普通高校毕业生人数495万人;

　　2008年：全国普通高校毕业生人数559万人;

　　2009年：全国普通高校毕业生人数611万人;

　　2010年：全国普通高校毕业生人数631万人;

　　2011年：全国普通高校毕业生人数660万人;

　　2012年：全国普通高校毕业生人数680万人;

　　2013年：全国普通高校毕业生人数699万人;

　　2014年：全国普通高校毕业生人数727万人;

　　2015年：全国普通高校毕业生人数749万人;

　　2016年：全国普通高校毕业生人数756万人;

　　2017年：全国普通高校毕业生人数795万人；

　　2018年，全国普通高校毕业生人数820万人。

　　年年都迎“史上最难毕业季”，一年更比一年难……毕业生难找工作，企业苦于无人可用。童鞋们对于就业形势的压力依旧很大。

　2、2018年最好就业的学科专业

　　2018届互联网校招已经陆陆续续的开展了，通过对高薪岗位梳理发现，有20多家企业年薪突破了30W。其中包括谷歌中国、微软等知名互联网企业，他们给校招生开出的年薪水平均在30万以上，不过提供以上薪资水平的岗位也多为大数据工程师、算法工程师、研发工程师、软件工程师等技术性较强的岗位。作为典型的技术驱动型行业，大数据相关岗位的薪资水平、就业满意度都优于全国平均水平，同时该领域薪酬溢价明显，目前已逐渐成为整个互联网行业最多金的岗位。

看到这里，想到什么？

　　☆ 毕业就搞大数据？

　　☆ 突然很激动想转行？

　　☆ 打算买一摞子书， 苦练技能？

　　在做决定之前，先来看大看数据学习108问！

二、大数据学习108问

1、我们需要苦练哪些技术？

　　我们将大数据领域细分为数据分析、大数据开发、数据挖掘&机器学习以及云计算等四个具体的子类。

　　目前我国的大数据领域整体还是偏基础分析方面，这也就是为何数据分析与大数据开发的需求量巨大，而偏高级的挖掘与机器学习的子领域则需要进一步的发展，及早投入还是有比较大的前景的。而作为偏基础设施的云计算领域，虽然已经有火的苗头，但从目前看需求量并不是很大。

2、哪个城市搞大数据的需求多？

　　帝都不愧是帝都，占据了全国36.5%的需求量，在大数据领域，北京大数据的技术氛围是其他城市短时间内无法匹敌的，所以如果真的想投入这一行当，建议还是考虑去帝都喝几年浑水，妥妥的有帮助。

　　值得注意的是杭州这个城市，在大阿里的带动下，在IT方面，其高新技术的需求量也很大，已经一举超越了北上广深中的大广州，跃居第四，潜力无穷。

3、我刚毕业，公司要我吗？

　　经验不限的已经占据了近一半的需求，在剩余的需求中，1-3年的大数据中低级工程师的需求比较高，3-5年的大数据中高级工程师需求次之，对于5-10的“专家”依然还是有需求的。

　　整体来说，大数据这个方向，平均经验不会超过2年，普遍在1.5左右，能够有3-5年的真实技术背景，就是半个“专家”了，能够有七八年，那绝对是元老级人物了。

　　所以，整体来看，大数据整个领域在IT界，算是一个年轻领域，所以还不在坑里的盆友，赶紧到坑里来，再不来，1-3年的就成专家了，而到时经验不限估计就成绝响了。不过，入坑后要赶紧提高自己，否则，等其他没经验的娃娃成长起来，而你还在原地踏步，很有被out的风险啊。

4、都什么样的企业需要大数据猿？

　　大数据并不是什么高大上的技术，从0-100人的微型企业，到1W人以上的巨无霸级的公司，都在需求大数据猿。

　　并且整体分布并没有呈现一边倒的趋势，分布比较平均，各个规模阶段的企业公司都在需求大数据领域的人才。

　　由此可见，大数据已然成为一个企业的标配技术。

5、大数据只在新兴行业火吗？

　　大数据确实是在互联网行业中率先火爆起来的，但我们依然不能忽视传统IT领域对新兴技术的敏感。

　　除了互联网/电子商务行业，传统的诸如计算机服务/软件、金融/基金/证券/投资、通讯行业以及其他专业服务领域等，都在热火朝天的搞大数据。

　　不过，虽然其他传统行业也在搞大数据，但整体进度上比互联网慢不少。

　　所以如果你真的想练就大数据的“本领”，建议还是优先选择互联网或者电子商务行业，等学有所得，再去支援其他传统IT行业的“大数据西部建设”。

6、大数据哪个技术方向钱最多？

　　数据分析方向以及大数据开发方向的人才需求最多，但当我们深入向“钱”看的时候会发现，就平均薪酬来说，数据分析方向的的薪酬大大低于大数据开发人猿的。而挖掘与机器学习方向，是巅峰的存在。

　　数据挖掘&机器学习这个细分领域，确实需要门槛，其平均经验需求最高，达到2.18年，而数据分析的门槛相对较低，只有1.6年，基本入行一年多就能达标了。所以，贵有贵的道理，不止是年份，技术需求也比较高。

　　已入坑大数据开发分析的少年们，可以考虑往更高层次的数据挖掘&机器学习细分领域发展，占据技术高地，立于不败之地。

　　102问，未完待续！您想了解大数据领域的哪些相关问题，也欢迎给我们留言。

【大数据开发学习资料领取方式】：加入大数据技术学习交流扣扣群522189307，私信管理员即可免费领取开发工具以及入门学习资料