各个职位的职业生涯规划和发展路径

　　从职业发展路径来看，一般可以分两个路线来走，一个是专业技术路线，也叫T序列，另一个是管理路线，也叫M序列，每个序列都分很多级别。

　　T序列一般职位从低到高是工程师、资深工程师、架构师/专家、高级架构师/高级专家、资深架构师/资深专家、首席架构师/首席专家/首席科学家等，当然每个公司的叫法可能不太一样，但大同小异。

　　T序列一般主攻技术，当然级别高了也会带团队，只是T序列带的团队人数，比同级别的M序列带的人少而已。

　　M序列一般从低到高是工程师、资深工程师、TeamLeader/主管、技术经理、高级技术经理、副总监、总监、高级总监、总经理、副总裁VP、CTO。另外，不管你是走T序列还是走M序列，最终都有发展成为CTO的机会。职业生涯发展存在跨级跳跃式的晋升，这样情况一般是个人能力在同一个岗位实践上比较长，并且能力有大幅提升，如果再碰上一个好的机会就能跨级飞跃一次。比如从资深工程师到总监的飞跃，从技术经理到技术VP的飞跃，从架构师到CTO的飞跃等。不管是否跨级，每次晋升都需要学习很多技能来提高自己，这个技能主要是技术本身的技能，当然走管理M序列，管理方面的技能也必须有提升。

　　1.Hadoop平台运维工程师

　　Hadoop平台运维工程师有很多是从传统运维工程师转过来，没做过实际编程开发，如果往大数据这个方向走的话，必须学习开发，编程，往架构师、大数据平台经理、总监发展。

　　2.大数据平台工程师

　　可以往上发展为大数据架构师，走专业路线，也可以大数据平台经理、总监发展。

　　3.大数据ETL工程师

　　往数据分析经理、总监方向，也可以往大数据平台经理、总监发展。

　　4.流式计算工程师

　　可以往大数据平台经理、总监方向发展，也可以走大数据架构师方向。

　　5.数据仓库工程师

　　可以往数据分析经理、总监方向发展。

　　6.Spark工程师

　　可以往大数据平台经理、总监方向发展，也可以走大数据架构师方向。

　　7.搜索工程师

　　可以发展为搜索负责人/Leader，最好学习推荐算法，然后往搜索推荐部门总监发展，也可以做搜索架构师。

　　8.推荐算法工程师

　　可以往算法经理、总监或搜索推荐部门总监发展，也可以走推荐系统架构师方向。

　　9.用户画像工程师

　　可以往数据分析经理、总监方向发展，也可以往算法经理、总监方向发展。

　　10.自然语言处理NLP工程师

　　可以往NLP算法Leader、算法经理、总监方向发展。

　　11.机器学习工程师

　　可以往算法经理、总监方向发展，也可以走算法架构师方向。

　　12.数据挖掘工程师

　　可以往数据分析经理、总监方向发展。

　　13.深度学习工程师

　　可以往算法经理、总监方向发展。

　　14.数据分析师

　　往上发展为数据分析经理、数据分析总监。

　　15.Web 开发工程师偏后台接口

　　往上发展为工程的技术经理、技术总监，或者走T序列发展为架构师。

　　16.前端工程师

　　最好学习15的技能，走15的路线。当然也可以发展为前端架构师。

　　17.大数据产品经理

　　往上发展最好脱离大数据部门，上升到公司级的产品总监，产品VP。

　　18.大数据平台总监

　　发展为大数据VP。

　　19.算法总监

　　发展为大数据VP。

　　20.数据分析总监

　　发展为大数据VP。

　　21.大数据架构师、首席大数据架构师

　　发展为大数据VP。

　　22.大数据副总裁VP

　　在其它方面的技能提升自己，比如Web工程、前端、移动开发、网站架构等，之后发展为CTO。

　　各个职位的市场平均薪资水平

　　职位薪资和工作年限、技术水平、学历、公司背景都有关系，所以对于同一个职位，没有一个固定的值，只能是一个大概的范围区间。再就是和市场供需情况也有关系，这些年大数据、人工智能人才紧缺，更紧缺的是人工智能方面的人才，所以从整体行情来看，大数据比Web开发的薪资要高、人工智能的比大数据的要高。若干年之后虽然物价、市场供需的变化，市场平均薪资情况也会发生一些变化。下面列出目前的职位市场平均薪资一个大概区间，另外招聘网站往往给的是年薪，因为年薪有的是发12个月，有的是发16个月，不统一，再就是有的公司年薪结构组成是base现金部分+股权期权折现的价值部分之和，所以按年薪来计算不能清楚的反馈实际薪资状况，所以我们按月薪的base现金部分来讲，并且这里指的是税前薪资、地区以北京为代表。以下是个人观点，仅供参考，不作为权威数据：

　　1.Hadoop平台运维工程师

　　月薪1.5到2.5w左右。w字母代表万的意思。这个职位一般比大数据平台工程师薪资稍微低一点，主要原因是运维的不一定具有开发项目代码的能力。当然个人能力很强的人除外。

　　2.大数据平台工程师

　　2到3w左右，大数据平台一般同时具备集群运维和项目编程开发的能力，薪资偏高一点。一般有三年相关工作经验，月薪2w以上是比较轻松的。3w是个分界点，突破3w不太容易。

　　3.大数据ETL工程师

　　2到3w左右，薪资区间和大数据平台工程师差不多，但稍微低一点，主要原因是ETL工程师一般工程能力相对偏弱一些。这是整体来看，能力强的人也是可以比大数据平台工程师还要高。ETL工程师到2.5w以上再涨的话就比较慢了。3w也是一个薪资瓶颈点，突破3w不太容易。

　　4.流式计算工程师

　　2到3w左右，和大数据平台工程师差不多。

　　5.数据仓库工程师

　　数据仓库工程师一般工程能力弱，能到2w的话已经很不错，2.5w算是很高了，突破3w比较难。

　　6.Spark工程师

　　2到3w左右，和大数据平台工程师差不多。

　　7.搜索工程师

　　2到4w左右，搜索工程师薪资稍微偏高一点。一般工作三年，到2w比较轻松。5年相关经验，突破3w不是难事，8年以上经验达到4w也是情理之中。最高的话可以突破5w。

　　8.推荐算法工程师

　　一般2到4w左右，推荐算法相对搜索来说更深入一些，比搜索工程师薪资稍微偏高一些。

　　9.用户画像工程师

　　2到3w左右，用户画像工程师可以偏数据统计，也可以偏算法工程，到2w比较轻松。如果在算法方面做的深入突破3w是有可能的。

　　10.自然语言处理NLP工程师

　　2到4w，这个职位是这几年新兴的职位，人才紧缺。薪资和推荐算法职位差不多。

　　11.机器学习工程师

　　2到4w，薪资和推荐算法职位差不多。

　　12.数据挖掘工程师

　　2到3w，一般的数据挖掘偏数据分析一些，达到2.5w就不算低了。当然有些偏工程，突破3w也是情理之中。

　　13.深度学习工程师

　　这是最近几年新兴的职位，人才很缺。薪资2到4w。突破4w不难。资深的可以达到5w以上。

　　14.数据分析师

　　1.5到2.5w，数据分析是偏数据统计，整体来看薪资比机器学习工程师稍微低一点。做这方面的一般女生相对其他工程类岗位的人数偏多一些，因为整体上来看，做技术的男的比女的多很多。做数据分析的女生如果能占到一半，其实这个比例就已经很高了。数据分析厉害的角色和做机器学习的薪资差不多，突破3w不成问题。

　　15.Web 开发工程师偏后台接口

　　1到2.5w，纯Web开发两万以内的比较常见，资深的可以突破2.5w。如果很厉害就可以当架构师了，3w以上很轻松。

　　16.前端工程师

　　1到2w，一般比Web后台薪资低一点，一般不超过2w。

　　17.大数据产品经理

　　1.5到2.5w，大数据产品经理是这几年新兴的，人才比较缺，不好招聘。以为大部分是做传统的产品。大数据产品经理往往是从传统的产品转岗过来，懂一些数据驱动和算法驱动的知识，所以薪资相对传统的产品经理薪资偏高一些。1.5w是比较轻松的，资深的可以到2.5w。

　　18.大数据平台总监

　　3到6w，总监一般最低的起步价是3w，5w是比较正常的。6w是个瓶颈点，不好突破。当然总监也是分级别的，有中级总监，高级总监。高级总监6w以上还是比较轻松的。

　　19.算法总监

　　3到6w，和大数据平台总监相比，甚至还稍微高一点。

　　20.数据分析总监

　　3到6w，和大数据平台总监相比，一般稍微低一点。

　　21.大数据架构师、首席大数据架构师

　　架构师和总监的薪资差不多，但也分级别。中级、高级、资深、首席。一般资深的架构师可能比总监高一些。首席架构师是最高的，能达到大数据副总裁VP的薪资水平。

　　22.大数据副总裁VP

　　6到10w，上面说到首席架构师和大数据VP的薪资差不多。这两个职位一般从技术上来讲首席架构师技术性要强于大数据VP，大数据VP管理技能更强一些。但整体综合实力相当，两者的技术知识面都很广，一般也都带团队，只是大数据VP带的人比较多。一般大数据VP这个职位是6w起步的，8w比较常见。突破10w亦不是问题。

　　本章我们对大数据部门的组织架构、各个职位的情况都有了一个比较深的认识，下面的章节我们对常见的大数据算法类的系统架构深入了解一下，以便更好的理解业务和产品。

　　09:38举报/反馈