从目前大数据领域的岗位划分来看，大数据分析、大数据开发、大数据运维是三个常见的方向，这三个方向都有广阔的发展前景。目前大数据开发岗位对人才的需求比较大，岗位附加值也比较高。首先，目前选择大数据专业是个不错的选择。一方面，目前行业内大数据人才缺口较大，另一方面，大数据未来的发展空间也非常大。
大数据的流式处理和大数据数据仓库，哪个方向好？
从就业前景的角度来讲，大数据数据仓库方向要比大数据流式处理方向更好。大数据流式处理，本质就是实时流式数据处理，既对数据进行实时加工和输出。数仓研发同学平时在进行数据处理时，会用到大数据流式处理技术。整体来说，大数据数据仓库包含大数据流式处理，从而大数据数据仓库的就业选择方向要比大数据流式处理更广。我之前岗位就是数据研发，本质就是结合数据仓库模型，对业务数据进行标准化处理和数据模型构建。
业务数据最开始来源线上业务用户的行为数据，通过数据采集，存储到分布式文件系统上，然后使用Hive对数据进行加工。数据研发，整体可以分为离线数据研发和实时流式数据研发，这两个方向其实都需要使用到大数据数据仓库理论对数据建模。我在进行实时数据研发的时候，主要使用到Flink技术来对流式数据进行处理。其实处理的同时，整体的设计思想就是参考数据仓库设计理论。
对流式数据，怎么样处理，才能构建出公共层流式数据，增强数据的可用性，减少资源重复计算，计算出的实时指标，能否做到指标口径统一，如果构建流式数据应用层等。流式数据处理也要参考数据仓库理论来进行设计。所以，只要你学好大数据数据仓库的理论，无论你是大数据流式处理，还是离线数据处理，你都能够做到得心应手，你可以从事这两个数据研发方向的工作。
如果是大数据流式处理，你就只能选择实时计算相关的岗位。大数据数据仓库方向要比大数据流式处理的岗位选择更广。你如果对大数据流式处理非常感兴趣的话，个人建议你可以先对数据仓库数据模型理论进行学习，ODS层(原始数据层)DWD层(公共数据明细层)DWS公共汇总层ADM层(数据应用层)，你要清楚数据处理为什么要这么分层。
怎么设计数据维表什么是星形模型雪花模型，这些概念你都要理解清楚。学习完数据仓库理论再去学习流式处理，会让你以后对于流式数据处理更加的专业，同时会让你的数据任务更加规范和通用。从事大数据研发，你一定要学会数据仓库理论。我是Lake，专注大数据技术原理人工智能数据库技术程序员经验分享，如果我的问答对你有帮助的话，希望你能点赞关注我，感谢。
大数据开发和数据分析，学哪个方向好？
相对于大数据开发，大数据分析是另外一个发展方向，我们都知道大数据开发涉及到的编程内容较多，同时开发工具也多，那么大数据分析学习什么内容呢，学起来难不难了。下面我们一起看看大数据分析的学习内容阶段一WEB前端实战开发学习内容WEB前端开发学习目标掌握原稿设计HTML与CSSJavajQuery框架Bootstrap框架等前端开发实战。
阶段二数据库实战学习内容数据库实战开发学习目标熟练进行数据库安装与管理使用DDL/DML/DCL掌握数据库编程开发。阶段三Python实战开发学习内容Python实战开发学习目标能够编写网络爬虫Python进行网络编程PythonWeb全栈开发Python机器学习。阶段四Echart数据分析学习内容Echarts数据分析学习目标熟练使用Echarts进行开发设计可视化开发Echarts大数据可视化分析阶段五D3大数据分析学习内容D3数据分析学习目标熟练掌握D3进行项目开发，全面掌握D3数据分析。
六阶段BI平台大数据分析学习内容BI平台大数据分析学习目标掌握平台的基本应用，能够利用平台构建项目大数据可视化分析。阶段7 SmartBI大数据分析学习内容SmartBI大数据分析学习目标掌握数据源链接和数据编译资源权限功能和数据权限熟练实现大数据分析阶段8 Sap Design Studio大数据分析学习内容Sap Design Studio大数据分析学习目标熟练使用产品安装和配置公共函数对地理地图进行编程并实现大数据分析。
