根据Business Insider的报告，数据科学家是美国最受欢迎的高科技专业人士，平均工资为11万美元。除了高收入外，数据科学家还拥有最高的职业满意度之一，他们可以在任何行业工作。从金融到娱乐到零售，数据科学家正在帮助组织进行数据分析和风险分析项目。政府和企业依靠这些信息做出影响社会未来的关键决策。因此，数据专业人员将在未来几年继续发挥重要作用。

大数据事业的选择

大数据职业可以导致数据科学家，数据工程师或数据分析师职位。所有这些都需要数学，统计学，软件工程和数据通信方面的专业知识。但技能的重点将取决于工作职责。

• 数据科学家：数据科学家从事数据建模工作。他们处理数据分析和风险分析方面的尖端研究。拥有数学，物理学，计算机科学和工程学高级学位的人非常适合担任这些职位。

• 数据工程师：数据工程师更关注处理大型数据集。他们利用他们的技术技能来帮助解决数据物流问题。计算机科学和工程专业最适合这些工作。

• 数据分析师：数据分析师专注于从数据中获取意义。他们从事报告和数据可视化工作，以帮助企业做出更好的决策。商业，经济学和统计学专业最适合担任这些职位。

大数据和风险建模学习路径

每个组织都为大数据创建自己的技术栈。筹备工作将取决于组织面临的特殊挑战。在不知道技术堆栈的情况下掌握所有技能是不可能的。初级用户应该关注大数据，以便在获得更多专业知识的同时，选择必要的技能并进行微调。请注意以下几个类别：

• 核心科学：数学和统计学是大数据的基础。潜在的候选人不一定要在数学或统计学方面的专业，但在任何与STEM相关的（科学，技术，工程或数学）专业的背景都可以提高在数据相关工作中表现更好的机会。

• 编程：大数据需要大量的数据处理。手动执行这些任务非常麻烦，因此编程技巧对于实现自动化和提高效率至关重要。由于大多数数据处理都是在Linux平台上进行的，Linux和bash脚本技能应该成为数据专业人员的重要组成部分。除了bash脚本，Python，Java，R和Scala等编程语言在大数据领域也很流行，所以数据科学家，工程师和分析师至少应该掌握编程语言。

• 云计算：大型或小型企业正在转向云计算，因为它具有更高的可扩展性和成本效益，因此数据专业人员需要熟练掌握云计算。组织可以选择AWS，Azure，Google Cloud，Digital Ocean等。还有OpenStack等开源云技术。数据科学家和分析师可能能够用基本的云知识执行他们的职责，但数据工程师需要更高水平的能力。

• 分布式和实时系统：像Hadoop这样的分布式文件系统（DFS）是大数据中的重要工具。关于数据库的知识也很重要。根据职业道路的不同，数据专业人员还必须考虑Kafka，MapReduce，Apache Spark，Apache Storm，Apache Kinesis等工具。

• 风险分析和风险建模：定量风险分析和建模技能有助于数据科学家和分析师找出风险。因此，他们需要学习风险度量和管理的基础知识，以及如何创建可帮助组织缓解问题的预测模型。

由于计算能力的提高，今天的风险建模与十年前一模一样。可以利用大数据来帮助企业指导和预测其财务行为。凭借功能强大的硬件来预测事件发生概率的无数因素，对于需要准确预测市场和证券交易所的银行等机构而言至关重要。神经网络和深度学习技术一直是风险建模革命的催化剂，使得指数数据库能够比以往更加高效和有效地被算法解释，从而使财务预测具有前所未有的准确性。

培训和教育

大数据是复杂学科的融合，它需要掌握各种技能。然而，有很多资源可以帮助那些有兴趣学习的人。

高校

大学教育是获取知识和专业知识的最佳选择。今天大多数学校都有特定的数据科学课程，但学生不需要专门研究这些课程。他们可以选择STEM专业，为未来的大数据事业提供必要的知识基础。选择一个在行业中享有盛誉的大学也将有助于毕业后开创更好的就业前景。

在线课程

在过去的几年里，大规模的在线开放课程(mooc)为负担得起的教育开辟了一条新的途径。大多数知名大学都有在线课程。还有像Udemy, Udacity, Lynda, Coursera等公司提供大数据和编程的服务。mooc的一个好处就是学生可以按照自己的节奏学习。如果他们不理解一个主题，他们可以重新学习。有一些在线社区支持mooc，然而，缺乏与教师的直接接触意味着学生需要自我激励才能完成这些课程。

聚会和活动

聚会和活动是保持动力和创造社交联系的好方法。聚会在各大城市设有大数据的支持团体和会议。这些小组和会议是与同行数据专家学习和交流的好地方。

志愿工作和学习工作经验

学生还可以通过志愿服务学习真正的项目。通常预算有限的非营利组织可能会寻求额外的帮助。志愿服务提供了帮助解决现实问题的机会。此外，自由职业是学习赚取现金的好方法，学生可以从更简单的任务开始，然后在学习更多时尝试更具挑战性的项目。

结论

大数据可以提供令人满意的利润丰厚的职业。有许多资源可供学习和改进。无论学生使用大学，在线课程还是聚会，他们都有很多选择。他们可以利用这些资源成为可以导致漫长繁荣职业生涯的大数据专家。获得风险建模方面的知识对于追求金融业务分析相关职位的人至关重要。由于神经网络，深度学习和计算能力的巨大进步，这项技能现在比十年前更容易获得。在大学或其他设施可以实现朝这个方向教育自己，但自我辅导和挑战，如数据和面向风险的聚会活动可能同样成功。