二、结合实际情况大数据中包含了很多业务场景，不同行业、业务场景、IT环境，会导致建设阶段、模型设计、分析指标、侧重点、所运用的技术各不相同，使分析变得业务化、合理化，这样才能抓住数据的价值，对数据信息进行合理有效的分析，帮助企业经营管理、风险决策，真正做到为企业带来商业价值。三、融合升级技术大数据技术应用得当会在很多行业大放异彩，带来创新体验，特别是在结合当下新技术的环境下，如：人工智能、区块链、AI等，这就要求相关人员不能故步自封，沉浸在大数据的技术中不去创新、升华，多去分析价值、提炼价值，想做好这一步不是一朝一夕就能实现，这就需要平时不断的学习积累，在分析中不断探索实战，在实战中总结经验教训加以改进。
大数据工程师有不少细分方向，不同的方向需要具备不同的知识结构，通常情况下大数据工程师分为四个具体的工作领域，分别是大数据底层平台研发、大数据应用开发、大数据分析和大数据运维，其中大数据平台研发工程师的数量占比较少，属于大数据领域的高端人才，往往从业者在研究生期间主攻的方向就是大数据平台研发。大数据应用开发工程师是大数据领域一个比较热门的岗位，由于目前大数据正在处在落地应用的阶段，所以有大量的传统应用需要进行大数据改造，因此大数据应用开发岗位有较多的人才需求。
这个岗位需要掌握的知识结构包括大数据平台体系结构，比如目前常见的Hadoop、Spark平台，以及众多组件的功能和应用，另外还需要掌握至少一门编程语言，比如Java、Python、Scala等，这些编程语言是可以开发落地应用的。大数据分析工程师是大数据领域非常重要的岗位，因为大数据的核心之一是数据价值化，而数据价值化的核心则在于数据的分析和应用，所以数据分析是大数据应用的一个重点所在。
大数据分析工程师需要掌握的知识结构包括算法设计、编程语言以及呈现工具，算法设计是大数据分析师需要掌握的重点内容，而编程语言的作用则是完成算法的实现。另外，大数据分析师还需要掌握一些常见的分析工具，比如一些常见的BI工具，在一些比较简单的场景下BI工具能完成大量的工作，并生成呈现界面。看一个使用Python中scipy库的应用：大数据运维工程师的主要工作内容是搭建大数据平台、部署大数据功能组件、配置网络环境和硬件环境、维护大数据平台，大数据运维工程师需要具备的知识结构包括计算机网络、大数据平台体系结构、编程语言（编写运维脚本）等，通常情况下，大数据运维工程师也需要对数据库有深入的了解。
