这个需要区分一下不同的企业情况快速备案域名快速备案景安互联网数据中心，一年30万年薪，如果抛开年终奖，年薪30万算下来也就一个月2万多块钱，在一些IT公司，只要有一定经验，这个数字非常正常景安互联网数据中心，在中国，普通学历的网络工程师能拿到30万年薪吗网络工程师的目标岗位，我觉得主要分4类：网络维护、网络设备黑盒测试、解决方案售前和网络设备的销售。销售相关的岗位和提成相关，暂时不看。对于非销售类的岗位我们以不同的类型公司来举例说明第一类是华为阿里这种大型企业的网络工程师。例如，华为2到3年的网络工程师，干的比较好的，大概2W左右的月薪，加上年终奖，年薪肯定是远远超过这个数字。当然这只是华为这种大型通信设备商或者腾讯阿里百度大型OTT的情况，这一类企业的特点是待遇确实好，加班也确实多，毕竟资本家就是资本家第二类是国有大中型企业，如三大运营商或者电力国网等企业，除了资深专家，如果想拿到一年超过30万短期内比较难。不过国企主要的优势是稳定，想拿到2W多的月薪，需要时间的积累，好的情况下积累个6到8年也许可以达到第三类是中小型高速，例如是网络集成公司或者代理商的技术人员。这些高速待遇一开始也不会那么高，这个和国企类似，没有时间的沉淀大部分人可能到不了这个数。不过这个也有例外，一些资深网络工程师大牛，是肯定能超过这个数的学历作为一个门槛，当然是越高越好，现在很多企业对校招学生还需要区分是985或者211，这个没办法，毕竟人家努力在前，这个要求在中国是普遍现象，很难改变。一般来说非名校毕业的可能会差一点但是这个事情也不要灰心丧气，入门靠学历，后续还是靠自己。第一份工作初期可能还是看你的学历，不是985或者211的确会有门槛问题，但是后期换工作时还是会看你的真才实学。所以还是需要从底层做起，一点一滴提示自己的能力。就算华为腾讯百度这些公司，依然有很多其他公司跳槽来的高手大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。提到大数据，最常见的应用就是大数据分析，大数据分析的数据来源不仅是局限于企业内部的信息化系统，还包括各种外部系统、机器设备、传感器、数据库的数据，如：政府、银行、国计民生、行业产业、社交网站等数据，通过大数据分析技术及工具将海量数据进行统计汇总后，以图形图表的方式进行数据展现，实现数据的可视化，在此基础上结合机器学习算法，对数据进行深度挖掘，发掘数据的潜在价值。应用部分，大数据不仅包括企业内部应用系统的数据分析，还包括与行业、产业的深度融合，大数据分析的应用场景具有行业性，不同行业所呈现的内容与分析维度各不相同，具体场景包括：互联网行业、政府行业、金融行业、传统企业中的地产、医疗、能源、制造、电信行业等等。1.互联网行业大数据的应用代表为电商、社交、网络检索领域，可以根据销售数据、客户行为（活跃度、商品偏好、购买率等）数据、交易数据、商品收藏数据、售后数据等、搜索数据刻画用户画像，根据客户的喜好为其推荐对应的产品。2.政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等，质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查，保证食品物品安全；气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径，精准地预测气象变化，寻找最佳的解决方案，规划应急、救灾工作。3.金融行业的大数据分析多应用于银行、证券、保险等细分领域，在大数据分析方面结合多种渠道数据进行分析，客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据，结合客户年龄、资产规模、消费偏好等对客户群进行精准定位，分析其在金融业的需求等。4.传统行业包括：能源、电信、地产、零售、制造等。电信行业借助大数据应用分析传感器数据异常情况，预测设备故障，提高用户满意度；能源行业利用大数据分析挖掘客户行为特征、消费规律，提高能源需求准确性；地产行业通过内外部数据的挖掘分析，使管理者掌握和了解房地产行业潜在的市场需求，掌握商情和动态，针对细分市场实施动态定价和差别定价等；制造行业通过大数据分析实现设备预测维护、优化生产流程、能源消耗管控、发现潜在问题并及时预警等。伴随着信息化的快速发展、数据量加大，已经进入数据时代，相信各行业间日后对于大数据的应用会更多、更深入。