大数据开发的工作大体分为两类：第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。
第一类工作感觉更适用于data analyst这种职位，第二类需要对自己公司的系统或者再对开源的做些二次开发。
对于大数据开发人员来说则需要很强的code能力，通过这种能力将数据分析产生的模型或输出进行落地，让数据真正得到应用，大数据开发更偏重于业务逻辑的实现和功能的开发，其对技术实现的要求会比数据分析要强很多，熟练各种开发语言和框架，以便更好地应对各种开发需求和功能实现。
大数据分析岗需要思考如何将大量的数据经过一系列的加工、处理、分析和挖掘之后，让其能够在现实的业务场景中应用，提升业务产出和效率，数据分析人员需要规划出整个流程的实现逻辑，以便后续让大数据开发做相应的支持开发。因此在这个过程中，数据分析人员需要较强的数据分析和挖掘理论基础，敏锐的数据感知能力,以及对业务或者市场有更深的了解和洞察能力，结合数据的变化找到业务问题根源，同时通过一系列数据分析挖掘技术,比如模型构建等找到解决业务问题的方案。
大数据开发技能要求：
1. 编程语言：掌握至少一种大数据处理相关的编程语言，如Java、Python、Scala等。这些语言在大数据生态系统中广泛使用，能够进行数据处理和分析。
2. 大数据框架：熟悉大数据处理框架，如Hadoop、Spark等。这些框架提供了分布式计算和存储的能力，能够处理大规模的数据。
3. 数据库和SQL：了解常用的数据库系统，如MySQL、Oracle等，并熟悉SQL语言。在大数据开发中，经常需要进行数据的提取、转换和加载（ETL）操作，熟练掌握SQL能够帮助进行数据处理和查询。
4. 数据仓库和数据模型：了解数据仓库的概念和设计原则，熟悉常见的数据模型，如星型模型、雪花模型等。数据仓库是大数据开发中常用的数据存储和分析方式，对于数据仓库的设计和建模有一定的了解是必要的。
5. 数据处理和分析：熟悉数据处理和分析的基本方法和技术，如数据清洗、数据转换、数据聚合、数据挖掘等。掌握数据处理和分析的技巧，能够进行有效的数据处理和挖掘。
6. 分布式计算和并行编程：了解分布式计算的原理和技术，熟悉并行编程的方法和工具。在大数据处理中，分布式计算和并行编程是必不可少的技能，能够提高数据处理的效率和性能。
7. 数据可视化：具备数据可视化的能力，能够使用可视化工具和技术将数据转化为直观、易于理解的图表和图形。数据可视化可以帮助人们更好地理解和分析数据。
