自我们发布上一版大数据版图以来,这个利用了内存处理的开源框架就开始引发众多讨论。自那以后,Spark 受到了从 IBM 到 Cloudera 的各式玩家的拥护,让它获得了可观的信任度。Spark 的出现是很有意义的,因为它解决了一些导致 Hadoop 采用放缓的关键问题:Spark 速度变快了很多(基准测试表明 Spark 比 Hadoop 的 MapReduce 快 10 到 100 倍),更容易编程,并且跟机器学习能够很好地搭配。
然而,至少在我跟业界人士交谈中,大家越来越感觉到这项技术已经在某种程度上陷入了停滞。2015年 可能是数据领域的那些酷小子转移兴趣,开始沉迷于 AI 以及机器智能、深度学习等许多相关概念的年份。
抛开不可避免的*周期曲线态势不管,我们的 “大数据版图” 已经进入第 4 个年头了,趁这个时候退一步来反思一下去年发生了什么,思考一下这个行业的未来会怎样是很有意义的。
CDA数据分析师覆盖了国内企业招聘数据分析师所要求的所有技能,包括概率统计知识、软件应用、数据挖掘、数据库、数据报告、业务应用等。CDA数据分析师分为LEVELⅠ、Ⅱ、Ⅲ三个等级,成为一名合格的CDA数据分析师能够胜任企业不同层次的数据分析工作。CDA数据分析师等级标准如下:
业务数据分析师。专指****、****、电信、零售等行业前端业务人员;从事市场、管****务、供应、咨询等职位业务人员;非统计、计算机****背景零基础入行和转行就业人员。