相信有不少人在从事某个行业一定时间之后都有过想要转岗的想法，或许是薪资达不到心理预期，或者是技术上遇到瓶颈等等等等。下面我们来梳理一下一个人工作一段时间后，为什么想要转岗的可能原因吧，从转岗前工作和想转去的岗位两个角度我们来简单总结一下：
转岗前工作情况
行业发展前景不佳，要么过于冷门，要么趋于饱和
工作内容重复，枯燥，技能提升不明显
薪水涨幅小
目前工作与个人性格相悖，比如性格内向的人从事销售行业
目前工作压力太大，想找一份轻松点的工作
目前工作毫无挑战，没有意思
接触到了自己更感兴趣的行业或者工作
想转去的岗位情况
热门，行业发展有前景
薪水待遇高
新的岗位更能发挥个人的优势
感兴趣
新的岗位符合自己的职业规划预期，比如想找份轻松的，于是转岗公务员；
正在考虑转岗的小伙伴们，right？
/转岗前的一些小建议/
转岗绝不是一件轻松的事，关于转岗是真的出于“自我选择” ，还是 “迫于无奈” ，或者是 “一时冲动”？
转岗是否出于“自我选择”，可通过是否符合以下情况来自我检测一下：
目前的工作表现不错，尽职尽责、努力上进，与同事和老板相处融洽；
经过客观理性的分析和了解，十分明确自己需要做出新的职业规划的原因，这些原因包括行业前景等客观原因和自我剖析后性格、兴趣点等主观方面的原因；
对想转去的岗位做了详细的调研，对新的职业发展有一定的了解和准备；
有的岗位像产品经理、数据分析等均是门槛不高，但想要学好却并不容易的职业，仅仅因为好入门就决定转岗，那就有点冲动了。
所以，像个人的职业选择这么重要的事，还是希望大家三思而后行哦。
/转岗大数据的行业现状/
大数据、数据挖掘、机器学习、人工智能，如今很多程序员对这些火热技术跃跃欲试，知乎上[深度学习如何入门？] [普通程序员如何向人工智能靠拢？] 等问题都有很高的关注度。
越来越多的技术候选人在跳槽时会思考，能否从事大数据相关岗位的工作。那么，为什么那么多人愿意投岗数据行业呢？下面跟大家一起来聊一聊转岗大数据目前的行业现状吧。
1）为什么那么多人愿意转型大数据行业？
大数据发展趋势
2019年-2021年，将成为未来20年间大数据及人工智能最佳的产业资本并购整合窗口期，就像2003年-2006年互联网产业整合的窗口期一样。
大数据与人工智能相互依托，在政策层面已经上升为国家战略，而且迅速进入全面启动实施阶段；技术层面，大数据技术已经基本成熟，并且推动人工智能技术以惊人的速度进步；产业层面，智能安防、自动驾驶、医疗影像等都在加速落地。
人才市场需求大
据美国劳工局预测，2022年美国市场将需要约85万大数据方面的专业技术人员；而国内数据统计《大数据人才报告》显示，预测未来3到5年人才缺口将达到150万之多。
职位薪酬水平普遍较高
据统计，在美国大数据分析师平均每年薪酬在17.5万美元左右；而国内一线互联网公司，大数据分析师的薪酬水平普遍比同一级别的其他职位高20-30%，这也成为国内转岗人员往大数据转型的很重要的理由之一。
高校加大对大数据相关专业的设立
目前，全世界有近170所大学开设了大数据相关专业。近些年，国内教育部也积极采取措施，加强对大数据人才的培养，开设新专业如“数据科学与大数据技术”等。
大军已经进入，全民开始行动了。2019年国内各大高校都将会开设大数据、人工智能专业，真正的竞争压力马上就会来了，已经加入大数据行业的同学很幸运，一定要抓住一切可以抓住机会，全身心的投入。
2）转岗大数据大多来自哪些职位？
从技术层面来说，编程语言（Java，python，R，Go语言 ，安卓/c++等其他开发岗…）对于大数据开发来讲只是一个工具而已。
java开发
大数据的各类框架如Hadoop，spark，storm，flink，各种中间件如flume，kafka，sqoop等等，这些框架以及工具大多数是用Java或基于JVM的Scala语言编写而成，所以目前转岗大数据最多的来自Java岗。
安卓/c++等其他开发岗
从安卓开发岗转型到大数据的人也不在少数，对开发岗转型的小伙伴来说，都是编程，只要有底子，付出努力，转岗大数据的前景依然很可观。
其实只要有点基础的程序员转型大数据，都有天然的进阶优势。
哪怕你没有学过任何一种编程语言零基础，也是可以学会的。
不管是初学者还是资深程序员，应该专注于<语言特性>,而不是纠结哪类语言，只有这样才能达到融会贯通，拿起任何语言基本上都会用，并写出高质量的代码来。
/转岗大数据的途径/
主要有以下几种方式：
1）企业内部转岗
通过企业内部途径进行转岗，这是实现转岗的最佳途径，方便快捷、成功率高。
2）借助有实力培训机构再就业
在平时没有利用业余时间朝这个方向进行积累的情况下，参加一个专业培训班短期进行集中充电，很有必要的。再次求职时择业就提高标准，多参加一些面试积累经验，找到一份大数据岗工作还是很容易的。当然，需要有决心和毅力，付出巨大的努力，这是无可厚非的哦！
3）书籍、视频日常积累
没有内部转岗的机会、又不愿花钱参加培训班，那就平时乖乖看书吧，至少大数据的一些基本框架、技术和工具的经典书籍得好好读一读，然后至少要有一套完整的大数据教学视频带着入门。
其次可以多关注关注目前行业的招聘信息，了解下需要符合哪些条件，学完一段时间就出去应聘下，既是给自己一个警醒，又能更精准的把握住面试所需。
/ 大数据的职业发展 /
上文给大家提了几点转岗前需要考虑清楚的问题。
其中一项就是一定要对想转去的新岗位的行业前景、职业发展、职位特性甚至工作内容都要有一个基本的认知。
大数据总体可分为2大方向5大职业。
2大类分别为技术类和业务类，其中，技术方向侧重于怎样处理好数据，业务方向侧重于怎样用好数据；
技术方向
技术类方向是大数据界的码农、程序员。
1）大数据平台研发路线
职责：主要负责大数据技术的产品化，包括开源技术框架的研究、封装和开发
入门：系统性了解大数据技术体系（spark、hadoop、hbase等技术），通读一遍各技术框架的技术文档，知道每项技术能够解决什么问题，其实现原理，优缺点等；能够调用各技术框架API进行功能封装
进阶：能够优化开源框架性能及完善开源技术、作为开源社区的commiter
发展：数据平台研发架构师、数据平台产品经理
2）大数据开发路线
职责：也叫ETL工程师，主要负责使用大数据技术采集、处理、分析数据；
入门：同数据平台研发工程师，并熟练使用SQL、存储过程；
进阶：技术选型、技术架构设计、数据架构设计、平台性能调优
发展：数据架构师、大数据DBA
3）大数据算法路线
职责：俗称调参工程师，主要负责使用机器学习算法建模，处理业务需求，基于算法引擎封装算法工具。
入门：python语言，sklearn、tensorflow等算法引擎，熟悉决策树、SVM、朴素贝叶斯、神经网络等各种算法原理和适用场景；
进阶：业务建模、调参
发展：数据科学家
4）大数据可视化路线
职责：主要负责数据可视化应用开发
入门：各种数据可视化图表适用场景、echarts框架、vue、BI工具
进阶：数据应用可视化UIUE设计、大屏展现设计
发展：数据艺术家
更多精彩内容学习 请点我
业务类
1）大数据分析路线
岗位：主要负责结合业务问题，使用大数据分析、制作数据分析报告、规划数据应用
入门：熟悉各种分析图表、数据分析工具、具备数据分析报告撰写能力等
进阶：熟悉各种算法概念及使用场景、具备敏锐的业务思维、管理思维和应用规划能力
发展：数据咨询师、数据产品经理
