大数据-考研or科技公司
我选大数据技术与应用，是因为这个专业听起来很”前沿”。
2019年，大数据正火。什么”数据是新的石油”、什么”未来属于数据分析师”……铺天盖地的宣传，让我心动了。
我想：学大数据，以后肯定好找工作。
结果上了大学才知道——大数据这行，对学历和技术的要求，比想象中高得多。
大学三年：杂而不精
说实话，大数据技术与应用是个新兴专业，课程设置还在探索阶段。
学的东西挺杂的：Java、Python、Linux、MySQL、Hadoop、Spark……每一门都是入门级别。
我一度很迷茫：学这么多，哪个才是我的核心竞争力？
有一门课叫《Hadoop大数据开发》，老师讲得很快，两周就把HDFS、MapReduce、Hive讲完了。
但说实话，我听完之后一头雾水——老师讲的都是概念和命令，根本不知道怎么在实际项目中使用。
后来我自己去网上找了教程，才慢慢理解了一些。
还有一门课叫《数据挖掘》，老师讲了很多算法：决策树、朴素贝叶斯、支持向量机……但由于课时有限，每个算法都只是蜻蜓点水，讲个皮毛。
我室友小王说：“这专业就是’万金油’，什么都会一点，什么都不精。”
我深以为然。
大二下学期，有一门课叫《Java程序设计》，是期末考试课。
考试是上机编程，给你三道题，要求在一个小时内完成。
我自认为Java学得还不错，考前做了很多练习题。
结果考试的时候，我抽到的三道题都是我没见过的类型：
第一题实现一个学生管理系统，要用面向对象的思想。
第二题实现一个文件加密程序，要用到IO流。
第三题实现一个多线程下载器，要用到Socket编程。
我当时就蒙了——这些内容我都学过，但只是学了皮毛，真正写代码的时候根本不会用。
最后我只做出了第一题，第二题写了一半，第三题完全不会。
成绩出来，我只得了61分，差点挂科。
这次考试让我彻底清醒了：学习不能只靠听课，必须多动手。
从那之后，我开始认真敲代码，每天在LeetCode上刷题，从简单题开始，一点一点积累。
第一次做项目
大三下学期，我跟着老师做了一个大数据项目：分析某电商平台的用户行为数据。
项目用到了Hadoop、Hive、Spark等技术。
这是我第一次接触真实的大数据处理流程：数据采集→数据清洗→数据分析→数据可视化。
项目不大，但让我学到了很多。
我记得项目刚启动的时候，老师给我们分配了任务：小李负责数据采集，用Python爬虫抓取数据。小张负责数据清洗，用Hive处理脏数据。我负责数据分析，用Spark做用户画像。
我当时的内心是崩溃的——Spark我只学了几个命令，根本不知道怎么做用户画像。
但没办法，只能硬着头皮上。
先在网上找了教程，了解了什么是”用户画像”：就是用一堆标签来描述一个用户，比如”25-30岁”、“男性”、“喜欢数码产品”……
然后开始设计标签体系：基本信息标签、行为偏好标签、消费能力标签……
设计完之后，开始写代码实现。
这个过程特别痛苦——Spark的命令我不熟，经常写错。数据倾斜问题我不懂，跑出来的结果全是null。内存不够，我都不知道怎么办……
好在最后还是在deadline之前完成了项目。
答辩的时候，老师问了一个问题：“你们这个用户画像有什么用？”
我回答：“可以帮助电商平台做精准营销。比如根据用户的购买历史，推荐他们可能感兴趣的商品，提高转化率。”
老师点了点头，说：“还算有点想法。”
这次项目经历让我明白：做项目不是为了完成任务，而是要理解项目的价值。
毕业抉择：考研还是就业
大三暑假，我面临一个选择：考研深造，还是直接就业？
分析了自己的情况：
技术不够硬，直接就业只能做基础岗位。考研能提升学历，也能系统学习大数据技术。但考研有风险，万一考不上，错过秋招就麻烦了。
我也去打听了一下就业行情：
大数据开发工程师，本科起步，薪资大概8000到12000。数据分析师，本科起步，薪资大概6000到10000。算法工程师，基本都要求硕士以上，本科基本没戏。
我当时的水平，勉强能找个大数据开发的岗位，但薪资不会太高。
我妈说：“要不就考研吧，提升一下学历，以后找工作也更有竞争力。”
2026年数据：考研报名人数343万，比峰值下降27.6%。但竞争依然激烈。
我想了很久，最后决定：先试试考研，万一考不上再找工作。
备考：半年的挣扎
备考的日子很苦。
每天早上七点起床，晚上十一点睡觉。周而复始，持续了整整半年。
我把图书馆当成了第二个宿舍，每天早出晚归。
考研科目是：政治、英语、数学二、数据结构与算法。
数学二是最难的，包括高等数学和线性代数。我高考数学128分，有一定基础，但大学三年没怎么学，高数都快忘光了。
花了两个月时间，把高数过了一遍。看的是张宇的基础30讲，边看边做笔记。
然后开始刷题，张宇1000题、李林880题、历年真题……
刷题的过程特别痛苦——很多题看着会，做起来就错。
我记得有一道求极限的题，算了三遍都没算对。后来看了答案才发现，漏了一个条件。
英语也不能放松。每天背单词，做阅读、练写作。
背单词用的是墨墨背单词，每天200个，雷打不动。
做阅读用的是张剑黄皮书，把近十五年的真题做了两遍。
专业课是数据结构与算法。这门课我在学校学过，有一定基础，用LeetCode刷题，大概刷了200道。
第一次模考
备考期间，我参加了一次考研模拟考试。
那次模考，我政治考了62分，英语考了58分，数学考了89分，专业课考了78分。总分287分。
我查了一下历年的国家线，大概在270到280分之间。
按照这个成绩，刚过国家线，但离我报考的学校差很远。
我特别沮丧——半年的努力，就这个结果？
那天晚上，我一个人在操场跑了十圈，累得气喘吁吁，但心情还是不好。
后来室友小王拉我去喝酒，说：“别想太多，还有时间，冲刺一下说不定能行。”
我想了想，说你说得对，不能放弃。
从那之后，我调整了复习策略：
数学每天多花一个小时，重点突破薄弱章节。英语每天多花一个小时，练习写作和翻译。专业课每天多花两个小时，把算法题多刷几遍。
效果还是很明显的。到第二次模考的时候，总分已经提到了310分。
初试：意外上岸
初试成绩出来那天，我紧张得手心冒汗。
颤抖着输入准考证号，点开成绩页面：
政治68分，英语62分，数学二98分，数据结构与算法90分，总分318分。
这个分数往年能过国家线，但不确定能不能进复试。
等国家线的那段时间，我每天都在煎熬。每天晚上睡不着觉，翻来覆去地想：如果没考上怎么办？是二战还是找工作？
最后，国家线出来了：273分。
我过了国家线，但排名中等，需要看能不能进复试。
那年报考我所选学校的有200多人，学校只招50个。我排名80多名，需要在复试中表现突出才有机会。
准备复试
知道了成绩后，我立刻开始准备复试。
复试包括笔试加面试。
笔试考的是数据库和计算机网络，比初试还难。把参考书目过了三遍，重点内容背得滚瓜烂熟。
面试是最让我头疼的。
我从来没有参加过正式的研究生面试，不知道会问什么问题。
在网上搜了很多”考研面试常见问题”，然后自己练习回答。还找了一个同学，模拟面试场景。他扮演面试官，我扮演考生。我回答完，他给我提意见。
练了大概十几次，终于没那么紧张了。
复试当天
复试那天，我穿上了正装，提前一个小时就到了考场。
笔试还算顺利，大部分题目我都会。
面试是下午进行的。
轮到我的时候，深吸一口气，推门进去。
面试官一共有五个，都是学院的老师。坐在中间的是一个戴眼镜的中年教授，姓李。
李教授开口问了我第一个问题：“你做过什么项目？有什么成果？”
我把之前做的电商数据分析项目讲了一遍：从数据采集到数据清洗，再到用户画像分析……
李教授追问了一些技术细节：
“你们用Spark处理数据的时候，有没有遇到过数据倾斜问题？怎么解决的？”
这个问题我项目中确实遇到过，但当时是学长帮忙解决的，我自己不太懂。
我说：“当时遇到了一些数据倾斜问题，我们用了加盐的方式来处理……”（其实我只记得大概思路，具体细节不太清楚）
李教授眉头皱了皱，又问：“你用的什么算法做用户画像？有没有考虑过其他算法？”
我说：“我们主要用的是基于规则的标签提取，没有用机器学习算法……”
李教授摇了摇头，说：“用户画像有很多种方法，基于规则的只是其中一种。你应该多了解一些机器学习的方法，比如聚类、分类等。”
我当时的心里特别紧张——感觉自己回答得很差。
最后，另一个老师问了一个英语问题：“Please introduce your favorite programming language.”
我用英语介绍了Java，但说得磕磕绊绊，好几个单词都想不起来。
考研失败
一周后，成绩公布。
颤抖着点开页面：
初试成绩318分，复试成绩68分，总成绩排名靠后，录取状态未录取。
我考研失败了。
那一刻，我整个人都懵了。虽然知道自己表现不好，但真正看到”未录取”三个字的时候，还是很难接受。
我妈打电话问我成绩，我说妈，我没考上。
电话那头沉默了很久，我妈才说没关系，丫头，二战也行。
我说我不想二战了，我想先工作。
挂掉电话后，我一个人在宿舍哭了一个晚上。
重新出发
考研失败的那段时间，我很低落。但我没有时间悲伤——春招已经开始了，我得抓紧时间找工作。
调整了简历，突出自己的项目经验和技能。然后开始海投：大数据开发、数据分析、Java开发……能投的都投了。
说实话，一开始挺受挫的。大数据岗位要求高，我的简历经常石沉大海。
有一次，我投了一家知名互联网公司的数据开发岗位，简历直接被筛掉了，连面试机会都没有。
后来调整了策略——多投中小公司，这些公司对学历要求不高，更看重能力。
开始认真准备面试，把之前项目中的技术细节都复习了一遍。还去刷了一些大数据面试题：
HDFS的读写流程是什么？MapReduce的shuffle过程是什么？Kafka怎么保证消息不丢失？Spark的几种部署模式有什么区别？
这些知识点我都看过，但面试的时候被问到还是会紧张。
好在准备得还算充分，最后拿到了一家中小型互联网公司的offer：数据开发工程师。
入职之后
入职第一天，我紧张得要命。
提前半小时就到了公司，结果发现我的工位上什么都没有——没有电脑，没有键盘，没有鼠标。
HR带我办完入职手续后，给我分配了一个工位，然后说：“你的电脑在仓库，等会儿IT会给你送过来。”
在工位上坐了一个小时，无所事事，特别尴尬。
后来电脑送来了，赶紧安装开发环境：IDEA、Git、Maven、Hadoop、Hive……
安装的过程中遇到了很多问题：
Maven依赖下载特别慢，换了阿里云的镜像才解决。Hadoop集群连不上，检查了半天配置才发现是IP写错了。Hive连接MySQL报错，查了半天日志才发现是驱动版本不对……
这一天，什么都没干，光配置环境了。
入职第二周，开始正式做任务。
第一个任务是写一条SQL，从数据仓库里提取用户的活跃数据。
这条SQL看起来很简单。
我把SQL写完后，发给了组长审查。
组长看完，说有几个问题：这里需要加一个过滤条件，排除测试账号。分组后需要加一个having子句，过滤掉活跃天数小于3天的用户。这里的login_time是什么单位？如果是秒，需要转换成小时。
我按照组长的意见修改后，SQL终于通过了。
这次经历让我明白：写SQL不能只看逻辑，还要考虑业务需求。
入职一个月后，遇到了第一次加班到凌晨。
那天快下班的时候，组长突然跟我说，有个紧急需求，明天一早要给业务方出数据。今晚必须搞定。
我看了一下需求文档——要从三个不同的数据源拉数据，然后做关联处理，最后导出Excel。
正常情况下，这个任务要两天才能完成。但业务方催得紧，没办法，只能加班。
从晚上七点开始做，一直做到第二天凌晨两点。
中间没吃饭，就在公司楼下便利店买了个面包啃。困了就用冷水洗把脸，醒醒神。
最后，在凌晨两点的时候，任务终于完成了。
第二天早上，顶着两个黑眼圈去上班，整个人都快散架了。
但看着手里的数据报表，我觉得特别有成就感——虽然累，但这是我自己完成的。
这次经历让我明白：数据开发工作，有时候真的很辛苦。
工作一年后的感悟
现在我在公司数据部门工作一年多了。
工作内容包括：数据采集，用Flume、Kafka等工具采集日志数据。数据处理，用Hive、Spark做数据清洗和分析。数据仓库建设，构建数据仓库，搭建数据指标体系。报表开发，用SQL和BI工具制作数据报表。
工资到手8000多，不算高，但能学到东西。
工作之余，我也在继续学习：学习Spark源码，了解底层原理。学习数据治理，了解如何保证数据质量。学习业务知识，了解业务部门的需求。
工作一年后，我鼓起勇气投了几家其他公司，想看看自己的市场价值。
第一家公司是个中型互联网公司，面试数据开发岗位。面试分两轮。
第一轮是技术面，问了很多大数据相关的知识。这些问题我工作中都遇到过，所以回答得还不错。
第二轮是leader面，问了一些项目经验和职业规划。这些问题我没有提前准备，回答得比较一般。
最后面试官说：“你的技术基础还不错，但项目经验还不够深入。我们这个岗位需要独当一面的能力，你可能还需要再积累一两年。”
这次面试虽然没有拿到offer，但让我知道了自己的不足。面试是最好的学习方式。
聊聊大数据这条路
干了数据开发一年多，我有了一些感受想分享。
大数据专业考研还是就业
这个问题我纠结了很久。最后的答案是：看个人情况。
如果想做算法，或者进大厂，考研确实有帮助。学历在某些时候是敲门砖，特别是在竞争激烈的时候。
但如果只是想找个工作，积累几年经验后也有机会往上走。我现在的同事有很多是本科毕业，工作几年后也发展得不错。
关键是认清自己，找到适合自己的路。
技术要扎实
Java、Python、SQL、Hadoop、Spark……这些是基础，要扎实掌握。
我在工作中发现，SQL是最重要的技能之一，几乎每天都要写。所以建议学弟学妹们把SQL练熟。
项目经验很重要
大数据是实践性很强的方向，多做项目，积累经验。
我在学校做的那个电商数据分析项目，虽然很简单，但面试的时候还是帮了我不少忙。
持续学习
大数据技术更新很快，要持续学习才能跟上发展。
我现在每周都会抽时间看一些技术博客，学习新的技术。
保持好奇心
大数据是个很有趣的领域，数据背后藏着很多有意思的故事。保持好奇心，才能在这行走得更远。
数据是金矿，愿你成为那个掘金人。
关联阅读
- 考研备考参考 5.【考研】高价值信息差
- 案例索引 0000_1001案例总索引
- 知识库总索引 0000浪尖大学四年知识库_总索引