从事大数据是否一定要研究生？ 举报 理由 举报 取消 题主软件工程科班出生，想从事数据挖掘方向的工作，主要偏向集群设计与管理，数据仓储等，而不是机器学习算法一类的，现在已经一家研究所上班，是否有读研的必要？主要担心以后找工作对学历会有歧视，求答疑。 2018年2月4日 10 条回复 1740 次浏览 BAT,公司,工程师,数据,数据挖掘,求职,集合
回复 ( 10 )
谢邀！
都出来工作了，那就好好干吧！如果你想在体制内做，读个研究生很有必要！对以后的晋升很有用。如果不想在体制内，那就别去读了，外面的企业更多的是看你的实力而不是学历。所以，研究生并不是必需品。当然，如果你条件允许，读个研有些企业可能工资会高一些，你自己权衡一下吧，我的意见是不读了。
关注大数据，欢迎加我微信idacker ，欢迎大家交流探讨。
不一定，我的前同事，资深大数据开发经理，天天上去写code那种，以前是个网吧老板，大学都没有上过
从以下几个技能，看看自己的坐标：
1. EXCEL、PPT
数据工作者的基本姿态，但是起码会操作;要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。
2. 数据库类
初级只要会RDBMS就行了。
NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存，严格意义上不算数据库)，然后(选学)可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。
3. 统计学
如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。
其他数学知识：线性代数常用(是很多后面的基础)，微积分不常用，动力系统、傅里叶分析看自己想进的行业了。
4. 机器学习
常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。
5. 大数据
hadoop基础，包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。
6. 文本类
这部分不熟，基本要知道次感化、分词、情感分析啥的。
严格来说大数据领域分很多细分方向：
(1) 爬虫类的数据收集、清洗；
(2)基于SQL类的BI数据分析；
(3)基于hadoop生态的平台开发以及普通应用开发；
(4)基于算法、机器学习的数据挖掘、预测模型等等；
其实除了偏重算法的数据挖掘对于基础相对要求较高，例如数学、算法等基础知识，其他几个细分领域相对还好，门槛并没有想象中高。
但总的来说，数据的价值挖掘是数据利用的最终方式，所以，对于自己本身有进一步发展的需求，加深自己的基础学识也没问题，还有就是可以走平台开发或者数据分析 到挖掘的路子，这就需要自己在工作的同时补充一些知识，自学能力好、解决问题的思维清晰的人可以考虑这个方式。
能在职读的话，越高越好啊，nothing to lose啊，学历多了难道还能怕压身吗
大数据岗位，看中的是逻辑思维与数据处理能力。之所以研究生在这个职位受追捧，是因为研究生的授课重点从理论知识的培养向逻辑思维锻炼。
并不是说大数据岗位一定要研究生，而是相较本科应届生，研究生更有优势。当然，如果两类人之间的差距会随着工作经验积累而缩小。
读研是为了进一步发展自己，如果想要走的更好高，当然要看的更远，所以可以尝试一下
大数据分技术和业务宏观，有两种类行业区分，对人的要求不一样。我就不画表格了：
技术上，要从事大数据分析，对统计学等数学方法要求比较高、对软件和计算机技术要求也比较高，当然是研究生最好了。
业务宏观上，对专业知识、大数据的价值挖掘有较高要求，这个本科生也可以胜任，和一个人对行业或工作领域的敏感度有关，与学历关系不大。
所谓两类行业区分，是指行业的专业性门槛的高度，你比如电商大数据，读过大学的都可以去探讨，但是工业4.0、能源、材料、土木什么的大数据，就不是一般人都谈得来的了。而专业性的又与项目经验和专业知识以及跨行业思维有关，与学历无关。
看个人的追求，以及时间的充足情况，好比你今天是百万富翁难道一定要当老板吗，关键是去追求自身想要的！就这个而言 一切条件都还充足的话，为何不去追求更高的东西呢
恕我多嘴，以我看来，研究生有时候并不如本科生（我就是这样），如果你有兴趣，想要钻研，上研最起码会有更多的科研时间给你，也会有很多同类人一起学习，还有导师的指导，但是，如果遇人不淑，会毁了你所有的科研热情，上研要慎重，选导师，更要慎重！