大數據工程師工作內容取決於你工作在數據流的哪一個環節。
從數據上游到數據下游，大致可以分為：
數據採集 -> 數據清洗 -> 數據存儲 -> 數據分析統計 -> 數據可視化 等幾個方面
工作內容當然就是使用工具組件(Spark、Flume、Kafka等)或者代碼(Java、Scala等)來實現上面幾個方面的功能。
很多初學者，對大數據的概念都是模糊不清的，大數據是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大數據學習qq群： 740041381，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大數據講師給大家免費授課，給大家分享目前國內最完整的大數據高端實戰實用學習流程體系
具體說說吧，
數據採集：
業務系統的埋點代碼時刻會產生一些分散的原始日誌，可以用Flume監控接收這些分散的日誌，實現分散日誌的聚合，即採集。
數據清洗：
原始的日誌，數據是千奇百怪的
一些字段可能會有異常取值，即髒數據。為了保證數據下游的"數據分析統計"能拿到比較高質量的數據，需要對這些記錄進行過濾或者字段數據回填。
一些日誌的字段信息可能是多餘的，下游不需要使用到這些字段做分析，同時也為了節省存儲開銷，需要刪除這些多餘的字段信息。
一些日誌的字段信息可能包含用戶敏感信息，需要做脫敏處理。如用戶姓名只保留姓，名字用'*'字符替換。
數據存儲：
清洗後的數據可以落地入到數據倉庫(Hive)，供下游做離線分析。如果下游的"數據分析統計"對實時性要求比較高，則可以把日誌記錄入到kafka。
數據分析統計：
數據分析是數據流的下游，消費來自上游的數據。其實就是從日誌記錄裡頭統計出各種各樣的報表數據，簡單的報表統計可以用sql在kylin或者hive統計，複雜的報表就需要在代碼層面用Spark、Storm做統計分析。一些公司好像會有個叫BI的崗位是專門做這一塊的。
數據可視化：
用數據表格、數據圖等直觀的形式展示上游"數據分析統計"的數據。一般公司的某些決策會參考這些圖表裡頭的數據~
當然，大數據平臺(如CDH、FusionInsight等)搭建與維護，也可能是大數據工程師工作內容的一部分喔~
閱讀更多 微笑數據工程師 的文章
