信息系统开发和大数据开发哪个好,信息系统开发和大数据开发哪个好就业

摘要： 大家好，今天小编关注到一个比较有意思的话题，就是关于信息系统开发和大数据开发哪个好的问题，于是小编就整理了2个相关介绍信息系统开发和大数据开发哪个好的解答，让我们一起看看吧。未来想...

大家好，今天小编关注到一个比较有意思的话题，就是关于信息系统开发和大数据开发哪个好的问题，于是小编就整理了2个相关介绍信息系统开发和大数据开发哪个好的解答，让我们一起看看吧。

1. 未来想向大数据方面发展，计算机科学与技术、信息管理与信息系统，选哪个专业好？
2. 大数据开发跟大数据平台开发有区别吗？

未来想向大数据方面发展，计算机科学与技术、信息管理与信息系统，选哪个专业好？

只要是人写的代码就有漏洞，源没有不存在漏洞的系统，只有没有发现漏洞的系统。这个行业目前是形势很好，算是朝阳产业了。我觉得这对于网络安全行业的学习者和从业者都是一个好事，安全是被冷落了很多年，现在可以算是开始繁荣的阶段。这个领域现在人才缺口非常大，未来会更大。所以如果有志于从事这个领域的年轻人，扎实打好技术基础，有意识的提高学识学历，这个领域未来一定是高素质和高学历人才的天下，并且是科技主宰，核心技术至上。

谢谢邀请！

计算机科学与技术（计科）和信息管理（信管）专业未来都可以从事大数据相关工作，但是这两个专业的侧重点还是有所不同，计科更注重基础知识和计算机技术的培养，而信管专业更注重数据管理方面的内容，从应用的角度来看，计科更偏底层而信管更偏重上层应用。

大数据领域涉及到的工作岗位包括大数据应用开发、大数据分析、大数据运维、大数据平台研发等几个岗位，对于计科专业的毕业生来说，这些岗位都是可以从事的，而对于信管专业来说，从事大数据分析是比较适合的。所以，如果想从事数据分析方面的工作，选择计科与信管这两个专业都是可以的。

数据分析与挖掘分成两个岗位方向，一个方向是应用分析，另一个是研发分析。对于应用分析来说，主要的工作内容是通过相关的数据分析工具完成分析过程，这部分任务与行业应用场景有密切的关系，所以往往要求这部分岗位的工作人员必须了解行业管理知识，而这正好与信管专业相契合。

对于研发分析岗位的工程师来说，往往需要完成算法设计、算法实现、算法验证、算法应用等任务，这部分工作对研发人员的数学基础、计算机基础有更高的要求。相对来说，计科专业更适合从事研发分析岗位（算法工程师），看一个Python实现算法的小例子：

按照历史经验来看，信管专业的毕业生更注重数据的应用，计科专业更注重对数据本身的操作。从岗位任务的角度来说，计科专业往往做工具研发，而信管专业往往基于工具做业务分析，简单的说就是计科偏技术，而信管则偏管理。

作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。欢迎关注作者，欢迎咨询计算机相关问题。

大数据开发跟大数据平台开发有区别吗？

大数据是我的主要研究方向之一，同时也在带大数据方向的研究生，所以我来回答一下这个问题。

首先，大数据开发通常指的是基于大数据产业链的一系列开发任务，涉及到大数据平台开发、大数据应用开发、大数据分析等，另外还包括数据***集产品的开发、数据整理产品的开发等等，如果向上延伸的话，部分大数据开发任务与人工智能开发任务也具有密切的联系。

大数据平台开发通常有两层含义，一层是进行大数据平台自身的开发，这属于研发级开发任务，比如大数据平台Hadoop就是***用Java语言开发的。整个大数据平台还涉及到一系列产品，包括HBase、Hive、***ro、Zookeeper、Pig、Mahout、Cassandra等，开发这些产品也需要一个庞大的团队。进行大数据平台研发的程序员往往需要具备丰富的开发经验，同时具备较强的研发能力，能够搭建出一个稳定的分布式计算体系。

另一层含义是在大数据平台下进行应用开发，比如在Hadoop、Spark平台下进行具体的大数据应用开发等，这部分开发通常属于应用级开发，难度要相对小一些，但是往往需要与具体的场景进行紧密的联系，需要开发者具备一定的行业背景知识。

目前大数据应用开发主要的任务有两个，其一是进行已有软件产品的大数据改造；其二是针对于具体的大数据需求进行全新的大数据应用开发，目前由于是大数据落地应用的初期，所以大数据改造的开发任务会相对多一些，未来新的大数据开发任务会逐渐增加。

相对于大数据开发来说，大数据分析也需要进行代码编写，比如机器学习就是目前比较常见的数据分析方式。机器学习需要进行算法设计、算法实现、算法训练、算法验证和算法应用，虽然算法设计是机器学习的核心，但是算法实现也需要程序员来完成具体的开发过程。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！

常说的大数据开发，其实是指数据研发偏ETL方向，大数据平台开发，则是指开发各种简化数据任务编程的平台，常见的有阿里的Dataworks、网易的猛犸。

两者的主要区别：大数据研发需要你对数据仓库理论要有一定的经验，这个岗位偏向数据处理类技能。大数据平台开发则是需要你对J***a技术栈要熟练掌握使用，这个岗位更偏向于工程类代码开发。

首先，先说一下大数据研发的主要职能，就是结合公司业务数据，为公司构建数据仓库，通过业务指标数据指导运营同学，更好的运营业务，同时帮助上层领导，通过数据看清目前公司的业务发展情况，帮助其作出正确的决策。

大数据研发需要结合数据仓库理论，对于公司的数据进行加工处理，然后进行分层存储。分层的含义具体是指按照数据不同的类型，对其进行规范化命名和存储。

常见的数据分层，ODS层、DWD层、DWS层、DM层。ODS层代表原始数据层，这部分数据完全来自线上，没有经过加工处理。DWD和DWS层表示能够进行通用的公共数据明细层和公共指标数据层，这两层[_a***_]代表着公共的统一业务口径数据。DM层则是具体的业务定制化数据层，一般数据来源于DWD层和DWS层。

大数据平台开发，顾名思义，就是开发数据平台，给数据研发以及其他开发同学使用，开发数据任务。常见的两类大数据平台：离线计算平台和实时计算平台。

目前很多公司的大数据平台都是使用J***a技术栈来进行开发的，首先你需要对J***a语言的基础和使用要有很深入的理解。其次，目前大数据平台会使用 Spring Boot框架来进行开发，Spring 的框架你要学会使用。如果有数据治理、数据服务的经验更好。

针对不同数据平台的类型，你还需要对相关的大数据组件要有一定的使用经验和原理理解。比如你开发大数据离线计算平台，你需要对 Hadoop、Hive、Spark、Flume、HBase组件的实践要有一定的经验。

不对。这个问题更适合有实际开发经历的人来回答啊！

【广义地说】，我认为大数据开发和大数据平台开发其实是一回事。为什么呢？

1，大数据开发是对技术的落地实现，根据ETL策略将数据整备；

2，当数据处理完毕后，就不是大数据开发的事了，而是其它技术的事了，如展示、分析、AI等，不能混为一谈！

3，而Hadoop、Hive以及Spark等大数据生态组件是开源工具，并不是什么既有平台，当然开发者也可以二次开发它们甚至重构（一般来说不现实），开发者调用这些组件的API接口，实现数据的ETL萃取-转置-载入等；

4，当开发的时候，开发者需要封装代码复用，提供接口进行扩展，逐渐形成一个应用，那这个应用就逐渐长成一个平台了啊！因此大数据开发和平台开发是一样的意思。

【狭义地说】，开发者可以基于既有的大数据开发平台进行大数据开发，可以省很多事。

—— 纯手动敲出来的文字，谢谢支持！

是的，大数据开发和大数据平台开发之间存在区别。

* 大数据开发通常指的是基于大数据产业链的一系列开发任务，包括大数据平台开发、大数据应用开发、大数据分析等，以及数据***集产品的开发、数据整理产品的开发等。

* 大数据平台开发则需要从全局角度来规划大数据平台的架构和整体实现方式，最终促进项目的成功。进行大数据平台开发需要具备丰富的开发经验和较强的研发能力，能够搭建出一个稳定的分布式计算体系。

总之，大数据开发涉及面较广，大数据平台开发则更加专注于构建大数据基础设施。

首先，大数据开发通常指的是基于大数据产业链的一系列开发任务，涉及到大数据平台开发、大数据应用开发、大数据分析等，另外还包括数据***集产品的开发、数据整理产品的开发等等，如果向上延伸的话，部分大数据开发任务与人工智能开发任务也具有密切的联系。

大数据平台开发通常有两层含义，一层是进行大数据平台自身的开发，这属于研发级开发任务，比如大数据平台Hadoop就是***用J***a语言开发的。整个大数据平台还涉及到一系列产品，包括HBase、Hive、***ro、Zookeeper、Pig、Mahout、Cassandra等，开发这些产品也需要一个庞大的团队。进行大数据平台研发的程序员往往需要具备丰富的开发经验，同时具备较强的研发能力，能够搭建出一个稳定的分布式计算体系。

另一层含义是在大数据平台下进行应用开发，比如在Hadoop、Spark平台下进行具体的大数据应用开发等，这部分开发通常属于应用级开发，难度要相对小一些，但是往往需要与具体的场景进行紧密的联系，需要开发者具备一定的行业背景知识。

目前大数据应用开发主要的任务有两个，其一是进行已有软件产品的大数据改造；其二是针对于具体的大数据需求进行全新的大数据应用开发，目前由于是大数据落地应用的初期，所以大数据改造的开发任务会相对多一些，未来新的大数据开发任务会逐渐增加。

相对于大数据开发来说，大数据分析也需要进行代码编写，比如机器学习就是目前比较常见的数据分析方式。机器学习需要进行算法设计、算法实现、算法训练、算法验证和算法应用，虽然算法设计是机器学习的核心，但是算法实现也需要程序员来完成具体的开发过程。

您可以搜索葡萄城***，了解Wyn商业智能。

到此，以上就是小编对于信息系统开发和大数据开发哪个好的问题就介绍到这了，希望介绍关于信息系统开发和大数据开发哪个好的2点解答对大家有用。