因为大数据这个词过于“忽悠”，乃至于大数据分析专家也让人十分景仰而不知其真身。
说实话，什么样的人可以称为大数据分析专家可能根本没有一个标准。就像笼统的说这个人是一个好人一样。这篇文章告诉我们，我们应该先搞清楚我们需要具备什么样的能力，再自封或寻找专家不迟。
在谷歌上搜索最希望在Linkedin上获得的人才，其结果是大数据专家。而各个公司在谷歌上搜索具有大数据专家履历的候选人仍保持了最大的搜索量。在与这些公司讨论了他们真正需要什么样的人才后，得出的结论是： 大数据专家不存在。 下文将告诉你为什么。
公司认为自己所需的人才该具备什么素质? 我想是技能，经验和态度的结合。具体总结如下：
1)专家。也指行业内的专业人才。意思是他确实知道自己做的是什么并且已经做了好几年了。虽然大数据并不是新的专业领域，但是存储，处理，分析和可视化大数据这些方面的工具尚未完全成熟。所以这些工具的使用技能很稀缺。
2)数据库知识。如果你在寻找数据专家，那么也意味着该数据专家了解数据库方面的知识。Hadoop凭借优异的存储和处理数据的大数据架构占据一席之地，同时关系型数据库也面临来自其他类型数据库(如NoSQL)在提高查询性能方面的竞争。每个公司都会选择以最优的成本效益实现最大化业务需求的数据库。其他数据库则可能需要不同查询语言的知识。
3)ETL。当完成了数据的收集和存储，接下来就要提取、转换和加载数据(即ETL过程)到分析/报告环境中，这个过程需要大量具体而特别的知识。如果不使用对“业务用户”高度友好性的成熟的ETL工具，你可能还需要了解如何使用SQL来转移数据。使用“大数据”可能会影响在您假定的非工作时间窗口内提取和加载数据。
4)分析技能。 你在大学期间学到的技能之一就是通过分析法来解决问题。善于分析并不是适合每一个人的技能，就我所了解到的，大多数情况下要求具备该技能时会同时要求具备学士学位。在我看来，好奇心也是一个有助于获得新见解的技能。
5)业务知识。脱离特定场景的数据是没有多大用处的。要了解某个部门的业务(例如网络营销或人力资源)，需要拥有相关经验以了解他们的需求和挑战，并且将数据转换为商业智能。在商业知识领域，人们可以理解为一个候选人需要能够展示其分析过程和结论并能够将结果传达到更广泛的(更高级)管理领域。在正确的时间使用正确的语言并且让所有人听从你的建议是非常特别，有价值和稀缺的技能!
6)可视化数据。即使你已经完成了所有的工作，包括收集所需的数据，分析数据并且找到一些可以分享的有意义的观点，但还有一个挑战就是可视化数据，可视化数据可以立即显示数据价值。有针对这方面的研究显示，人们倾向于观看图像的上部(因此上部位置适合放置报告或仪表板)，并且太多的文字可能干扰所呈现的信息。
结论?不要寻找大数据专家这个传说中的独角兽!
与其在五个人才中费尽心血终于找到一个具备了所有上述特征的候选人。
不如总结公司现有的技能和专长，然后找出差距。如果你想通过大数据获得成功，这将必然是团队合作的成果。
在任何领域，当然包括大数据领域，都要综合考虑团队和个人的力量。很多时候，我们需要独角兽这样的孤胆英雄，因为他们可以一己之力开疆辟土，带领团队前进。但同时我们需要团队的整体力量，取长补短，鉴定稳步的前进。
