我们正步入一个全新的时代——大数据时代。这不仅改变了我们的生活，也为各行各业带来了前所未有的机遇。

行业背景

根据国家信息中心发布的《2017中国大数据产业发展报告》，我国大数据产业在多个方面进行了全面分析，包括人才、政策、投融资、创新创业、产业发展、区域潜力、机构和人物影响力等。报告显示，尽管我国大数据产业仍处于起步阶段，但资本热度依然很高，大数据企业融资总额和单个项目平均融资金额呈持续上升趋势，大数据领域已成为资本市场的热点。

人才供需不平衡

人才短缺是大数据领域普遍存在的问题。2016年，人才关注度比2015年提高了25.82%。其中，高端综合型人才尤为稀缺，导致大数据行业面临人才供需结构不平衡的问题。

岗位供需不平衡

一方面，数据分析、系统研发等技术岗位供不应求，反映出大数据技术类人才十分紧缺。另一方面，随着大数据行业的迅速发展，大量传统信息化人才进入该领域，使得项目管理类岗位的求职者数量远超实际需求。具体来看，数据分析岗位的工作机会最多，尽管求职人数位列第一，但人才供给仍然不足。

地域供需不平衡

大数据行业的活跃市场主要集中在京津冀、长三角、珠三角、成渝等地区。例如，北京、上海、深圳等地的就业市场活跃度均超过80%，成都、广州、南京、武汉、杭州等地的活跃度也在60以上。值得注意的是，深圳、南京、大连、南昌、贵阳、合肥、天津等地虽然就业市场活跃，但人才供给相对不足。

学历层次错位

从学历角度看，大数据行业的求职者学历与招聘需求存在错位。低学历（大专以下）的招聘需求高于求职数量占比，而高学历（硕士及以上）的需求则相反。这种现象可能有两个原因：一是大数据产业尚处于起步阶段，对技能型操作型的低学历人才需求较高；二是面对就业市场的压力，许多学生选择继续深造后再就业。

职业分类与发展

在当前人才结构失衡的情况下，大数据领域的相关职位地位和薪酬水平不断提高。目前，大数据领域高、中、低端人才均处于紧缺状态。未来，随着市场竞争加剧，只有具备专业技能的人才能脱颖而出。

从岗位来看，大数据岗位包括开发、挖掘、算法、分析、架构等。从级别来看，职位从工程师、高级工程师到架构师，甚至科学家。不同行业也有其特有的岗位，如金融行业的数据分析师等。

典型岗位介绍

数据分析师：日常工作主要包括临时取数、报表需求分析、业务专题分析。

数据挖掘工程师：日常工作主要包括用户基础研究、个性化推荐算法、风控模型、产品知识库、文本挖掘、文本分析、语义分析、图像识别等。

数据产品经理：日常工作主要包括大数据平台建设、数据需求分析、形成数据产品、提升决策效率、降低成本、增加收入等。

大数据开发工程师：这一岗位需求量最大，日常工作主要包括数据采集、数据预处理（ETL）、大数据应用和可视化开发等。

此外，越来越多的行业开始涉足大数据领域，这些领域大致可分为大数据工程和大数据分析两大类。大数据工程涉及大量数据的设计、部署、获取及维护，而大数据分析则利用这些数据进行趋势分析、模式识别，开发分类和预测系统。

总之，大数据分析是对数据的高级计算，而大数据工程则是系统设计、部署和计算运行平台的顶层构建。希望这篇文章对您有所帮助。如果您觉得文章写得不错，请关注作者，私信“大数据”，我将为您提供最新的大数据学习资源和全套开发工具。