小磊子
還在怪互聯網大裁員，找不到工作？這一組大數據告訴你真相
滴滴、京東、人人車、科大訊飛……互聯網裁員潮仍在漫延。從2018年下半年興起的這場互聯網寒冬論延續至今，無數人抱怨年終獎沒了、工資發不下來、不敢辭職。
事實果真如此麼？互聯網行業的經濟狀況真有傳言中那麼糟麼？互聯網精英們都不敢跳槽了麼？找不到工作究竟該怎麼辦？到底哪些行業好就業呢？
市界獲悉的獵聘2019年開工10天中高端人才大數據報告，解決了求職者的諸多困境，也展示了招聘市場的真實一面。現實情況是，互聯網行業依然穩定，求職和招聘市場依舊活躍。
從獵聘大數據來看，2019年開工10天互聯網行業發佈的職位增長量比例居中，為23.62%。這意味著在2018年下半年綿延至今的經濟寒冬中，互聯網行業整體發展較為穩定。互聯網並沒有那麼不堪一擊，各大公司仍有大量職位虛位以待從各行業發佈的職位情況來看，電子通信行業以41.62%高居第一位。這與5G技術的快速發展不無關係。隨著5G技術的誕生，電子通信行業迎來了又一個春天。求職遇阻的讀者可以注意一下，從各大運營商到各大主要手機等通訊設備運營商目前都發布了大量職位，值得考慮。而職位發佈量增長幅度最小的是金融行業。在國家2019年“穩金融”方針引導下，金融行業正在迴歸理性，對人才的需求相對保守。這對經濟大環境而言也不失為一個好消息。。從企業熱招職位來看，互聯網行業依然保持著旺盛的人才需求。在前十位中，具有互聯網行業屬性的職能有三個，軟件工程師、產品經理/主管、運營經理/主管，分別排名第二、第三、第五。不過，這三個職位對於人才的職業素養與專業要求都很高。這也反映出當下招聘市場的主流趨勢，互聯網行業不是不招人，而是招高素質人才。人才供需市場的不平衡不在於總量，而在於人才素質階梯。所以，還是不要抱怨找不到工作了，抓緊提升自己吧。從簡歷投遞活躍情況來看，經濟寒冬擋不住跳槽的熱情。2019年春節開工10天內，全行業人才簡歷投遞活躍人數比去年開工10天增長22.99%，比節前激增119.34%。對於那些有跳槽意向的讀者來說，一個小小的建議是：錯峰跳槽，規避風險。儘管一直有“金三銀四”的說法，但現在顯然不是跳槽的好時機。
從具體行業分佈情況來看，房地產和互聯網分居前兩位，分別佔16.67%和16.17%。表面上看是房地產和互聯網求職者最不安分，事實上，這反映出房地產和互聯網仍是當下中國最活躍的兩大經濟領域。所以，什麼“活下去”“裁員潮”都見鬼去吧，不管再怎麼比慘，這還是最有前景的兩大行業。如果房地產和互聯網都不行了，文教傳媒和交通貿易該情何以堪？
最後，祝所有求職者好運。
科技老喬
我是小小辦公室的葉子很高興回答這個問題 首先，我國現在大數據人才缺口大，空缺崗位大量存在，而缺口還將進一步擴大，所以學好大數據技術，在大數據人才緊缺的現狀下，找到一份好的工作，是很簡單的事情。其次，在互聯網時代技術和經驗都是很重要的，所以學好大數據，有較硬的大數據技術，找到好的工作是很容易的。大數據的就業領域是很寬廣的，不管是科技領域，還是食品產業，零售業等等，都是需要大數據人才進行大數據的處理，以提供更好的用戶體驗，以及優化庫存，降低成本，預測需求。
1. 數據分析師
數據分析師是數據師的一種，指的是不同行業中，專門從事行業數據蒐集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。
2. 數據架構師
數據架構師是負責平臺的整體數據架構設計，完成從業務模型到數據模型的設計工作 ，根據業務功能、業務模型，進行數據庫建模設計，完成各種面向業務目標的數據分析模型的定義和應用開發，平臺數據提取、數據挖掘及數據分析。
從事數據架構師這個職位，需要具備較強的業務理解和業務抽象能力，具備大容量事物及交易類互聯網平臺的數據庫模型設計能力，對調度系統，元數據系統有非常深刻的認識和理解，熟悉常用的分析、統計、建模方法，熟悉數據倉庫相關技術，如 ETL、報表開發，熟悉Hadoop，Hive等系統並有過實戰經驗。
3. 數據挖掘工程師
一般是指從大量的數據中通過算法搜索隱藏於其中知識的工程技術專業人員。這些知識可用使企業決策智能化，自動化，從而使企業提高工作效率，減少錯誤決策的可能性，以在激烈的競爭中處於不敗之地。
4. 數據算法工程在企業中負責大數據產品數據挖掘算法與模型部分的設計，將業務場景與模型算法進行融合等；深入研究數據挖掘模型，參與數據挖掘模型的構建、維護、部署和評估，支持產品研發團隊模型算法構建，整合等；制定數據建模、數據處理和數據安全等架構規範並落地實施。5. 數據產品經理
數據平臺建設及維護，客戶端數據的分析，進行數據統計協助，數據化運營整理、提煉已有的數據報告，發現數據變化，進行深度專題分析，形成結論，撰寫報告；負責公司數據產品的設計及開發實施，並保證業務目標的實現；進行數據產品開發。
小小辦公室
大數據工作好找，難的是人難招。
真正熟悉熟練大數據得人不是很多。
