贝贝花儿
数据工程师负责大数据架构的开发、构建、维护和测试，数据库和大数据处理系统。负责创建用于建模，挖掘，获取和验证数据集合等流程。【数据工程师的工作内容】有：学习并适应产品设计开发体系和公司产品开发程序，按产品开发规范进行新产品设计，产品设计验证；完成产品技术积累，形成技术规范，理解公司程序及用户的特定文件编制要求，确保全新产品设计成功引入公司；完成产品设计资料并发布，确保设计资料对制造过程工艺路线和方法具有指导作用，与用户交流并确保图纸状态持续的满足用户技术状态要求；完成项目的设计验证计划并实施，进行技术积累，形成规范的设计模板，实现技术进步，持续改进，并推行持续性改进作为更改的手段；与制造工程师紧密合作，降低产品设计成本，达到适合公司具体情况的产品设计，确保现有条件某具体项目制造过程的最合理性。想了解更多有关数据工程师的详情，推荐选择【达内教育】。【达内教育】引领行业的职业教育公司，致力于IT互联网行业，培养软件开发工程师、系统管理员、UI设计师、网络营销工程师、会计等职场人才，拥有强大的师资力量，实战讲师对实战经验倾囊相授，部分讲师曾就职于IBM、微软、Oracle-Sun、华为等企业，其教研团队更是有独家26大课程体系，助力学生系统化学习。→感兴趣的话点击此处，免费学习一下
爱美柯净水器
大数据工程师负责创建和维护分析基础架构，该基础架构几乎可以支持数据世界中的所有其他功能。他们负责大数据架构的开发、构建、维护和测试，例如数据库和大数据处理系统。大数据工程师还负责创建用于建模，挖掘，获取和验证数据集合等流程。
1、负责公司大数据平台产品的技术工作，包括需求分析、架构设计、研发、以及性能分析工作；
2、负责整体提升Hadoop集群的高可用性、高性能、高扩展特性，已有的大数据平台架构的维护工作；
3、负责海量数据的导入优化工作；
4、整理和完善各类文档。
大数据工程师需要具有良好的沟通能力、优秀的分析问题和问题解决能力；具备强烈的进取心和团队合作精神；具备数据库系统的基本理论知识。
1、linux
大数据集群主要建立在linux操作系统上，Linux是一套免费使用和自由传播的类Unix操作系统。而这部分的内容是大家在学习大数据中必须要学习的，只有学好Linux才能在工作中更加的得心应手。
2、Hadoop
我觉的大家听过大数据就一定会听过hadoop。Hadoop是一个能够对大量数据进行离线分布式处理的软件框架，运算时利用maprebaice对数据进行处理。
3、Java
只需要学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下。
zhenghan116
大数据工程师主要是，分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务：
找出过去事件的特征：大数据工程师一个很重要的工作，就是通过分析数据来找出过去事件的特征。找出过去事件的特征，最大的作用是可以帮助企业更好地认识消费者。通过分析用户以往的行为轨迹，就能够了解这个人，并预测他的行为。
预测未来可能发生的事情：通过引入关键因素，大数据工程师可以预测未来的消费趋势。
找出最优化的结果：根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。
扩展资料
大数据工程师需要学习的知识
1、linux
大数据集群主要建立在linux操作系统上，Linux是一套免费使用和自由传播的类Unix操作系统。而这部分的内容是大家在学习大数据中必须要学习的，只有学好Linux才能在工作中更加的得心应手。
2、Hadoop
我觉的大家听过大数据就一定会听过hadoop。Hadoop是一个能够对大量数据进行离线分布式处理的软件框架，运算时利用mapreduce对数据进行处理。
参考资料来源：百度百科-大数据分析师
烧卖吃饱了
1 维护大数据平台（这个应该是每个大数据工程师都做过的工作，或多或少会承担“运维”的工作）2 为集群搭大数据环境（一般公司招大数据工程师环境都已经搭好了，公司内部会有现成的大数据平台，但我这边会私下搞一套测试环境，毕竟公司内部的大数据系统权限限制很多，严重影响开发效率）3 写 SQL （很多入职一两年的大数据工程师主要的工作就是写 SQL ）4 数据迁移（有部分公司需要把数据从传统的数据库 Oracle、MySQL 等数据迁移到大数据集群中，这个是比较繁琐的工作，吃力不讨好）5 应用迁移（有部分公司需要把应用从传统的数据库 Oracle、MySQL 等数据库的存储过程程序或者SQL脚本迁移到大数据平台上，这个过程也是非常繁琐的工作，无聊，高度重复且麻烦，吃力不讨好）6 数据采集（采集日志数据、文件数据、接口数据，这个涉及到各种格式的转换，一般用得比较多的是 Flume 和 Logstash）7 数据处理 离线数据处理（这个一般就是写写 SQL 然后扔到 Hive 中跑，其实和第一点有点重复了） 实时数据处理（这个涉及到消息队列，Kafka，Spark，Flink 这些，组件，一般就是 Flume 采集到数据发给 Kafka 然后 Spark 消费 Kafka 的数据进行处理）8 数据可视化（这个我司是用 Spring Boot 连接后台数据与前端，前端用自己魔改的 echarts）9 大数据平台开发（偏Java方向的，大概就是把开源的组件整合起来整成一个可用的大数据平台这样，常见的是各种难用的 PaaS 平台）10 数据中台开发（中台需要支持接入各种数据源，把各种数据源清洗转换为可用的数据，然后再基于原始数据搭建起宽表层，一般为了节省开发成本和服务器资源，都是基于宽表层查询出业务数据）11 搭建数据仓库（这里的数据仓库的搭建不是指 Hive ，Hive 是搭建数仓的工具，数仓搭建一般会分为三层 ODS、DW、DM 层，其中DW是最重要的，它又可以分为DWD,DWM,DWS，这个层级只是逻辑上的概念，类似于把表名按照层级区分开来的操作，分层的目的是防止开发数据应用的时候直接访问底层数据，可以减少资源，注意，减少资源开销是减少 内存 和 CPU 的开销，分层后磁盘占用会大大增加，磁盘不值钱所以没什么关系，分层可以使数据表的逻辑更加清晰，方便进一步的开发操作，如果分层没有做好会导致逻辑混乱，新来的员工难以接手业务，提高公司的运营成本，还有这个建数仓也分为建离线和实时的）总之就是离不开写 SQL ...
优质工程师考试问答知识库
