作者回复: 老弟的困惑和迷茫我感同身受，首先我想说，才工作一年，就开始有这样的疑问和困惑，其实你已经打败90%的同龄人了。这个不是安慰你，据我的观察，很少有初入职场就开始考虑职业发展的同学。我自己其实就是个例子，我其实在工作满3年的时候，才忽然意识到，我应该考虑职业发展这回事。所以首先恭喜老弟，你已经想到别人前面去了。 言归正传，咱们聊聊职业发展这回事。首先，我觉得，你需要明确，你的兴趣点，在什么地方。至少有两个方向，供你选择，第一：研究型，第二：应用型。啥叫研究型呢？就比如你做大数据二次研发，这就是研究型，就是把一个工具或者算法做到极值，把技术本身，做到极值。第二个是应用型，意思是，技术就是个工具，学好技术是为了解决业务问题，是为了落地业务应用，所以叫它“应用型”。 明确了兴趣点之后，其实大方向上就清晰了。先不用管这两个方向未来的薪资潜力，两个方向其实在薪资方面，都不弱，都有各自的用武之地。所以，说到底，还是要看你个人的兴趣，到底是哪个方向会让你觉得更有意思，做起来更有激情。这两个方向（当然，或许还有更多的别的方向），没有优劣之分，没有对错之分，纯粹是看你更喜欢哪一个，没有好坏。 OK，大的基调定下来之后。我们再说大数据这个领域的发展。一个，就是刚刚说的研究型，你可以做spark二次开发，为spark社区做贡献，或者是其它任意的大数据产品。另外一个，就是从大数据的几大应用场景着手，做应用开发，比如数仓是个方向、流处理是个方向、图计算是个方向、机器学习，更是个方向。同样，每个方向做好了，都有前景和钱景，并无优劣之分。这些应用场景，还是要看哪个你更有兴趣，更喜欢。其实，每个应用方向，又有“研究型”和“应用型”之分，这个跟刚刚说的，其实是一样的。 第二个问题是“学了就忘”，其实这个大家都一样，纯学理论知识，没有机会应用的话，确实很难记得住，这个不用懊恼，大家都一样的。所以还是要结合工作需要，有的放矢，用“学习、运用、输出”的迭代式学习法，来夯实已有的知识体系。光学不用的话，确实很难。 第三个问题是我自己的经历，我的经历其实挺简单的，就是数据库 -> 数仓 -> 数据分析 -> 机器学习，我是属于“应用型”的，我对技术的应用比较感兴趣，我比较懒，不喜欢做研究，所以选择了这个路线。另外我对数据分析，数据当中蕴含的价值，很感兴趣，这也是为什么会沿着数据分析这条路，慢慢地会入了机器学习的坑，目的就是想挖掘数据中的规律，来指导决策。当然，转行机器学习，也有一些功利心，毕竟机器学习比较火爆，应用场景多，对于个人的职业发展来说，选择的面会更大一些。 大概其就是这些思路，头上一句、腚上一句，不成体系，希望对老弟有所帮助~