本期话题，带你了解“Data Engineer 需要具备哪些技能？”
大家好！欢迎观看由AI聘Youtube频道发布的全新改版后的北美职场分析类栏目“北美求职60秒”。关注北美市场，聚焦数据、软件类求职，60秒解析北美求职疑惑，助力求职成功！
Data Engineer 需要具备哪些技能？
随着数据产生速度的进一步加快，公司对于数据工程师(Data Engineer)的需求也越来越大。总的来说，数据工程师应该具备下列技能：
理解并熟练掌握编程语言。要成为一名成功的数据工程师，你需要成为一名熟练的程序员，SQL和Python都是职位列表中列出的最常见的技术。我们生活在Python时代，它仍然是一个标准的入门点。这种编程语言非常适合网站、脚本和数据。SQL是数据语言，与自动化、脚本和数据库建模有关。虽然年代久远，但它仍然在管理和处理数据方面发挥着关键作用。
了解如何查找、使用仓储解决方案、以及ETL工具。包括了ETL（提取、转换、加载）和ELT，它们能让你把数据从一个点带到另一个点，而这一过程通常会使用到工具或编程。数据要经过处理、提取、经常地转换，然后加载到数据湖或数据库中。想要了解移动数据对于下一组数据集的影响，不但跟数据仓库、数据湖有关，有时还和数据湖屋的技能有关。
对云计算技术、数据可视化等有深入了解。等你获得更多经验以后，这一层背后的基础知识就相当简单了。首先从无服务计算、云数据仓库等方面了解云；DevOps能帮你把环境中的代码引入生产环境。熟悉Git—一种用于源代码管理的工具；在学习数据可视化时，你会选择用Tableau这类工具，同时还要学习最佳实践。
流数据、分布式计算和专业化。在了解了前三层以及其中的概念之后，你就可以更具体地使用自己的方法了。因为你拥有了ETL和数据仓库方面的背景，并且会习惯使用云计算，所以，在AWS Kinesis上设置一些东西对你来说会更容易。在这一阶段，你还可以更深入地研究分布式处理，以及使用这种系统的利弊。熟悉最基本的程序，根据你的专业知识构建特定的软件技能。比如，针对于Redshift、Azure、Apache等的技能。
AI聘-独家数据类岗位追踪
我们来看一下进入2022年9月最后一周，AI聘团队对于北美数据类岗位的每日发布情况的追踪数据：
- Data Analyst 数据分析师平均周中日更岗位数量达到19957，比前一周日均减少了550个岗位；降幅2.68%；
- Business Analyst 商业分析师达到4666，比前一周日均减少了699个岗位；降幅13.04%；
- Product Analyst 产品分析师达到3843，比前一周日均减少了681个岗位；降幅15.04%；
- Marketing Analyst营销分析师达到3736，比前一周日均减少了455个岗位；降幅10.86%；
- Data Scientist 数据科学家达到16786，比前一周日均减少了371个岗位；降幅2.16%；
数据类岗位上一周整体数量有所下降，Data Analyst和Data Scientist岗位基本持平，但是Business Analyst，Product Analyst和Marketing Analyst均出现了超过10%的降幅，也是连续三周数量下降。进入到十月份，秋招岗位招聘会逐渐进入尾声，整体岗位需求会有所减少，所以对于有求职需求的小伙伴，需要抓紧时间来进行申请了。
