1. 数据挖掘工程师需要的技能
大致上分为两个方向，一个软件，一个硬件。但是并不是有完整的分界线。就像一个人，思想是软件，躯体是硬件。很多搞硬件的也会去做程序设计，很多搞软件的，也要让软件在某些设备上，比如机器人上跑起来。
硬件方面上：一般是电子硬件技术相关。经常需要设计一些硬件甚至是控制系统，当然也会设计到编程。
软件方向上：可以讲，氛围很广。从语言到技术，从前端到后台，甚至是整个操作系统都会设计。
有些东西是 很模糊的，比如说计算理论也是计算机科学里面很古老的一门学科，但是这门学科算什么呢？更多时候是在数学的角度上考虑计算机的计算能力以及可行行等问题上。
所以不如提一下计算机包含哪些课程。
一门语言，关于计算机编程相关的，比如c语言。
数据结构和算法，这是计算机上编程的设计方法和艺术体现的地方。
计算机体系结构，这门课一般设计到计算机硬件是怎样构成，整个体系结构如何设计。
计算机操作系统，这个是设计一个操作系统一般需要考虑哪些问题。
计算机网络，设计到计算机如何通信。
数据库， 如何结构化存储数据，设计数据库的原则。
软件工程，这个如何用工程学的观点，设计，管理软件。
信号处理，信号这东西，可以是一段音频，可以是一符图像，也可以是传感器采集来的信息，但是信号如何处理，变换，一个信号系统是什么样子。这门课应用广泛，很很多学科的基础。
计算机图形学，很有意思的学科，如何在计算机上构建图形系统，应用有CAD，三维模型，游戏等各个方面。这门学科涉及到解析几何，代数，几何等等。
计算机图像处理，关于图像的种种，怎么做个过滤，怎么做个均衡。
多媒体，设计到音频，视频，图像，等等。
编译原理，被称为很难的一门本科课程，探讨语言本身，如何让计算机理解的问题，以及怎样设计一个编译系统。
计算机理论，很理论的学科，有自动机理论，图灵机理论，计算复杂性理论。
信息论，密码学，看看香农那辈人的贡献，以及现代密码学的一些东西，比如AES，MD5，DES，RSA,椭圆加密等等。
人工智能，这个是一个大类，包括狭义的和广义之分，下面有众多其他学科，比如机器学习，数据挖掘，自然语言处理，机器视觉等等等等。
模电，数电，还有单片机等课程
2. 数据挖掘工程师的工作内容
BI工程师主要是报表开发，需要有一定的数据库经验，掌握SQL查询优化方法，精通Oracle、SQL Server、MySQL等主流数据库的应用设计、性能调优及存储过程的开发。掌握BI相关工具，如ETL工具（如SSIS）、OLAP工具（如SSAS）和前端展示工具，熟悉ETL逻辑、OLAP设计和数据挖掘相关算法。
工作职责:
1.负责ETL设计、模型设计、开发、技术支持等工作；
2.负责ETL应用开发，数据库性能进行调优；
3.参与数据抽取、加载、转换和脚本开发；
4.负责BI展现的开发；
5.使用Hadoop, Hive等对海量日志进行统计分析
3. 数据挖掘工程师岗位要求
数据采集，数据挖掘，数据清洗，数据分析
4. 数据工程师需要掌握哪些技能
大数据人才需要具备的能力一般较高，尤其是综合技术能力。比如拿大数据工程师来说，其需要具备以下几方面的技能：
信息挖掘能力
每天都有数以万计的数据信息产生，这些数据中不乏有很多无用的信息，那到底什么样的信息可以被重新利用？这就考验了数据工程师对于数据灵敏的挖掘能力，挖掘出想要的有用的信息进行分析，这是对工程师最基本的考量。
信息处理能力
无论是在哪个行业，对事态的处理都是考验能力最好的办法，在大数据行业也不例外。在高级分析技术方面，工程师独具的自主思考能力是无可替代的。大数据在处理时所运用的工具和技术具备很大的优势，工程师根据企业不同的业务性质做出不同的判断，造成不同数据分析所达到的不同目的。
计算机编码能力
作为大数据工程师，许多数据都是从人们的点击、浏览中生成的文字、语音、图像或者更为复杂的其他数据信息，所以这就要求了大数据工程师需要分析各种毫无头绪的信息。不过大数据分析面向的基本都是商业分析，所以这就需要工程师具备基本的计算机处理能力。
团队协作能力
大数据开发工程师的工作必然会在一个团队中完成。团队成员间的完美对接、无障碍交流对顺利完成项目起着至关重要的作用。而部门间的相互配合、有效沟通，也对项目的进度起到了关键的作用。逻辑思维能力也是身为一名大数据开发工程师的内在能力。良好的逻辑思维可以让一名大数据开发工程师在工作中时刻保持着思路清晰，头脑清醒，效率高。
学习路线建议
阶段一、大数据基础——java语言基础方面
Java语言和数据库等就无须赘述了，这是最基础的基本功。
阶段二、 Linux&Hadoop生态体系
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架。
阶段三、 分布式计算框架和Spark&Strom生态体系
（1）分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算。
（2）storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解。
阶段四、 大数据项目实战
数据获取、数据处理、数据分析、数据展现、数据应用。
阶段五、 大数据分析 —AI（人工智能）
Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习。
1、Python机器学习；2、图像识别&神经网络；3、自然语言处理&社交网络处理；4、实战项目；5、户外设备识别分析。
5. 数据挖掘工程师需要的技能有哪些
统计员岗位一般需要整理数据资料，对业务数据进行统计、分析，并制作报表；根据项目需求，完成具体指定的重要数据统计，为相关决策提供一些依据。
按照职位类别来看，有偏财务的，有偏数据分析的，有偏生产和库存等。
常用的Excel技能可以分为五块：Excel公式+Excel常用技巧+Excel数据透视表+Excel图表+Excel VBA。
Excel公式
一般是从Excel公式开始学习，Excel公式这块分为5块：数据清洗类、关联匹配类、逻辑运算类、计算统计类和时间序列类。
常用Excel技巧
掌握了Excel常用公式后，还需要知道一些常用的Excel技巧，这样可以提高Excel使用的效率！
数据透视表
数据透视表是Excel中一个非常强大、使用最多的一个功能，可以让我们不必记住很多繁琐的公式，而实现对数据进行多维度分析。
Excel图表
古谚有云，一图胜万言。因为人类主要是视觉动物，很多时候通过图表来展现数据更有效，领导更喜欢。
Excel VBA
虽然Excel为我们提供了很多非常强大的功能，但是如果有很多Excel文件都需要处理，效率变得极为重要，Excel VBA是Excel中的一门编程语言，通过程序中的条件、循环等，可以极大地提高工作效率。
数据分析
虽然说统计员可能很少做数据分析，但有时候遇到一些数据分析问题，通过Excel的数据分析功能搞定，会让别人对你刮目相看，也许能得到更多的机会！
Excel提供了一些常用的数据分析工具库，通过调用这些库可以很容易实现一些数据分析功能。
欢迎关注【数据科学吧】，分享数据科学相关的知识！
6. 数据挖掘工程师需要哪些技能
数据挖掘起源于多种学科，其中最重要的是统计学和机器学习。统计学起源于数学其强调的是数学的精确性；机器学习主要起源于计算机实践其更倾向于实践，主动检测某个东西，来确定它的表现形式。
7. 数据挖掘工程师需要掌握的知识
本科或硕士以上学历，数据挖掘、统计学、数据库相关专业。熟练掌握关系数据库技术，具有数据库系统开发经验；熟练掌握常用的数据挖掘算法；具备数理统计理论基础，并熟悉常用的统计工具软件。国内一批大学，211或者985最好。
8. 数据挖掘工程师需要的技能证书
1.双证书权威性：工业和信息化部证书颁发的《数据分析师职业技术证书》，是目前我国项目分析业界唯一的经国家认证的考核证书。中国商业联合会数据分析专业委员会颁发的《CPDA数据分析师证书 》是中国数据分析业由协会唯一认可的、具有从业特征的证书体系，五名以上分析师可以申请成立项目数据分析师事务所，是承接项目数据分析报告唯一被市场及客户认可的资质证书。获得证书是对自身能力的一个有力证明。全国统考、中数委与工信部共同命题，公平、公正、严格，更具含金量。
2.专业：CPDA数据分析师证书依照从业认证，从2003年设立开始，既不设立任何级别。学员只有通过严苛的考核并合格后，才能拿到行业协会颁发的数据分析师证书，取得从业资质。坚持CPDA数据分析师不区分等级，正是协会严格尊重国际惯例、遵守从业规范的结果。