① 工業互聯網與大數據專業一般都在什麼企業就職
大數據的就業方向很多的，想華為、阿里、網路、騰訊這些大廠都是有招聘需求的。
一、ETL研發
隨著數據種類的不斷增加，企業對數據整合專業人才的需求越來越旺盛。ETL開發者與不同的數據來源和組織打交道，從不同的源頭抽取數據，轉換並導入數據倉庫以滿足企業的需要。ETL研發，主要負責將分散的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。目前，ETL行業相對成熟，相關崗位的工作生命周期比較長，通常由內部員工和外包合同商之間通力完成。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL。
二、可視化(前端展現)工具開發
海量數據的分析是個大挑戰，而新型數據可視化工具如Spotifre，Qlikview、Tableau、大數據魔鏡可以直觀高效地展示數據。可視化開發就是在可視開發工具提供的圖形用戶界面上，通過操作界面元素，由可視開發工具自動生成應用軟體。還可輕松跨越多個資源和層次連接您的所有數據，經過時間考驗，完全可擴展的，功能豐富全面的可視化組件庫為開發人員提供了功能完整並且簡單易用的組件集合，以用來構建極其豐富的用戶界面。中國本土的數據工具也在近年來迅速發展。大數據魔鏡是該領域第一品牌，市場佔有率第一，已成為上萬家企業分析、決策的標配工具。
三、信息架構開發
大數據重新激發了主數據管理的熱潮。充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須了解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。
四、數據倉庫研究
數據倉庫是為企業所有級別的決策制定過程提供支持的所有類型數據的戰略集合。它是單個數據存儲，出於分析性報告和決策支持的目的而創建。為企業提供需要業務智能來指導業務流程改進和監視時間、成本、質量和控制。數據倉庫的專家熟悉Teradata、Neteeza和Exadata等公司的大數據一體機。能夠在這些一體機上完成數據集成、管理和性能優化等工作。
五、數據科學研究
這一職位過去也被稱為數據架構研究，數據科學家是一個全新的工種，能夠將企業的數據和技術轉化為企業的商業價值。隨著數據學的進展，越來越多的實際工作將會直接針對數據進行，這將使人類認識數據，從而認識自然和行為。因此，數據科學家首先應當具備優秀的溝通技能，能夠同時將數據分析結果解釋給IT部門和業務部門領導。總的來說，數據科學家是分析師、藝術家的合體，需要具備多種交叉科學和商業技能。
② 如何利用大數據進行互聯網推廣
大數據最關鍵的在於數據的分析和整理，從千千萬的數據當中以最快的速度找出適合我門推廣的數據。
③ 工業大數據應用在哪些方面
工業大數據應用在哪些方面？
1.加速產品創新
客戶與工業企業之間的交互和交易行為將產生大量數據，挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。
2.產品故障診斷與預測
這可以被用於產品售後服務與產品改進。無所不在的感測器、互聯網技術的引入使得產品故障實時診斷變為現實，大數據應用、建模與模擬技術則使得預測動態性成為可能。
3.生產線的大數據應用
現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次數據，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析(包括違反生產規定、零部件故障)等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。
4.工業供應鏈分析和優化
當前，大數據分析已經是很多電子商務企業提升供應鏈競爭力的重要手段。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。RFID等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
5.產品銷售預測與需求管理
通過大數據來分析當前需求變化和組合形式。大數據是一個很好的銷售分析工具，通過歷史數據的多維度組合，可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等，以此來調整產品策略和鋪貨策略。
6.生產計劃與排程
製造業面對多品種小批量的生產模式，數據的精細化自動及時方便的採集(MES/DCS)及多變性導致數據劇烈增大，再加上十幾年的信息化的歷史數據，對於需要快速響應的APS來說，是一個巨大的挑戰。
大數據可以給予我們更詳細的數據信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計劃與現場實際的偏差，動態的調整計劃排產。
幫我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體(工作中心數據直接改變為具體一個設備、人員、模具等數據)。通過數據的關聯分析並監控它，我們就能計劃未來。雖然，大數據略有瑕疵，只要得到合理的應用，大數據會變成我們強大的武器。當年，福特問大數據的客戶需求是什麼?而回答是「一匹更快的馬」，而不是現在已經普及的汽車。所以，在大數據的世界裡，創意、直覺、冒險精神和知識野心尤為重要。
7.產品質量管理與分析
傳統的製造業正面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。例如在半導體行業，晶元在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝製程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。