这两天忙招聘，发现：大数据这个弄潮领域还是很受欢迎滴，但同时很遗憾，合格的大数据人才还是很难寻觅滴。
无论大数据概念是否有准确定义，我们已经生存在以移动化、社会化、大数据、云计算、物联网为核心特征的时代。因而，大数据人才将面临越来越大的缺口，并且在相当长时间里保持这一势头。
什么是大数据人才？大数据都没有公认一致的定义，大数据人才当然也没有行业共识，因此客观上，大数据人才难觅，首先是因为需要大数据人才的公司写不出正确的JD。HR甚至会瞪大迷茫的双眼问：“我怎样知道我正在寻找什么样的人才？”
在领先的企业，在决策层设有首席数据官（CDO）。设立CXO级别的长官来加强数据管理，才能从客户洞察、运营绩效、决策分析等领域加强智慧能力，并从根本上以数据驱动业务模式创新。CDO还应该负责建立大数据团队，从外面招聘人才或在企业内部培训员工。（很多企业认为数据是IT的事，造成数据资产处于无人管理的状态。其实道理很简单：如果数据在信息系统流动时被污染，IT是无法对其负责的。所以成立企业级数据管理机构是十分必要的。）
在专业上，大数据人才的公共基础知识应该包括数学、统计学、数据分析、业务分析及自然语言处理等，而数据科学家、数据架构师等职位也已逐步被明确。
数据科学家：数据科学家是大数据分析的领导角色，应拥有人工智能、自然语言处理或数据管理方面的教育背景，并曾从事过数学或统计学方面的工作。数据科学家是大数据时代最“性感”的职业，他们要负责推动大数据分析的核心规程。
数据架构师：数据架构师对数据应用的架构负责，应拥有编程和传统BI的知识背景，并且精通统计程序。在大数据领域，数据往往是不规则的、未定义的，数据架构师拥有从中发现逻辑的能力。
业务分析师：业务分析师负责大数据分析的业务逻辑，从建模的角度说，业务分析师对业务模型负责。业务分析师要兼备数学/统计与行业领域知识，拥有对业务现状和趋势进行分析和描绘的能力。
数据模型师：数据模型师对数据模型负责，通常分为概念模型、逻辑模型与物理模型。数据模型师需要兼备数据编程能力和业务建模能力，是业务与数据之间的枢纽角色。
数据采集、抽取、转换及清洗人员：这类角色一般称之为大数据分析的后台人员，他们负责“搬运数据”。在大数据背景下，他们既需要具备传统的结构化数据库技术，也需要掌握Hadoop、NoSQL等非结构化数据能力。
数据可视化人员：数据可视化将数据规律显象化，负责将数据转化为业务人员能够使用和掌握的图形化信息。他们需要像业务分析师一样与几乎所有部门沟通，并具有技术技能和美学功底。
数据提取人员：无论企业大数据造诣多深，要求全员掌握数据技能是不可能的，因此需要配备一些低端技术人员，负责按照业务部门的需求来提取数据，并进行简单的整合处理。
数据工程师/系统运维人员：他们是大数据基础设施的设计者、建设者和管理者，负责保障基础架构能够按照业务需求进行分析的提供数据，并确保系统能够平衡和高效运行。
在软技能方面，大数据人员最重要的资质并不是学历、经验和职称（因此我说：不分专业，不分学历，因为英雄不问出处！不看成绩，不看过去，因为屌丝也有春天！），而是好奇心、与不同角色人员的沟通能力、坚韧不拔的性格和对创新的不懈追求，以及冷静的性格、严谨的态度以及不断创新的个性追求。
我相信，随着大数据技能成为各行各业的必需武器，大数据人员的职业生涯将具有越来越的吸引力。
（如果你想搞大数据，为什么不加入我们呢？请将简历惠寄[email protected]。）