我的生活實踐

現在是一名算法工程師，在矛盾和老干媽有矛盾的公司使用，年薪甚至超過50萬! 但是工作了大半年，我覺得我的算法技能沒有漲多少，反而sql的能力提升很多，因為整天都在寫，覺得他們就是一個報表哥，還一直安慰自己：業(yè)務第一，取數要緊注重用代碼解決問題，分為圖像算法工程師、通信算法工程師、數據挖掘/機器學習的算法工程師等， 按照相關檢查，我覺得別人也會怎樣的情況，他們站在我們的方向去批評別人，這樣看到是不全面的，而且不會方面的處理， 當然，更多公司為了降低成本人力資源成本，往往會把這兩個角色合并成一個，需要一個人既會數倉開發(fā)、又要有產品意識、還得能把bi報表平臺輸出出來。

如今崗位分化

當下大數據流行的崗位有數據挖掘工程師、機器學習工程師、算法工程師、storm開發(fā)工程師、hadoop開發(fā)工程師、集群運維工程師、云計算架構師、大數據檢索工程師、數據倉庫和工程師、spark開發(fā)工程師等等等等， 這個角色分化極大，卻是看你想干成什么事情，以及用什么方式去干， 我以前也在大型企業(yè)做過數據中心，從項目規(guī)劃到技術選型都是進入了很多時間的，最開始也經常被工作噴，但是現在達到了支持， 比如一開始是手工報表，寶尊研發(fā)的數據中臺能把品牌管理和全渠道業(yè)務中產生的訂單數據、會員數據、商品數據匯集起來，存放在數據倉庫進行協調管理、統一分析，反哺到前端應用產品，出現各式各樣的報表，就應該變成智能化的報表。 我們的思路應該是olap分析，爬取和分析百萬級別的網站數據，也可與hadoop結合做大數據量的統計分析。 搭建平臺bi，構建數據中臺，開通平臺里面所有數據通道，能夠為企業(yè)實現高效數據分析挖掘發(fā)現問題、解決問題打下堅實基礎。 一是建設由業(yè)務、數據和工作人員組成的報表團隊， 像是看某張報表，老板需要有各產品統計數據、各地區(qū)匯總數據、各月份匯總數據，領導還可能希望看到全公司數據、分部門數據、各業(yè)務員等等。

數據統計的掌握

數據研究是數據分析的一個條件，是根據特定的數據統計和框架內容，有目的地收集、整理有關數據的一種方式， 管理公司行業(yè)和業(yè)務條線的各項數據需求使用，進行相應數據采集和報表產出， 算法決定是歸納一系列復雜數據中的現象，提出重要變量并系統測試一個目標的繁瑣步驟 ，挑選比較好的方式處理問題， 到這里大數據平臺算是差不多搭建好了，先不談基礎架構，大家來看看應用層，這是前面人員最容易得到的東西，判斷好不好全部在于這里， 后臺離不開it系統數據和項目方案的結合 在系統方面，大家可以成功地將數據模型嵌入到云計算分析產品過程中，并運用數據可視化技術做末端展示， 如果使用產品，朋友要搞一天的數據分析，你半小時搞就可以定附帶可視化報表，超級棒的體驗， 而數據分析過程中要使需要的數據分析方法很多，這就需要數據分析師掌握一到兩種的數據分析方法。

工作系統、數據是緊耦合關系

數據分析能力，為品牌提供技術的電子表格功能，用戶多數據整合分析并生成報表（如日報，周報，月報）一樣還是可以在線進行的，搭載超國300個常規(guī)的數據統計函數， it工程師根據業(yè)務人員的數據分析需求，寫代碼到各業(yè)務平臺取出數據，制作報表，供需由業(yè)務人員發(fā)起，大家交流不如別人，或許報表做得更好，做表不如別人，其實如果你想要更好的使用報表， 數據挖掘的目標是從大數據中挖掘隱含的規(guī)律性的內容，采用處理數據使用質量或應用效果等情況， 數據字典，就是儲存和展示每個指標的含義，滿足行業(yè)內指標定義不一致不統一的情況， 這種一般要求定期務工人員，及時有效化解各類復雜難懂問題，怎樣才能確保數據真實精準， finereport能夠結合數據（數據接口功能，豐富的api端口，能連接各種大數據平臺和數據庫）

如果你的老板一直給你提到能不能給他整一個數據駕駛艙，而且他現在只會看見財務部、運營部的excel表格，感覺很low不太滿意， 這時，it人員就可以通過方式FineReport做出來，如果揭示插件不能滿足，要求后臺對數據庫頻繁請求，那么后臺可用java開辟，在需要數據的時候發(fā)生前臺的ajax往后臺發(fā)指示獲得數據， 這樣根據賬表的不同表現方法可以分為：簡單賬表、樹形賬表、分頁賬表、直接sql賬表、透視表、excel賬表等，這樣幫助插件及sql個性化報表定制業(yè)務報表設計界面簡單報表，是bos集成的已單據列表為數據源的簡單報表。
編輯：hfy