從職業發展路徑來看，一般可以分兩個路線來走，一個是專業技術路線，也叫T序列，另一個是管理路線，也叫M序列，每個序列都分很多級別。
T序列一般職位從低到高是工程師、資深工程師、架構師/專家、高級架構師/高級專家、資深架構師/資深專家、首席架構師/首席專家/首席科學家等，當然每個公司的叫法可能不太一樣，但大同小異。
T序列一般主攻技術，當然級別高了也會帶團隊，只是T序列帶的團隊人數，比同級別的M序列帶的人少而已。
M序列一般從低到高是工程師、資深工程師、TeamLeader/主管、技術經理、高級技術經理、副總監、總監、高級總監、總經理、副總裁VP、CTO。另外，不管你是走T序列還是走M序列，最終都有發展成為CTO的機會。職業生涯發展存在跨級跳躍式的晉升，這樣情況一般是個人能力在同一個崗位實踐上比較長，並且能力有大幅提升，如果再碰上一個好的機會就能跨級飛躍一次。比如從資深工程師到總監的飛躍，從技術經理到技術VP的飛躍，從架構師到CTO的飛躍等。不管是否跨級，每次晉升都需要學習很多技能來提高自己，這個技能主要是技術本身的技能，當然走管理M序列，管理方面的技能也必須有提升。
1.Hadoop平臺運維工程師
Hadoop平臺運維工程師有很多是從傳統運維工程師轉過來，沒做過實際編程開發，如果往大數據這個方向走的話，必須學習開發，編程，往架構師、大數據平臺經理、總監發展。
2.大數據平臺工程師
可以往上發展為大數據架構師，走專業路線，也可以大數據平臺經理、總監發展。
3.大數據ETL工程師
往數據分析經理、總監方向，也可以往大數據平臺經理、總監發展。
4.流式計算工程師
可以往大數據平臺經理、總監方向發展，也可以走大數據架構師方向。
5.數據倉庫工程師
可以往數據分析經理、總監方向發展。
6.Spark工程師
可以往大數據平臺經理、總監方向發展，也可以走大數據架構師方向。
7.搜索工程師
可以發展為搜索負責人/Leader，最好學習推薦算法，然後往搜索推薦部門總監發展，也可以做搜索架構師。
8.推薦算法工程師
可以往算法經理、總監或搜索推薦部門總監發展，也可以走推薦系統架構師方向。
9.用戶畫像工程師
可以往數據分析經理、總監方向發展，也可以往算法經理、總監方向發展。
10.自然語言處理NLP工程師
可以往NLP算法Leader、算法經理、總監方向發展。
11.機器學習工程師
可以往算法經理、總監方向發展，也可以走算法架構師方向。
12.數據挖掘工程師
可以往數據分析經理、總監方向發展。
13.深度學習工程師
可以往算法經理、總監方向發展。
14.數據分析師
往上發展為數據分析經理、數據分析總監。
15.Web 開發工程師偏後臺接口
往上發展為工程的技術經理、技術總監，或者走T序列發展為架構師。
16.前端工程師
最好學習15的技能，走15的路線。當然也可以發展為前端架構師。
17.大數據產品經理
往上發展最好脫離大數據部門，上升到公司級的產品總監，產品VP。
18.大數據平臺總監
發展為大數據VP。
19.算法總監
發展為大數據VP。
20.數據分析總監
發展為大數據VP。
21.大數據架構師、首席大數據架構師
發展為大數據VP。
22.大數據副總裁VP
在其它方面的技能提升自己，比如Web工程、前端、移動開發、網站架構等，之後發展為CTO。
各個職位的市場平均薪資水平
職位薪資和工作年限、技術水平、學歷、公司背景都有關係，所以對於同一個職位，沒有一個固定的值，只能是一個大概的範圍區間。再就是和市場供需情況也有關係，這些年大數據、人工智慧人才緊缺，更緊缺的是人工智慧方面的人才，所以從整體行情來看，大數據比Web開發的薪資要高、人工智慧的比大數據的要高。若干年之後雖然物價、市場供需的變化，市場平均薪資情況也會發生一些變化。下面列出目前的職位市場平均薪資一個大概區間，另外招聘網站往往給的是年薪，因為年薪有的是發12個月，有的是發16個月，不統一，再就是有的公司年薪結構組成是base現金部分+股權期權折現的價值部分之和，所以按年薪來計算不能清楚的反饋實際薪資狀況，所以我們按月薪的base現金部分來講，並且這裡指的是稅前薪資、地區以北京為代表。以下是個人觀點，僅供參考，不作為權威數據：
1.Hadoop平臺運維工程師
月薪1.5到2.5w左右。w字母代表萬的意思。這個職位一般比大數據平臺工程師薪資稍微低一點，主要原因是運維的不一定具有開發項目代碼的能力。當然個人能力很強的人除外。
2.大數據平臺工程師
2到3w左右，大數據平臺一般同時具備集群運維和項目編程開發的能力，薪資偏高一點。一般有三年相關工作經驗，月薪2w以上是比較輕鬆的。3w是個分界點，突破3w不太容易。
3.大數據ETL工程師
2到3w左右，薪資區間和大數據平臺工程師差不多，但稍微低一點，主要原因是ETL工程師一般工程能力相對偏弱一些。這是整體來看，能力強的人也是可以比大數據平臺工程師還要高。ETL工程師到2.5w以上再漲的話就比較慢了。3w也是一個薪資瓶頸點，突破3w不太容易。
4.流式計算工程師
2到3w左右，和大數據平臺工程師差不多。
5.數據倉庫工程師
數據倉庫工程師一般工程能力弱，能到2w的話已經很不錯，2.5w算是很高了，突破3w比較難。
6.Spark工程師
2到3w左右，和大數據平臺工程師差不多。
7.搜索工程師
2到4w左右，搜索工程師薪資稍微偏高一點。一般工作三年，到2w比較輕鬆。5年相關經驗，突破3w不是難事，8年以上經驗達到4w也是情理之中。最高的話可以突破5w。
8.推薦算法工程師
一般2到4w左右，推薦算法相對搜索來說更深入一些，比搜索工程師薪資稍微偏高一些。
9.用戶畫像工程師
2到3w左右，用戶畫像工程師可以偏數據統計，也可以偏算法工程，到2w比較輕鬆。如果在算法方面做的深入突破3w是有可能的。
10.自然語言處理NLP工程師
2到4w，這個職位是這幾年新興的職位，人才緊缺。薪資和推薦算法職位差不多。
11.機器學習工程師
2到4w，薪資和推薦算法職位差不多。
12.數據挖掘工程師
2到3w，一般的數據挖掘偏數據分析一些，達到2.5w就不算低了。當然有些偏工程，突破3w也是情理之中。
13.深度學習工程師
這是最近幾年新興的職位，人才很缺。薪資2到4w。突破4w不難。資深的可以達到5w以上。
14.數據分析師
1.5到2.5w，數據分析是偏數據統計，整體來看薪資比機器學習工程師稍微低一點。做這方面的一般女生相對其他工程類崗位的人數偏多一些，因為整體上來看，做技術的男的比女的多很多。做數據分析的女生如果能佔到一半，其實這個比例就已經很高了。數據分析厲害的角色和做機器學習的薪資差不多，突破3w不成問題。
15.Web 開發工程師偏後臺接口
1到2.5w，純Web開發兩萬以內的比較常見，資深的可以突破2.5w。如果很厲害就可以當架構師了，3w以上很輕鬆。
16.前端工程師
1到2w，一般比Web後臺薪資低一點，一般不超過2w。
17.大數據產品經理
1.5到2.5w，大數據產品經理是這幾年新興的，人才比較缺，不好招聘。以為大部分是做傳統的產品。大數據產品經理往往是從傳統的產品轉崗過來，懂一些數據驅動和算法驅動的知識，所以薪資相對傳統的產品經理薪資偏高一些。1.5w是比較輕鬆的，資深的可以到2.5w。
18.大數據平臺總監
3到6w，總監一般最低的起步價是3w，5w是比較正常的。6w是個瓶頸點，不好突破。當然總監也是分級別的，有中級總監，高級總監。高級總監6w以上還是比較輕鬆的。
19.算法總監
3到6w，和大數據平臺總監相比，甚至還稍微高一點。
20.數據分析總監
3到6w，和大數據平臺總監相比，一般稍微低一點。
21.大數據架構師、首席大數據架構師
架構師和總監的薪資差不多，但也分級別。中級、高級、資深、首席。一般資深的架構師可能比總監高一些。首席架構師是最高的，能達到大數據副總裁VP的薪資水平。
22.大數據副總裁VP
6到10w，上面說到首席架構師和大數據VP的薪資差不多。這兩個職位一般從技術上來講首席架構師技術性要強於大數據VP，大數據VP管理技能更強一些。但整體綜合實力相當，兩者的技術知識面都很廣，一般也都帶團隊，只是大數據VP帶的人比較多。一般大數據VP這個職位是6w起步的，8w比較常見。突破10w亦不是問題。
本章我們對大數據部門的組織架構、各個職位的情況都有了一個比較深的認識，下面的章節我們對常見的大數據算法類的系統架構深入了解一下，以便更好的理解業務和產品。