如何成为数据挖掘工程师?

数据分析师是为了适应大数据时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平.

数据工程师所配的职称

数据挖掘工程师、大数据专家、数据研究员、用户分析专家等

数据挖掘工程师所做的事

基于数据-分析过去，预测未来-优化选择。

分析过去，预测未来在工业领域，可以是设备的健康状态评估......

分析过去，预测未来在金融领域，可以是股票发展趋势，高频交易导向......

分析过去，预测未来在军事领域，可以是情报获取，破解......

分析过去，预测未来在医学领域，可以是预测疾病，制定出新的治疗方案......

分析过去，预测未来在执法领域，可以是个人行为预测，判断是否为犯罪分子......

分析过去，预测未来在教育领域，可以是更准确地把握学生存在的问题......

等等，总之数据即为信息，将信息中的规律或特征提取出来，量化信息的各项指标，以针对目前状况作出最佳的决策。

数据挖掘工程师所需的能力

编程能力：熟悉Python，C/C++，Java，Perl，Golang，Hadoop，Hive，HBase，Scala，Spark或其它语言，会多种操作系统，对Unix，Linux和Solaris系统有深入了解，主要是为实现自动化的替代人为工作(包括逻辑推理及运算)，而在众多的语言及操作系统中选择出利润最高，效能最大的是十分重要的。

应用领域核心需求分析能力：核心需求是模型/算法与实际工程应用的结合点，结合的好才能产生相应的价值，在某个或多个垂直行业有过工作经历将大大提升此类分析能力。

数学推理能力：能够以通俗易懂的方式解释数学模型及算法的能力，如此才有可能真正的理解模型/算法、复现模型/算法、以至于创新模型/算法。

数据挖掘工程师所需的技能

数据获取：日志收集 Scribe、Flume和爬虫等。

数据处理：流式计算的storm, spark streaming、Hadoop、消息队列相关的如Kafka等。

数据分析：HIVE、SPARKSQL、基本算法、数据结构等。

数据存储：分布式数据存储-HDFS等。

数据挖掘：机器学习相关算法、信号(图像)处理相关算法、自然语言处理、知识表述、聚类、时序、推荐系统、回归分析、文本挖掘、贝叶斯分类、神经网络等。

经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。 报考条件没有限制。