大数据是众多学科与统计学交叉产生的一门新兴学科。大数据牵扯的数据挖掘、云计算一类的，所以是计算机一类的专业。分布比较广，应用行业较多。
零售业：主要集中在客户营销分析上，通过大数据技术可以对客户的消费信息进行分析。获知客户的消费习惯、消费方向等，以便商场做好更合理商品、货架摆放，规划市场营销方案、产品推荐手段等。
金融业：在金融行业里头，数据即是生命，其信息系统中积累了大量客户的交易数据。通过大数据可以对客户的行为进行分析、防堵诈骗、金融风险分析等。
医疗业：通过大数据可以辅助分析疫情信息，对应做出相应的防控措施。对人体健康的趋势分析在电子病历、医学研发和临床试验中，可提高诊断准确性和药物有效性等。
制造业：该行业对大数据的需求主要体现在产品研发与设计、供应链管理、生产、售后服务等。通过数据分析，在产品研发过程中免除掉一些不必要的步骤，并且及时改善产品的制造与组装的流程。
大数据的岗位可以分为三大类：大数据系统研发人员、大数据应用开发人才和大数据分析人才；最普遍同时需求也大的是大数据系统研发工程师、大数据应用开发工程师和数据分析师。
大数据架构工程师：
负责Hadoop集群架构设计开发、搭建、管理、运维、调优；负责数据对接和对外服务设计、开发和维护； 负责大数据框架和大数据应用的程序设计、开发和维护；负责基于大数据技术对海量数据的自动分析处理和挖掘工作；
大数据开发工程师：
基于hadoop、spark等构建数据分析平台，进行设计、开发分布式计算业务；辅助管理Hadoop集群运行，稳定提供平台服务；基于Spark技术的海量数据的处理、分析、统计和挖掘；基于Spark框架的数据仓库的设计、开发和维护
大数据运维工程师：
负责大数据基础平台的运维,保障平台的稳定可用；负责应用产品部署、上线及维护；负责大数据平台资源管理、性能优化和故障处理；深入研究大数据业务相关运维技术，持续优化集群服务架构;参与设计大数据自动化运维、监控、故障处理工具
可以从事的工作范围很广泛，岗位介绍如下：
大数据系统研发工程师
负责大数据系统研发，包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等，同时，还要负责数据集群的日常运作和系统的监测等。大数据系统研发工程师是任何构设大数据系统的企业都必须的，因而这类岗位需求比较大。
大数据应用开发工程师
负责搭建大数据应用平台以及开发分析应用程序，他们必须熟悉工具或算法、编程、优化以及部署不同的MapReduce，他们研发各种基于大数据技术的应用程序及行业解决方案。
大数据分析师
主要从事数据挖掘工作，运用算法来解决和分析问题，让数据显露出真相，同时，他们还推动数据解决方案的不断更新。随着数据集规模不断增大，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将持续增长，具备Hadoop框架经验的技术人员是最抢手的大数据人才，他们所从事的是热门的分析师工作。
数据可视化工程师
数据可视化的开发和大部分项目开发一样，也是根据需求来根据数据维度或属性进行筛选，根据目的和用户群选用表现方式。同一份数据可以可视化成多种看起来截然不同的形式。数据可视化工程师负责在收集到的高质量数据中，利用图形化的工具及手段的应用，清楚地揭示数据中的复杂信息，帮助用户更好地进行大数据应用开发，如果能使用新型数据可视化工具如Spotifre，Qlikview和Tableau，那么，就成为很受欢迎的人才。
数据安全研发人才
数据安全研发人才主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施，而对于数据安全方面的具体技术的人才就更需要了，如果数据安全技术，同时又具有较强的管理经验，能有效地保证大数据构设和应用单位的数据安全，那就是抢手的人才。
数据科学研究人才
数据科学研究是一个全新的工作，够将单位、企业的数据和技术转化为有用的商业价值，随着大数据时代的到来，越来越多的工作、事务直接涉及或针对数据，这就需要有数据科学方面的研究专家来进行研究，通过研究，他们能将数据分析结果解释给IT部门和业务部门管理者听，数据科学专家是联通海量数据和管理者之间的桥梁，需要有数据专业、分析师能力和管理者的知识，这也是抢手的人才。
数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。
作为一名数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。
2. 数据架构师。
数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。
从事数据架构师这个职位，需要具备较强的业务理解和业务抽象能力，具备大容量事物及交易类互联网平台的数据库模型设计能力，对调度系统，元数据系统有非常深刻的认识和理解，熟悉常用的分析、统计、建模方法，熟悉数据仓库相关技术，如 ETL、报表开发，熟悉Hadoop，Hive等系统并有过实战经验。
3. 数据挖掘工程师。
一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。
成为数据挖据工程师需要具备深厚的统计学、数学、数据挖掘理论基础和相关项目经验，熟悉R、SAS、SPSS等统计分析软件之一，参与过完整的数据采集.整理.分析和建模工作。.具有海量数据下机器学习和算法实施相关经验，熟悉hadoop，hive，map-reduce等。
4. 数据算法工程师。
在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。
需要具备的知识有：扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法；熟悉大数据生态，掌握常见分布式计算框架和技术原理，如Hadoop、MapReduce、Yarn、Storm、Spark等；熟悉Linux操作系统和Shell编程，至少熟悉Scala/Java/Python/C++/R等语言中的一种编程；熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力。
5. 数据产品经理。
数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。
需要具备的技能有：有数据分析/数据挖掘/用户行为研究的项目实践经验 ；有扎实的分析理论基础，精通1种以上统计分析工具软件，如SPSS、SAS，熟练使用Excel、SQL等工具； 熟悉SQL/HQL语句，工作经历有SQL server/My SQl等的优先 ；熟练操作excel，ppt等办公软件,熟练使用SPSS、SAS等统计分析软件其中之一 ；熟悉hadoop集群架构、有BI实践经验、参与过流式计算相关经验者加分 ；熟悉客户端产品的产品设计、开发流程 。本回答被网友采纳
当前医疗行业、能源行业、通信行业、零售业、金融行业、体育行业等各行业都可以从其数据的采集、传输、存储、分析等各个环节产生巨大的经济价值，而提供大数据基础设施的企业、大数据软件技术服务的企业、行业大数据内容咨询服务的企业都将从大数据的广泛应用而得到迅速发展。
学习大数据可以从事很多工作，比如说：hadoop 研发工程师、大数据研发工程师、大数据分析工程师、数据库工程师、hadoop运维工程师、大数据运维工程师、java大数据工程师、spark工程师等等都是我们可以从事的工作岗位！不同的岗位，所具备的技术知识也是不一样的，需要从各个方向学习，逐个击破！
比如说：Hadoop开发工程师
你需要具备一下技术：
a. 基于hadoop、hive等构建数据分析平台，进行数据平台架构设计、开发分布式计算业务;
b. 应用大数据、数据挖掘、分析建模等技术，对海量数据进行挖掘，发现其潜在的关联规则;
c. 对hadoop、hive、hbase、Map/Reduce相关产品进行预研、开发;
d. 通过Hadoop相关技术解决海量数据处理问题、大数据量的分析。
e. Hadoop相关业务脚本的性能优化与提升，不断提高系统运行效率;
数据工程师
职责：
a. 分析各类用户不断变化的行为;
b. 预测各类营销对用户的影响，定位精准市场投放;
c. 帮助实现自动化监控平台。
Hadoop运维工程师
你需要具备以下技术知识：
a. 平台大数据环境的部署维护和技术支持;
b. 应用故障的处理跟踪及统计汇总分析;
c. 应用安全，数据的日常备份和应急恢复;
数据挖掘分析师
你需要具备以下技术：
a.对优先考虑的账户进行统计分析，从而更大限度的成功化。
b.与主管或客户端沟通行动计划，并找出需要改进的地方。
c.执行战略数据分析和研究，以支持业务需求。
d.找准机会从而用复杂的统计建模提高生产率。
e.浏览数据来认准机会并提高业务成效。
f.指定业务流程，目标和战略的理解，以提供分析和解释。
g. 针对内部讨论的理解，在适当情况下获得业务需求和必要的分析。
正所谓，术业有专攻，即使同为大数据技术，也是有不一样的，主要还是看自己感兴趣的方向！本回答被网友采纳