報表工程師能力

❶ 報表開發主要是做什麼的

報表是數據呈現的載體，功能也就是來展現數據的。
一般就是包括表格及統計圖這些類型，表格又分簡單的及復雜的報表格式，國外的表格一般較為簡單，從國外的報表產品也能看出來，但是國內的表格完全不同，也被稱為中國式復雜報表。 另外表格也具體數據錄入功能，在前端可以增刪改數據，提交入庫或者其他數據文件。並且可以嵌入到工作流中替代原產品中功能相對較弱的表單部分。
報表工具就是來快速開發上面提高的報表的，開發用於系統集成用於web端呈現。
目前國內報表廠商的功能基本都差不多了，比如老牌潤乾、Fr等，報表軟體本身沒什麼技術門檻可言，順手就行。

❷ 數據分析師和數據挖掘工程師的區別

我們先來了解一下兩者的區別。
一、意義不同
數據分析師 是數據師Datician的一種，指的是不同行業中，專門從事行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。
演算法(Algorithm)是一系列解決問題的清晰指令，也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。演算法工程師就是利用演算法處理事物的人。
二、薪資不同
數據分析師的職位平均工資大約在￥9086;演算法工程師職位平均工資水平(元/月-稅前)大約在￥1200之上。
數據分析師和演算法工程師哪個難?由上可知演算法工程師比數據分析師要難學。此外,企業對於數據分析師的技能要求很高，具體要求如下：
1、懂業務。
從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。
2、懂管理。
一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。
3、懂分析。
指掌握數據分析基本原理與一些有效的數據分析方法，並能靈活運用到實踐工作中，以便有效地開展數據分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。
4、懂工具。
指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。
5、懂設計。
懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目瞭然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。重要作用。
演算法工程師需要掌握的技能
1. 編程：PYTHON,JAVA,C
2. 數據結構與演算法
3. 機器學習演算法
4. PAPER閱讀能力
5. 造輪子的能力
對於演算法工程師，有別於數據挖掘工程師的第一個區別就是對於傳統的演算法和數據結構的要求。 我自身不是計算機科班出身，在我工作的第一年壓根沒有接觸過這一塊，也從沒打算去學這一塊。 我第一次知道數據結構和演算法的時候是去面試一家英語流利說的公司，當時面試官讓我寫一下斐波那契數列的偽代碼，我聽都沒有聽說過，於是面試官又讓我寫一下如何從一組數列當中最快的尋找出中位數，我依舊不知所措，因為平時都是習慣用函數，還從沒想過真正的實現方式是怎樣的。面試官很疑惑也很遺憾的當場就對我說：我覺得你可能不適合我們的崗位。
數據結構和演算法應該是必備的技能，演算法工程師應該對用常用的知識點有深入理解，能夠在面對不同項目場景的時候靈活選擇數據機構和演算法。
第二點是機器學習演算法，這個地方肯定會比之前的數據挖掘演算法要求高很多。除了常用機器學習演算法能夠手推之外，還要對演算法本身有更深入的思考。我記得我面試阿里的時候面試官拋出這么幾個問題，說如果boosting演算法不使用決策樹，而使用SVM會怎樣，或者說每一輪迭代都使用不同模型，比如第一次是決策樹，第二次是SVM，那麼會怎樣？ 還有一個就是logistic regression這些演算法為何沒有使用ada,mone這些方法，能不能用？有什麼優缺點等等。

❸ 作為一名軟體測試工程師，需要具備哪些能力

通用技能上：
1.基本計算機知識（操作系統，資料庫，通訊協議原理，熟悉至少一門編程語言）
2.基本軟體測試知識（各種測試理論，測試方法論，測試用例編寫，缺陷界定標准，軟體質量評估）
3.簡單項目管理知識
產品、系統認知：
1.熟悉所測產品功能，能夠將產品文檔內描述的UC轉化成TC，這個最最基本
2.熟悉所測產品的一些隱藏需求或者功能（業務上的進階能力）
打個比方，支付公司上一種新的支付渠道，熟悉業務的測試人員應當可以預見到這次升級可能會對前段界面、系統賬務、各類報表等各個模塊造成影響，從而一並納入測試范疇。
要知道，很多時候，即便是接入這些渠道的產品經理，也不一定會在Prd或者UC中對這些可見影響項一一列出，這需要經驗和責任心。
性格上：
1.有牛皮糖屬性的為佳，越「不要臉」越好
測試工程師，在很多公司，和研發是有業務上對立屬性的（雖然從宏觀角度上來說，都是為了提高軟體質量服務）。測試工程師提交的BUG越多，意味著研發工程師工作質量越差，需要返工的工作量也越大，甚至會影響績效，所以測試工程師有時候很容易得罪研發部門。
一個可以相對堅持原則（比如3級BUG以上一定要改），又能拉下臉和不愉快的研發工程師保持較好關系的測試工程師，會對項目質量起到很關鍵作用。說到底，又能做事（發現BUG並督促修改），又會做人（該進的不讓，該退的絕對給面子，最大化消除部門間矛盾）的測試工程師，是十分難得的。
2.有異想天開屬性的為佳
這個只可意會，不好言傳的。在我帶過的團隊里，的確有那種奇葩……經常會用令人匪夷所思的方式找出BUG，這是天賦。
3.會「偷懶」的為佳
這里的偷懶不是指上班發微博聊天混日子，而是能夠利用已知資源對枯燥乏味的測試工作進行優化的同學。

❹ SQE、STA工程師如何提升

SQE（Supplier Quality Engineer）供貨商管理工程師
1、必須要有供應商跟蹤的方式，質量問題獨立處理的方法；
2、高級職位必須要有成本控制、質量控制管理的清晰思路與意識、堅持的原則底線；
3、供應商的內部品質管理流程、以及可能出現的問題對應方式。
4、穩定性的保證手段。

SQE-Supplier Quality Engineer供應商質量管理工程師
SQE工作職責說明
1. 推動供應商內部質量改善
1.1 推動供應商成立完善的質量保證小組.
1.2 供應商過程變更及材質變更的確認管控動作.
1.3 新材料及變更材料的管控.
1.4 推動廠商導入常用的質量工具，SPC, 6Sigma 等品管手法。
1.5 材料質量目標達成狀況的改善及檢討。
1.6 不合格項目的改善確認動作。
1.7 材料異常的處理及成效的確認。
1.8 往來供應商的品質管控。
1.9 供應商風險評估。（資深SQE）
特別聲明：供應商質量管理不是SQE一個群體就能夠做好的事情
2. 推行執行SQM的系統程序文件.
2.1 供應商的評監，擇優選擇廠商。(不一定所有的SQE都能夠)
2.2 供應商的定期及特殊審核的執行。
2.3 供應商的輔導，提升質量。
2.4 執行供應商的獎罰措施。(不一定所有的SQE都能夠)
2.5 建立完善規范的材料進料檢驗程序及QIP。
2.6 外協廠商SOP（作業指導書）、QC工程圖的制訂。
3. 報表執行
3.1 每月的供應商等級評比。
3.2 每年的供應商等級評比。
3.3 供應商MBR, QBR 會議的召開。
3.4 8D Report 的發出及時效管控及改善效果的跟進。
3.5 供應商質量月報，FAR 報表，信賴性報表的跟催及確認
擴展要求
專職審核員Auditor
專職供應商輔導員（品質，交付，技術，運作---STA）
JQE—連接供應商、本公司和客戶端的所有交付環節
項目SQE—專門負責新產品項目中與供應商的協同開發
供應鏈協調員
優秀SQE勝任需要掌握的知識結構
4.1 QC七大手法；
4.2 8D Report 編寫；
4.3 輔導稽核技巧；
4.4 五大工具：MSA、APQP、SPC、FMEA、PPAP；
4.5 各類質量體系，如ISO9001、ISO/TS16949、ISO14001、ISO17025等；
4.6 專業、技術、公正(此點最為重要)
優秀SQE掌握的知識結構新的環境下供應商管理角色越來越多地由專門化的職能人員來承擔，一個標志性的職能就是供應商質量管理工程師-SQE。SQE的應運而生已經有數年了，目前企業對這一職位的需求在不斷增加。但是對於這一個職位，往往是只有要求，沒有規范，靠SQE的自主經驗以及和采購人員、產品品質人員的共同協調,很多SQE的上崗是由以往的工作轉行,沒有接受過系統培訓。

❺ 申報職稱報表主要學習經歷填什麼

與職稱報表內容有關的，願意填寫的資料。

獲得博士學位後，經考察合格；獲得碩士學位或取得第二學士學位，從事助理工程師工作二年左右；獲得學士學位或大學本科畢業，從事助理工程師工作四年以上；大學專科畢業，從事助理工程師工作四年以上。

凡符合上述申報條件的人員，還必須遵紀守法，具有良好職業道德，能認真履行崗位職責，在本專業崗位上做出顯著成績，且具備相應的專業理論水平和實際工作能力；此外一般還需要參加職稱英語、職稱計算機考試，同時必須有相關論文。

(5)報表工程師能力擴展閱讀：

一破格申報高級職務者必須具有下列條件中的二條：

1、獲得部、省級表彰的學科帶頭人；地市級以上有突出貢獻的中、青年專家；榮獲國家、省級表彰的鄉鎮企業家或優秀廠長、經理。

2、獲得國家科技進步三等獎以上；省、部二等獎以上；地市一等獎以上（含發明獎、成果獎、自然科學獎、星火獎）項目的主要完成者；獲得國家級金、銀產品獎或省、部級名牌產品獎或優秀工程獎的主要生產技術負責人；創國家級、省級新產品獎的主要生產技術負責人。

❻ 演算法工程師應該具備哪些工程能力

作者 | 木東居士

來源 | Data_Engineering

最近看了 Milter 的《演算法工程師究竟需要哪些工程能力》這篇文章，有所感想，因此也寫一篇關於演算法工程師的技術能力的問題，和大家分享一下居士關於演算法工程師的技術能力的觀點。

對於一名優秀的演算法工程師，他（她）要具備的不僅僅是出色的技術能力，也要有很深的業務理解能力和對外溝通能力，總之，要求可以很高！

但是，從職責能力的劃分上來講，演算法工程師首先是一名工程師，因此本文主要從工程能力要求上進行一些探討。

開始之前先放一份思維導圖，這將是這篇文章要分享的核心內容：

工程能力概覽

演算法工程師，從名字上我們就能看出，一名演算法工程師首先應該具備演算法能力和工程能力，我們可以認為這是基礎的技術能力。由於現在開源技術的普及，Sklearn、Tensorflow 和 Spark ML 基本已經成為大部分演算法工程師標配的工具庫了，因此，熟練的調包能力也是決定了一名演算法工程師能否快速實現需求。

其次，在真實的生產環境中，演算法的落地會遇到各種各樣的業務場景和數據環境，這也要求演算法工程師需要具備Pipeline 構建能力，將整個生產環境中的數據流和模型打通。同時，在生產環境中，會出現各種「疑難雜症」等待你去解釋，比如說為什麼實驗效果特別差？為什麼模型效果不穩定？這就要要求演算法工程師需要具備一定的數據分析能力。

很多時候，你會發現，你用在數據分析和Pipeline構建上的精力可能占據了你8成以上的工作內容。

當你具備了上面的能力時，你已經可以稱自己是一名演算法工程師了。此時，你可以去對著數據分析小得瑟一下：「你看，我能構建整個模型的Pipeline，你卻只能拿到別人提供的數據後調調包吧。「或者，你也可以去找開發得瑟：」你看，我懂了很多演算法哦，你就只會寫代碼吧。「

得瑟完之後，我們還是回歸正題，演算法工程師只具備這樣能力是否已經夠了？答案當然是不夠的。由於不同公司的團隊成熟度不同，工具化和流程的成熟度都不同，這就會對演算法工程師有不同的要求，比如說模型發布能力和報表開發能力，當然也會有一些其它能力，雖然可能不是特別重要，但是當這些工作沒人幫你做的時候，演算法工程師可能依然要承擔起這些工作內容，比如說灰度測試的能力、負載均衡的能力等等。

將上面的內容整理後，就是這樣一份思維導圖了（一張圖多看幾篇更能加深印象，因此我再貼出來一遍）

工程能力詳解

一、基礎能力

演算法能力

演算法能力就不多說了，演算法工程師的基本能力要求，不懂演算法對於一名演算法工程師來講是不太合理的。這里居士把統計學的內容也放進來了。

編程能力

編程能力主要分為兩部分：

Python、C++、Java這類編程語言，這三種也是演算法工程師需要了解的主流編程語言，一般掌握其一就夠，看不同公司。 Sql就是很通用的能力了，Sql也是一門編程語言，而是是數據處理最常用的語言！ 很好用。 大數據場景下，要了解Hive Sql。

調包能力

大家雖然會調侃調包俠，但是說實話，能調包調的很溜的人，也是不多的，比如說現在讓你自己用tensorflow構建一個復雜網路，不能google，你能寫出來嗎？能記清楚用法嗎？

Sklearn Tensorflow Spark ML

二、核心能力

Pipeline 構建能力

Pipeline構建能力，這里想表達的更多的是整個數據流的構建能力，數據從日誌->特徵->模型訓練->反饋，這一個鏈條能否完成的能力，這裡面會有很多難題需要克服。比如說：

實時和離線模型一致性問題？ 離線和實時特徵一致性問題？ 實時特徵構建的問題？ 數據延遲的問題？

很多時候，模型發布之類的工作是可以由其他同學支持完成，但是數據流這種問題更多的是需要演算法工程師來解決的。

數據分析能力

這里的數據分析能力不是指商業分析或者業務分析，更多的是指特徵分析、演算法效果分析和各種異常問題定位分析的能力。

很多時候，兩個演算法工程師能力水平的強弱從數據分析能力上也能窺得一二。

三、輔助技術能力

輔助的技術能力是指，你會不會的影響不會特別大，但是也都是有用的能力，特別是不同公司的發展情況不同，很可能會出現一個演算法工程師既要做數據接入、又要做數據清洗、還要做演算法平台

也要搞前端、還要負責模型上線、系統運維。

這里就不再細講了。

思考一

聊一下對技術能力、工程能力和數據分析的思考。

居士個人的理解，技術能力更多的是偏向於一個一個的技術點，而工程能力更多就是在一個團隊中將項目做好的能力。很多演算法出身的工程能力不行，那麼他做的單純的一個模型是無法應用到實際生產中的，而工程就是指把理論落地實際生產的過程。那麼工程包含了什麼？它包括了系統架構設計和模塊設計、數據流搭建和平台搭建、調包或演算法開發、分布式、上線以及各種落地的代碼開發。報表和監控，其實本質也是做數據流，邊緣性的可能要做些後台和前端的開發。

然後數據分析能力是什麼？數據分析（不是純粹的數據分析）除了分析方法論和套路外，是一個很綜合性、相對偏軟一點的能力，比如說你通過分析發現了我們的系統有哪些可以優化的點，通過分析發現了問題的原因是什麼，這些都是分析能力。

思考二

針對前面的內容，和 Cathy 討論後，對整個思路做了新的梳理，大家直接看圖就好，居士也認為這樣描述可能更為合理。

思考三

這里再補充一個模型復現的能力，比如你看了一篇論文，發現這個模型可能很適合自己的業務場景，那麼你是否能力將論文裡面的模型快速用公司現有的平台和工具來復現？

居士認為，這一個是一個非常重要的能力，但是沒有想好具體該怎樣劃分。

❼ 做bi工程師需要掌握哪些技術

實施顧問的成長需要積累，難以速成，需要在挫折和失敗中不斷完善和提高。 以下是一點建議。希望是一個引子，使關注這一職業的女士先生們一起探討探討。 1、一定的技術基礎。 身為軟體實施顧問，你不能不了解你的產品，當然你可以了解得粗略，不必象技術工程師那樣精通，你要能夠回答客戶提出的大部分問題，所以需要你掌握的知識非常綜合、全面——強調的是廣度而不是深度，當然，如果你的深度夠好，那麼會更加有利。如果你的深度不夠，經常回答不上客戶的問題，不要緊，關鍵是你要留一個緩沖餘地，你要知道，你應該從哪裡獲得幫助和支持。優秀的實施顧問，應該懂得如何調度資源。 以下為我認為實施顧問應該掌握的技術： （1）erp軟體本身，如sap, oracle中的某個或某些模塊，用友、金蝶等。 （2）系統管理知識，包括windows 2000，winxp。 （3）資料庫知識，包括sql2000、oracle、db2等等，sql技能。細分可為查詢分析器的使用，數據表的操作，報表的基本技能等等。 （4）網路知識。 （5）一定的硬體知識。 2、行業知識。 行業知識浩如煙海，沒有人可以掌握全部。把握好你的定位，你要了解全部的產品有什麼，但你要選定一個方向，在這方面成為專家。既要廣博，也要有自己的專精所在。 不要貪多，很多東西知道框架即可，用的時候懂得較快地搜索、查找出來即可。時間精力極為有限，有些東西要懂得放棄。 3、管理知識和項目管理知識。 應當具備豐富的管理知識。要與客戶保持好關系，要有良好的服務意識。客戶管理層是項目推進中最好的資源，一定要取得他們充分的信任和合作。如果

❽ 一個合格的大數據工程師需要具備哪些能力

【導讀】隨著大數據時代的降臨，越來越多的公司開始注重數據，希望能從數據中找到具有價值的信息，幫助公司做出正確的決策，使其發展的更加順利。那麼，一個合格的大數據工程師需要具備哪些能力呢?今天就跟隨小編一起來了解下吧!

業務能力

數據分析工作的重中之重就是業務能力，只要真正的在實踐領域從事過，就會真正的明白業務知識是你分析的根本。而業務知識的學習是需要時間積累的。業務知識的培養是將遠遠超過技術工具的學習。數據分析其實就是基於業務之上的更深層次的思考和總結。對業務學習，我們可以根據以前的報告和案例拿來研究，這是一個需要時間沉澱的過程，也是最需要不斷提升的能力，沒有之一。

思考能力

當我們拿到一份數據報表的時候，整個數據就擺在面前，它不會主動開口告訴你。這就需要我們去推演和分析，從中找到規律，迅速評估問題的關鍵屬性和決定因素，形成自己的獨有見解，總結報告。所謂心思縝密，滴水不漏，沒有思考邏輯，就沒有分析思維。我們培養思考能力，可以通過跨領域的知識來帶給我們不同的思維方式和問題的角度;另外也要養成愛思考的習慣。「學而不思則罔，思而不學則殆」，思考本身就是一種實踐，將你所學的知識更系統和深入。

溝通能力

數據分析貫穿企業整個工作流程鏈，你需要面對不同的崗位，不同的角色，這個時候，就需要你良好的溝通能力，採用不同的語言和表達方式，來獲取你想要的東西。溝通能力就是數據和業務的橋梁。再溝通中，我們不要固執己見，要採取他人的意見，尤其是智者的意見，可以幫我們降低犯錯率，提高分析正確率，這樣我們的分析才會更有說服力。

技術能力

我們自己了解到的，相關技術像Excel，MySql，Python，SPSS等這些工具。我們如果剛剛步入數據分析工作，其實Excel就已經足夠了。如果我們想更深層次的掌握，可以學習Python，R，SPSS等這些。他們提供的強大的挖掘功能和圖形能力。尤其是R，Python引用他們的庫非常方便，而已技術也很成熟。

以上就是小編今天給大家整理發送的關於「一個合格的大數據工程師需要具備哪些能力?」的全部內容，希望對大家有所幫助。所謂不做不打無准備之仗，總的來說隨著大數據在眾多行業中的應用，大數據技術工作能力的工程師和開發人員是很吃香的。希望各位大家在備考或者學習之前做好准備，下足功夫不要憑空想像的想要取得優異的成績。

❾ 報表開發工程師工資怎麼樣

還可以 剛開始6k以上 15k左右 2年多的話 謝謝採納

❿ 什麼是 BI工程師

BI工程師，主要是做數據分析，數據倉庫，以及相關報表，對一些數據進行處理，對資料庫要有比較深入的了解。

BI工程師需要有一定的資料庫經驗,掌握SQL查詢優化方法,精通Oracle、SQL Server、MySQL等主流資料庫的應用設計、性能調優及存儲過程的開發.掌握BI相關工具,如ETL工具(如SSIS)、OLAP工具(如SSAS)和前端展示工具.熟悉ETL邏輯、OLAP設計和數據挖掘相關演算法.

拓展資料:

工作職責:

1. 負責ETL設計、模型設計、開發、技術支持等工作；

2. 負責ETL應用開發，資料庫性能進行調優；

3. 參與數據抽取、載入、轉換和腳本開發；

4. 負責BI展現的開發；

5、使用Hadoop, Hive等對海量日誌進行統計分析。