《大数据分析与应用开发职业技能等级标准》

ICS35.080

CCS6450

CAICI

中国通信企业协会团体标准

T/CAICIXXXX—XXXX

大数据分析与应用开发职业技能等级标准

Bigdataanalysisandapplicationdevelopmentvocationalskilllevelstandard

（征求意见稿）

XXXX-XX-XX发布XXXX-XX-XX实施

中国通信企业协会发布

T/CAICIXXXX—XXXX

大数据分析与应用开发职业技能等级标准

1范围

本标准规定了大数据分析与应用开发职业技能等级对应的人才工作领域、工作任务及职业技能要求

等。

本标准是衡量从业人员技能水平和工作能力的尺度，是进行技能培训、技能鉴定、企业用人以及开

展国际劳务合作交流的主要依据。

本标准适用于大数据分析人才和大数据开发人才的各种不同岗位的工作职责和能力要求、职业技能

培训、考核与评价、相关用人单位的人员聘用、培训与考核可参考使用。

大数据分析人才主要指大数据分析师。大数据分析师通过充分合理利用大数据，在海量数据中

进行数据挖据与展现后，为企业决策者提供清晰、准确且有数据支撑的报告。具体职责包括数据挖掘模

型的构建、维护、部署和评估；整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，

为业务发展提供决策支持等。

大数据开发人才主要指大数据开发工程师。大数据开发工程师负责数据仓库建设、ETL开发、

大数据实时计算平台及业务开发、平台建设及维护、数据分析、数据指标统计等工作内容。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T35295-2017信息技术大数据术语

GB/T5271.1-2000信息技术词汇第1部分：基本术语

GB/T33745-2017物联网术语

GB/T36326-2018信息技术云计算云服务运营通用要求

GB/T35589-2017信息技术大数据技术参考模型

GB/T35274-2017信息安全技术大数据服务安全能力要求

GB/T38673-2020信息技术大数据大数据系统基本要求

GB/T37721-2019信息技术大数据分析系统功能要求

GB/T37722-2019信息技术大数据存储与处理系统功能要求

GB/T36073-2018数据管理能力成熟度评估模型

3术语和定义

GB/T35295-2017界定的以及下列术语适用于本标准。

3.1大数据bigdata

具体体量巨大、来源多样、生成极快、多变等特征并且难以用传统数据体系结构有效处理的包含大

量数据集的数据。

[GB/T35295-2017，定义2.1.1]

1

T/CAICIXXXX—XXXX

3.2数据data

信息的可再解释的形式化表示，以适用于通信、解释或处理。

[GB/T5271.17-2000，定义1.1.2]

3.3大数据服务bigdataservice

基于大数据参考体系结构提供的数据服务。

[GB/T35295-2017，定义2.1.15]

3.4分析analytics

根据信息合成知识的过程。

[GB/T35295-2017，定义2.1.48]

3.5数据处理dataprocessing

数据操作的系统执行。

[GB/T35295-2017，定义2.2.2]

3.6数据管理datamanagement

在数据处理系统中，提供对数据的访问，执行或监视数据的存储，以及控制输入输出操作等功能。

[GB/T5271.17-2000，定义1.8.2]

3.7大数据系统bigdatasystem

实现大数据参考体系结构的全部或部分功能的系统。

3.8分布式计算distributedcomputing

一种覆盖存储层和处理层的、用于实现多类型程序设计算法模型的计算模式。

3.9结构化数据structureddata

一种数据表示形式，按此种形式，由数据元素汇集而成的每个记录的结构都是一致的并且可以使用

关系模型予以有效描述。

[GB/T35295-2017，定义2.2.13]

3.10非结构化数据unstructureddata

不具有预定义模型或未以预订方式。

[GB/T35295-2017，定义2.1.25]

3.11数据仓库datawarehouse

在数据准备之后用于永久性存储数据的数据库。

2

T/CAICIXXXX—XXXX

[GB/T35295-2017，定义2.1.35]

3.12数据治理datagovernance

对数据进行处置、格式化和规范化过程。

[GB/T35295-2017，定义2.1.43]

3.13数据集dataset

数据记录汇聚的数据形式。

3.14元数据metadata

关于数据或数据元素的数据（可能包括其数据描述），以及关于数据拥有权、存取路径，访问权和

数据易变性的数据。

[GB/T5271.17-2010，定义17.6.5]

3.15数据挖掘datamining

从大量的数据中通过算法搜索隐藏于其中信息的过程。

3.16查询语言querylanguage

一种供用户以对数据库中的数据进行检索并进行检索并可能加以修改的数据操纵语言。

例：结构化查询语言（SQL）

[GB/T5271.17-2010，定义17.7.9]

3.17数据字典datadictionary

对数据的数据项、数据结构、数据流、数据存储、处理逻辑等进行定义和描述，其目的是对数据流

程图中的各个元素做出详细的说明，使用数据字典为简单的建模项目。简而言之，数据字典是描述数据

的信息集合，是对系统中使用的所有数据元素的定义的集合。

3.18数据流程图（数据流图）dataflowdiagram;DFD

一种能全面地描述系统数据流程的主要工具，它用一组符号来描述整个系统中的信息的全貌，综合

地反映出信息在系统中的流动、处理和存储情况。

3.19数据可视化datavisualization

关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为一种以某种概要

形式抽提出来的信息，包括相应信息单位的各种属性和变量。

3.20商业智能businessintelligence,BI

又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术

进行数据分析以实现商业价值。

3

T/CAICIXXXX—XXXX

4总则

4.1总体目标

结合大数据行业的特点，根据《国务院关于印发促进大数据发展行动纲要的通知》、《国务院关于

印发国家职业教育改革实施方案的通知》、《关于在院校实施“学历证书+若干职业技能等级证书”制

度试点方案》等有关规定，对比国内设立数据科学专业的高校培养方案，通过借鉴国内先进标准，对接

科技发展趋势、市场需求，衔接专业教学标准，设计大数据开发与分析职业技能等级标准，建立职业技

能等级标准体系，深化复合型技术技能人才培养的培训模式和人才评定模式，构筑技术技能人才成长通

道，拓展就业创业本领，促进学习者灵活、高质量就业。

4.2遵循原则

4.2.1科学性原则

职业技能等级标准的开发设计依据职业标准并结合职业岗位或职业岗位群工作任务，客观、准确地

确定标准的范围、等级及职业技能要求。

4.2.2规范性原则

职业技能等级标准依据本指南所规定的标准框架、程序与方法等开发设计，表述准确、规范，层次

清晰，逻辑严谨，专业术语和定义符合所属行业最新国家标准和规范，前后一致，内容应及时反映产业

主流技术，体现行业最新要求。

4.2.3广泛性原则

职业技能等级标准的开发设计应联合行业、企业、院校等相关各方参与，提高标准含金量和权威性，

赢得行业企业广泛认可，保障标准实施。

4.2.4适应性原则

职业技能等级标准要反映行业、企业最新技术技能发展水平，体现产业发展新技术、新工艺、新规

范、新要求，适应不同地域之间可能存在的差异，符合职业院校教学规律，满足院校教学实际需求，内

容应具体化，可度量、可检验、可操作。

5职业概况

5.1职业名称

大数据分析师、大数据开发工程师

5.2职业定义

大数据分析师：充分合理利用大数据，在海量数据中进行数据挖据与展现，为企业决策者提供

清晰、准确且有数据支撑的报告。具体职责包括大数据采集、清洗、分析、治理、挖掘，以及数据模型

的构建、维护、部署和评估；整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，为

业务发展提供决策支持、管理支持、技术维护和技术服务等。

大数据开发工程师：从事数据仓库建设、ETL开发、大数据实时计算平台及业务开发、平台建

设及维护、数据分析、数据指标统计等工作内容。

5.3专业技术等级

4

T/CAICIXXXX—XXXX

本职业共设三个等级，分别为初级、中级、高级。

5.4职业能力特征

具有较强的学习能力、计算能力、表达能力及分析、推理和判断能力、规划/开发和架构能力。

5.5普通受教育程度

大学专科学历（或高等职业学校毕业）及以上。

6基本要求

6.1职业道德

6.1.1职业守则

（1）遵纪守法，爱岗敬业。

（2）精益求精，勇于创新。

（3）爱护设备，安全操作。

（4）遵守规程，执行工艺。

（5）认真严谨，忠于职守。

6.2基础知识

6.2.1基础理论知识

（1）操作系统知识

（2）计算机网络知识

（3）编程基础知识

（4）数据结构与算法知识

（5）数据库知识

（6）软件工程知识

（7）云计算知识

（8）大数据知识

6.2.2技术基础知识

（1）大数据系统环境安装、配置和调试知识

（2）大数据平台架构知识

（3）软件应用开发知识

（4）接口开发与功能模块设计知识

（5）数据采集与数据预处理知识

（6）数据计算与数据指标知识

（7）常用数据分析与挖掘方法

（8）常用数据报表与可视化技术方法

（9）数据管理知识

（10）数据运营及技术指导知识

6.2.3数据安全知识

5

T/CAICIXXXX—XXXX

（1）大数据应用、设备与外部服务组件安全管理知识

（2）大数据服务用户身份鉴别与访问控制管理相关知识

（3）大数据服务数据活动安全管理知识

（4）大数据服务基础设施安全管理知识

（5）大数据系统应急响应管理知识

6.2.4相关法律、法规知识

（1）《中华人民共和国个人信息保护法》

（2）《中华人民共和国数据安全法》

（3）《中华人民共和国消费者权益保护法》

（4）《中华人民共和国劳动法》相关知识

（5）《中华人民共和国安全生产法》相关知识

（6）《中华人民共和国网络安全法》相关知识

（7）《关于加强网络信息保护的决定》相关知识

（8）《关键信息基础设施安全保护条例》相关知识

（9）《网络安全等级保护条例》相关知识

（10）《电信和互联网用户个人信息保护规定》相关知识

（11）《促进大数据发展行动纲要》

（12）《国家网络空间安全战略》

（13）《禁止网络不正当竞争行为规定》

（14）《征信业务管理办法》

6.2.5其他相关知识

（1）环境保护知识

（2）文明生产知识

（3）劳动保护知识

（4）资料保管保密知识

7面向职业岗位

主要面向信息化企事业及大数据产品企业管理者、产品负责人（金融、房地产、电子商务、物联网、

互联网、新一代信息技术，智慧产品、智慧城市软硬件供应商等相关企业）、大数据规划设计院相关人

员；对大数据感兴趣的业内人士；大数据，云计算相关专业的高校教师、学生；各级大数据建设工作领

导小组办公室负责人；从事大数据架构设计、大数据开发、大数据分析处理、大数据平台维护管理等工

作岗位的相关人员等。

8职业技能要求

8.1职业技能等级划分

大数据开发与分析职业技能等级都分为三个等级：初级、中级、高级，三个级别的专业能力要求和

相关知识要求依次递进，高级别涵盖低级别职业技能要求。

【大数据分析师】（初级）：主要负责数据咨询，收集企业或客户的数据需求，准备相关数据，并

进行数据处理工作，能够胜任相关业务指标分析以及基本的统计描述型数据分析、数据可视化与报告撰

写；掌握分类、聚类等常用的分析算法，以及Excel、SPSS、Python等分析工具。

6

T/CAICIXXXX—XXXX

【大数据分析师】（中级）：主要负责将整理好的数据进行仓储管理，独立完成数据分析处理、BI

报表、数据可视化、熟练运用数据建模与分析技术进行数据挖掘预测等工作；熟练掌握各种常见分析算

法和分析工具，能够编写复杂的大数据分析报告。

【大数据分析师】（高级）：根据业务需求，参与制定数据策略与规划，完成云上大数据系统架构

规划、设计及部署，构建完善的数据分析及运营体系等工作，能从大数据分析结果中洞察风险因素，并

提出预警；带领团队开展各领域大数据分析，利用大数据为企业创造更多的价值。

【大数据开发工程师】（初级）：主要负责大数据环境搭建，能够独立对开发环境进行安装，创建

Linux系统环境，了解Hadoop大数据架构的部署；熟练掌握Python、Java、Scala等编程语言与数据库语

言，进行大数据采集、清洗、存储与分析、可视化等；能根据工作安排，完成与客户沟通、技术支持与

服务等工作。

【大数据开发工程师】（中级）：主要负责大数据应用开发，部署Hadoop大数据架构，搭建分布式

开源数据库HBase、Hive系统架构、Spark框架，对大数据平台进行容量规划并可进行监控、处理故障等；

能进行数据库管理、SQL优化等技术提升应用程序性能；负责基于大数据的数据分析算法、挖掘模型研

究与开发应用工作、数据可视化产品开发。

【大数据开发工程师】（高级）：能独立部署应用，规划系统容量及软硬件；负责大数据平台搭建、

整体规划设计及性能优化、组件维护，能应用企业级框架；能运用基本的数据结构和算法、多线程并

发编程；对机器学习与深度学习有全面的了解，运用其进行算法、模型研究与开发应用工作，能够带领

团队进行数据可视化报表开发、可视化大屏可视化系统开发和维护。

8.2职业技能等级要求描述

8.2.1大数据分析师职业技能等级要求描述

表1大数据分析师职业技能等级要求（初级）

工作领域工作任务职业技能要求

1.1.1能够了解大数据的概念、理清业务逻辑。

1.1.2能够建立大数据分析思维。

1.1业务理解与需求发现1.1.3能够熟练掌握大数据分析的流程。

1.需求分析1.1.4能够发现工作中运用大数据分析解决业务

与管理问题的需求和机会。

1.2.1能够与客户、产品经理或数据科学家对业

1.2需求咨询与分析

务需求进行沟通、分析并细化需求的要求。

2.1.1能够在进行数据分析之前进行数据清理与

准备。

2.1.2能够确保数据质量，理解数据质量的重要

性，数据的完整性、可靠性、有效性。

2.1针对业务需求进行数

2.数据预处理2.1.3能够完成核心数据描述工作，识别异常数

据准备、清洗和整理工作

据，掌握数据描述工具的使用。

2.1.4能够根据业务需求，使用SQL进行基本的

数据查询。

2.1.5能够完成核心数据清洗工作，掌握数据清

7

T/CAICIXXXX—XXXX

洗工具的使用。

2.1.6能够与数据科学家沟通特定的数据需求。

2.1.7能够掌握基本数据处理方法，对数据进行

归类、重组、合并、再配置,以增强分析价值。

3.1.1能够熟悉基础业务数据分析体系和各项业

务数据指标。

3.1.2能够使用常用分析工具Excel、SAS、SPSS、

3.数据基本统计分3.1对各类数据变量

R及其常用组件的基本操作。

析进行统计、分类

3.1.3能够熟练掌握描述性统计方法、统计描述

参数等。

3.1.4能够掌握常用的分类、聚类分析等算法。

4.1.1能够了解传统可视化及新型可视化技术的

常见形式，能够使用数据可视化常用工具Excel、

4.数据可视化4.1数据可视化处理Echarts、PowerBI、Tableau等。

4.1.2能够根据业务需求，针对不同的数据指标、

不同的分析维度选择不同的图表展现形式。

5.1.1能够在业务主管的指导下根据数据分析可

视化结果，形成有条理、有逻辑的日报、周报、

月报、专题报告、行业分析报告等数据分析报告。

5.1.2能够通过数据分析可视化结果，得出有效

5.报告撰写5.1分析报告撰写

的分析结论并体现在数据分析报告中。

5.1.3能够根据数据分析可视化结果，发现业务

中存在的问题，给出解决建议或提出对业务有促

进的建议，并体现在数据分析报告中。

表2大数据分析师职业技能等级要求（中级）

工作领域工作任务职业技能要求

1.1.1能够快速理解客户需求，参与数据需求设

1.1需求咨询与分析

计、数据模型的需求分析。

1.2.1能够独立解答客户关于大数据基础理论相

关的问题。

1.2大数据技术1.2.2能够独立解答客户关于大数据分析技术相

咨询关的问题。

1.大数据咨询

1.2.3能够根据实际业务情况，输出大数据技术

说明文档。

1.3.1能够根据业务需求，选择合适的大数据平

1.3大数据平台台及方案。

咨询1.3.2能够根据业务需求，选择合适的大数据存

储计算产品。

8

T/CAICIXXXX—XXXX

1.3.3能够根据业务需求，选择合适的大数据可

视化产品。

1.3.4能够解答关于大数据平台使用相关的问

题。

1.3.5能够根据业务需求，输出大数据分析解决

方案架构图及说明文档。

2.1.1能够熟练使用结构化数据存储工具，如关

系数据库、结构化查询语言（SQL）。

2.1.2能够安装数据库以及创建基本对象，如

MySQL、SQLServer、Oracle等，熟悉常用数据

库之间数据的互相导入。

2.1.3能够熟练使用非结构化数据存储工具。

2.数据库2.1数据存储与查询

2.1.4能够熟悉数据库开发及原理，熟练编写简

单存储过程。

2.1.5能够根据业务需求，使用SQL进行数据查

询、数据清洗。

2.1.6能够独立使用大数据平台实现数据库与大

数据平台之间的数据迁移。

3.1.1能够构建基础业务数据分析体系，帮助确

定各项业务数据指标，统一指标口径。

3.1.2能够编写较为复杂的数据提取语句，准确

地横跨众多业务线的底层数据表提取数据。

3.1.3能够掌握相关算法如：多元回归、时间序

3.1数据挖掘列预测法、朴素贝叶斯分类算法、支持向量机分

类算法、决策树等算法。

3.1.4能够运用数据挖掘、数据分析相关工具如

SPSS、Python、SAS、Stata、MATLAB、R等。

3.1.5能够基于数据挖掘分类算法，对业务目标

进行预测分析、监控预警等。

3.数据挖掘分析

3.2.1能够构建用户数据模型，挖掘用户属性及

用户喜好等需求，为个性化产品推荐提供支持。

3.2.2能够构建产品、运营及活动用户行为评估

体系，通过数据分析对产品、运营、市场提出建

3.2数据建模

议并推动实施。

3.2.3能够使用不同维度和方法，对模型效果进

行准确性评估。

3.2.4能够通过调整参数，使模型效果不断优化。

3.3.1能够基于机器学习平台，运用神经网络、

3.3机器学习XGBoost、随机森林等算法搭建基本的机器学习流

程。

9

T/CAICIXXXX—XXXX

3.3.2能够基于机器学习平台，根据业务需求进

行分类、聚类分析。

3.3.3能够基于机器学习平台，根据用户画像分

析，构建简单的推荐系统。

3.3.4能够基于机器学习平台，根据用户行为进

行用户流失预测。

4.1.1能够使用数据可视化常用工具Excel、

Echarts、PowerBI、Tableau等。

4.1.2能够根据业务需求，针对不同的数据指标、

不同的分析维度选择不同的图表展现形式，掌握

商业智能的场景应用实践。

4.1数据可视化

4.数据可视化4.1.3能够根据数据可视化方案和数据分析指

处理

标，使用数据可视化工具完成数据BI报表的制作

与重要指标的监控预警。

4.1.4能够构建数据仪表盘及其他形式的分析报

告以满足战略及决策支持需要，完成数据展示大

屏的制作。

5.1.1能够在业务主管的指导下根据数据分析可

视化结果，形成有条理、有逻辑的日报、周报、

月报、专题报告、行业分析报告等数据分析报告。

5.1.2能够通过数据分析可视化结果，得出有效

5.1分析报告撰

5.报告撰写的分析结论并体现在数据分析报告中。

写

5.1.3能够发现业务中存在的问题，给出解决建

议或提出对业务有促进的建议，用管理层或业务

人员易于理解的方式及语言向其呈现，满足信息

使用者的特定需求。

表3大数据分析师职业技能等级要求（高级）

工作领域工作任务职业技能要求

1.1.1能够快速理解客户需求，参与数据需求设

1.1需求咨询计、数据模型的需求分析。

与分析1.1.2能够根据业务需求构建数据评估体系，对

企业数据进行规范性评估。

1.2.1能够独立解答客户关于大数据基础理论相

1.大数据咨询

关的问题。

与分析

1.2大数据技术1.2.2能够独立解答客户关于大数据分析技术相

咨询与分析关的问题。

1.2.3能够根据实际业务情况，输出大数据技术

说明文档。

1.3大数据平台1.3.1能够根据业务需求，选择合适的大数据平

10

T/CAICIXXXX—XXXX

咨询台及方案。

1.3.2能够根据业务需求，选择合适的大数据存

储计算产品。

1.3.3能够根据业务需求，选择合适的大数据可

视化产品。

1.3.4能够解答关于大数据平台使用相关的问

题。

1.3.5能够根据业务需求，输出大数据分析解决

方案架构图及说明文档。

1.3.6能够通过大数据平台，独立进行数据同

步、集成、开发、管理等工作。

2.1.1能够熟练使用结构化数据存储工具，如关

系数据库、结构化查询语言（SQL）。

2.1.2能够安装数据库以及创建基本对象，如

MySQL、SQLServer、Oracle等，熟悉常用数据

库之间数据的互相导入。

2.1数据存储与查询2.1.3能够熟练使用非结构化数据存储工具。

2.1.4能够熟悉数据库开发及原理，熟练编写简

单存储过程。

2.1.5能够根据需求，使用SQL进行数据查询。

2.数据库2.1.6能够独立使用大数据平台实现数据库与大

数据平台之间的数据迁移。

2.2.1能够配合大数据开发工程师进行数据仓库

方案设计，选择合适的大数据产品进行数据仓库

搭建。

2.2.2能够独立使用数据仓库进行数据的ETL（抽

2.2数据仓库

取、转化、加载）操作。

2.2.3能够基于大数据平台完成数据仓库的搭

建，包括数据的采集、同步、清洗、计算、分析、

展现等。

3.1.1能够构建基础业务数据分析体系，帮助确

定各项业务数据指标，统一指标口径。

3.1.2能够编写较为复杂的数据提取语句，准确

地横跨众多业务线的底层数据表提取数据。

3.1.3能够掌握相关算法如：多元回归、时间序

3.数据挖掘分析3.1数据挖掘列预测法、朴素贝叶斯分类算法、支持向量机分

类算法、决策树等算法。

3.1.4能够掌握数据挖掘、数据分析相关工具如

SPSS、Python、SAS、Stata、MATLAB、R等。

3.1.5能够基于数据挖掘分类算法，对业务目标

进行预测分析、监控预警等。

11

T/CAICIXXXX—XXXX

3.2.1能够构建用户数据模型，挖掘用户属性及

用户喜好等需求，为个性化产品推荐提供支持。

3.2.2能够构建产品、运营及活动用户行为评估

体系，通过数据分析对产品、运营、市场提出建

3.2数据建模

议并推动实施。

3.2.3能够使用不同维度和方法，对模型效果进

行准确性评估。

3.2.4能够通过调整参数，使模型效果不断优化。

3.3.1能够基于机器学习平台，运用神经网络、

XGBoost、随机森林等算法搭建基本的机器学习流

程。

3.3.2能够基于机器学习平台，根据业务需求进

3.3机器学习行分类、聚类分析。

3.3.3能够基于机器学习平台，根据用户画像分

析，构建简单的推荐系统。

3.3.4能够基于机器学习平台，根据用户行为进

行用户流失预测。

4.1.1能够使用数据可视化常用工具Excel、

Echarts、PowerBI、Tableau等。

4.1.2能够根据业务需求，针对不同的数据指标、

不同的分析维度选择不同的图表展现形式，掌握

商业智能的场景应用实践。

4.1数据可视化

4.数据可视化4.1.3能够根据数据可视化方案和数据分析指

处理

标，使用数据可视化工具完成数据BI报表的制作

与重要指标的监控预警。

4.1.4能够构建数据仪表盘及其他形式的分析报

告以满足战略及决策支持需要，完成数据展示大

屏的制作。

5.1.1能够在业务主管的指导下根据数据分析可

视化结果，形成有条理、有逻辑的日报、周报、

月报、专题报告、行业分析报告等数据分析报告。

5.1.2能够通过数据分析可视化结果，得出有效

的分析结论并体现在数据分析报告中。

5.1分析报告撰

5.报告撰写5.1.3能够发现业务中存在的问题，给出解决建

写

议或提出对业务有促进的建议，用管理层或业务

人员易于理解的方式及语言向其呈现，满足信息

使用者的特定需求。

5.1.4能够围绕企业的现状与目标，带领团队完

成数据分析，并编写复杂的数据分析报告。

6.大数据分析体系6.1大数据6.1.1能够根据业务需求，基于云平台进行大数

构建架构规划与设计据系统架构设计并实现搭建部署。

12

T/CAICIXXXX—XXXX

6.1.2能够根据业务需求，规划设计自建大数据

系统往云上迁移的方案。

6.1.3能够发现现有大数据系统架构的问题，并

提出合理的优化建议。

6.1.4能够输出完整的大数据系统架构设计、优

化文档。

6.2.1能够迅速理解业务和现有数据解决方式，

通过快速迭代测试并展示大数据和数据分析方

案。

6.2数据指标体

6.2.2能够有效参与业务的数据体系的策略规

系构建

划，提供有价值的建议。

6.2.3能够思考业务的关键成功因素，搭建业务

分析框架。

6.3.1能够进行深入的市场调研，对用户行为进

行分析，不断优化数据分析模型。

6.3.2能够通过海量数据的挖掘和分析，形成报

告，汇报给决策层，支持战略规划。

6.3行业认知及前瞻性研

6.3.3能够熟练应用数据分析技术，不仅在深度

究

上，并且要在广度上了解最新技术进展和突破，

并能因时制宜地应用在实际场景中。

6.3.4能够根据最新技术及产品，不断优化数据

分析架构及系统。

8.2.2大数据开发工程师职业技能等级要求描述

表4大数据开发工程师职业技能等级要求（初级）

工作领域工作任务职业技能要求

1.1.1能够创建虚拟机及安装Linux操作系统。

1.1.2能够区分Linux系统种类。

1.创建Linux系统1.1Linu操作系统安装和

1.1.3能够了解Linux系统管理。

环境使用

1.1.4能够部署及配置Linux。

1.1.5能够编写shell脚本。

2.1.1能够熟悉分布式系统概念、架构。

2.1.2能够了解Hadoop的核心和特点。

2.1了解Hadoop大数据2.1.3能够独立完成Hadoop平台安装，配置

2.大数据平台架构

架构的部署Hadoop环境变量。

2.1.4能够厘清HDFS的前提和设计目标。

2.1.5能够编写并运行MapReduce程序。

3.大数据应用基础3.1熟练掌握3.1.1能够根据开发团队的要求，正确安装配置

13

T/CAICIXXXX—XXXX

编程Java\Scala编程语言JDK。

3.1.2能够根据Java\Scala程序工作机制，验证

Java\Scala程序的编译和运行是否正确。

3.1.3能够熟练运用数组存取数据。

3.1.4能够熟练运用Java\Scala语言的包和访

问控制机制提升代码安全性。

3.2.1能够熟练掌握Python数据爬虫的基本原

理。

3.2熟练掌握Python编3.2.2能够熟练掌握Numpy库、Pandas库等，对

程语言数据进行清洗、存储、处理及分析。