大数据行业发展得越来越好，企业不惜重金聘请数据分析师，“学习hadoop，找好工作不是梦想”的口号激励着无数同学投身大数据事业，然而就业却并不那么简单，“工作经验”无疑给寻求高薪工作的同学破了盆冷水，怎样解决经验问题？怎样让自己显得更加专业？怎样让自己有更深入的行业洞察力？技术招聘人员为具备Hadoop技能的求职者提出了一些见解和建议。InformationWeek作家Kevin Casey为我们做了详细分析。
开源Apache Hadoop项目一直是个热门，这对于具备Hadoop及相关技能的IT求职者来说是个好消息。
Matt Andrieux是旧金山Riviera Partners公司技术招聘部门负责人，他告诉我们对Hadoop及相关技能的需求在过去几年中呈直线上升趋势。 Andrieux在接受电子邮件采访时还向我们透露：“我们的分析表明大多招聘企业是初创公司，它们正在招聘大量的工程师来帮助它们通过各种方式利用数据，让公司摆脱困境。很多公司都将它们的整个业务建立在数据收集和分析基础上，其实在任何行业都是这样。”
Andrieux指出并不是Hadoop刺激了经济繁荣，相反，正是由于经济发展产生大量的数据处理需求，从而推动了Hadoop和类似技术的发展。
Andrieux说：“由于互联网上人类和机器的活动，造成非结构化数据爆炸式增长，推动了Hadoop的兴起。非结构化数据存在巨大的价值，但通过以往类似SQL的索引技术几乎不可能挖掘出有意义的信息。大数据生态圈中Hadoop和类似工具为工程师提供从非结构化数据中创建结构化数据的能力，在大规模分布式范围内获取有价值的业务洞察力。
就业市场比较看好熟悉Hadoop这类大数据工具（如Cassandra、CouchDB、MongoDB、Riak等）的求职者。
我们又邀请Andrieux深入挖掘过去的求职热点问题，了解当前具有Hadoop技能以及相关专业知识的IT人士面临的就业现状。
1. 经验很重要
当被问到公司招聘具备Hadoop技能的IT人员都有哪些要求时，Andrieux 回答，“经验是最重要的”。当你渴望找到一份与数据相关工作时，你也就迈进了竞争残酷的就业市场——虽然你总有一天会积累起经验，但是此刻才最重要。
假如你有必要的经验，那就要适当地展示出来。
Andrieux说：“我们客户中的那些初创公司正在寻找可以将大数据运用到实际生产中的工程师，仅仅展示还是不够的，最好能有在大公司的项目实践经验。”
2. 怎样获取经验
对于年轻IT求职者或者经验丰富但想要学习新技能的IT人士，Andrieux推荐了两个方法：专业培训和认证、参加当地的行业聚会。
Andrieux建议：“如果有人想要进入大数据领域和学习Hadoop，我建议参加像Cloudera和Hortonworks这样大公司提供的Hadoop专业培训并通过相关认证。”这些培训给工程师们提供实践经验，而且通常可以得到该领域专家的指导。
当地行业组织为求职者们提供另一种教育，还有重要的社交机会。Andrieux说：“例如：theBay区（Riviera Partners公司所在地）周围的聚会群体每周或每月都有聚会，广泛讨论面向数据的主题，这些聚会的发言者往往是有影响力的行业领袖，在该领域有丰富的经验并且能够提供最佳实践建议。聚会中有大量的交流机会，可以认识很多数据专家。”
3. 了解招聘中常用的术语
在简历、履历和其他求职文件中，一些专业词汇和术语往往能够吸引招聘人员和人事经理的眼球。Andrieux提供的三个有代表性的例子：大规模设计和建造可扩展性分布式数据存储、系统和管道；实现xxxx节点的Hadoop集群；从零开始或者从底层开始构建。
4. 与Hadoop相关的工作不一定在标题中包含“Hadoop”
如果你在找工作，目光不要过于狭隘——切记大数据相关的职位有各种各样形式，而且有些工作看起来与Hadoop相关，实际却只是一种伪装。Andrieux说：“常见的数据工程师甚至像后端工程师这样的职位也是与Hadoop相关的工作。”
5. 持续关注不断发展的行业环境
Andrieux注意到Hadoop是一个相对年轻的技术，和整个大数据行业一样。因此，要想在大数据行业或者相关行业得到较好的发展，及时关注最新的行业趋势和变化特别重要。
坚持关注数据大会，比如Strate和Hadoop峰会。Andrieux说：“关注这些数据大会都是非常有利于了解行业前沿技术，在这些会议上会有很多着名的企业参加。关注行业领袖们在他们公司网站上的博客，了解一些数据大会上的重要演讲，不要害怕与招聘者谈论行业发展趋势，只是我们看行业趋势要比公众更具前瞻性。”
6. Hadoop相关工作不是唯一的选择
可以肯定的是，Hadoop仍然热门，但Andrieux指出：Hadoop不是应对数据指数型增长的唯一平台或技能。“Hadoop不是市场应对数据需求的唯一选择，关注一下应对大数据的不同技术，问问周围其他人在用哪些技术，有什么样的优点和缺点。”
