܄

大数据岗位成人才市场“香饽饽”,学历or经验哪个更受青睐?

【数据猿导读】 海阔凭鱼跃,天高任鸟飞。对于进入这个行业的同学而言,你可以选择读研后再进入这个行业,也可以先就业,用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科,从实际工作中获取的知识和能力是你在学校里面无法学习到的,企业最终也是看重你的实际工作能力

大数据岗位成人才市场“香饽饽”,学历or经验哪个更受青睐?

回答这个问题之前还是让我们看一段PPV课网站上的一段真实对话:

Q:请问从事大数据这行,硕士学历有必要么

A:oh,如果有条件,最好可以上到硕士,但不是说必须如此,大数据相关职位对行业知识和项目经验也比较看重,如果家庭经济情况允许,自己学习意愿比较强可以选择读研

Q:我以前是别的专业,想做这行,准备读个硕士,请问可以选择的专业有哪些?

A:应用数学、统计学、计算机、金融专业都可以

Q:谢谢

正如这段对话,许多同学在进入这个行业的时候都会疑惑:大数据相关的职位看上去有点高大上,是否需要研究生以上的学历?

回答这个问题之前,我们先看一下大数据的职位划分。大数据相关的职位主要有数据分析师、数据挖掘师、大数据工程师和架构工程师,详见《与大数据相关的工作职位有哪些?》一文。

首先我们看一下华为消费者BG(手机事业部)对数据分析师这个职位的要求:

深圳华为招聘大数据分析师职位描述:

工作地点:深圳-龙岗区薪资范围:¥ 15000-29999/月 学历要求:本科以上

1、 对消费者BG 各业务领域对大数据的应用需求进行分析,并形成落地解决方案

2、 依据消费者BG大数据应用架构及路标,跟进架构和方案落地

3、 参与消费者BG 大数据应用架构设计和IT应用产品规划

4、 跟进并了解业务大数据发展情况,并指导和落实到大数据应用方案

职位要求:

1、 本科及以上学历,计算机、数学、统计学等相关专业,6年以上相关工作经历;其中承担数据分析类相关工作至少2年

2、 熟悉大数据技术、熟悉常用数据挖掘算法及应用场景

3、 对数据有较好的洞察力

4、 具有1年及以上互联网大数据应用的工作或项目经验;最好有基于互联网用户数据对用户画像、用户经营分析、用户行为分析、精准营销等大数据应用有实践经验

5、 综合素质好,有较强的沟通协调能力、学习能及推动能力、善于执行和监控,有较强的组织和责任意识,性格开朗,善于合作,团队意识强;沟通、逻辑思维能力比较强

6、 有良好的英语听、说、读、写能力,英语4级以上;四证齐全:毕业证、学位证、英语证、身份证齐备

可以看出,华为这个职位对学历要求并不高(本科),但对工作经验和项目经验很高(6年工作经验,2年相关项目经验)。

看到这里,大家可能会觉得这只是一个特例,让我再看看拉勾网的数据,拉勾网是专业的互联网招聘平台,其数据具有一定的代表性。

(本文数据来源:拉勾网,数据量:数据分析 148 数据挖掘75 大数据工程师411)

一、数据分析师学历和工作经验分布

二、数据挖掘师学历和工作经验分布

三、大数据工程师学历和工作经验分布

再来看一下对比图:

可以看出,数据挖掘职位对学历和经验的要求比其他两个职位要高,尽管如此,就数据挖掘这个职位而言,仍然有80%的职位只要求本科学历。另外,所有职位都对工作经验有一定要求,80%以上的职位都需要至少一年以上的工作经验。

再来看一下不同学历的薪资对比图,从上图可以看出,不管哪一个职位,本科和专科学历的差别都要大于研究生和本科的差别。综上PPV课调查发现,对国内就业市场而言,本科学历是大数据相关职位的一个基本要求,从各个职位上看需求量都是最大的。高端人才要求硕士以上的学历也很普遍,显示出这个行业的进入的确是有一定门槛的。

对于学历这个问题,一般来说,当你没有任何基础的时候,能拿的出手的只有学历,本科生当然竞争不过研究生。但是随着工作时间久了,你的能力达到了这个职位的要求,学历就不重要了。尤其是对业务能力要求比较高的数据分析师、数据挖掘师这些职位,你的行业知识和业务理解能力在很多情况下比学历更加重要。

当然,高端人才(如算法工程师、数据科学家)对学历也比较高,如果各方面条件允许,选择计算数学/概率论/模式识别/计算机方面的研究生深造也是有必要的,一些大公司的确会在初筛的时候根据学历筛选人,这个也很正常。当然,你也可以在工作几年后,当觉得到基础瓶颈的时候,可以再去读书,这个时候可能你更清楚自己需要的是什么。

海阔凭鱼跃,天高任鸟飞。对于进入这个行业的同学而言,你可以选择读研后再进入这个行业,也可以先就业,用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科,从实际工作中获取的知识和能力是你在学校里面无法学习到的,企业最终也是看重你的实际工作能力。


来源:PPV课

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>