最新调查显示，IT专业人员薪水收入增加了3%～7%， 其中大数据专业人员报酬更好。在DICE研究中，大数据相关语言、数据库和技能(R、NoSQL MapReduce和Hadoop)方面专家收入最好，占据收入前10排行中的9个席位。

这个结果是由Burtch Works做出的，其4月份研究发现 大数据专业人员中等收入年薪9万美元，如果作为管理者，收入可以达到的收入 14..5万美元。如果作为 数据科学家 (BurtchWorks的定义为能够处理非结构化数据的专业人士)需要支付更多薪水，依据个人贡献其平均收入为12万美元，管理者年薪16万美元。

在这样前景下，许多IT人都会被问到利用大数据和分析取得成功。大数据和数据科学的工作仅仅是数学和统计学等高学历人的专利吗？有什么办法帮助进入一个大数据角色？

问题的答案是：“也许”。这里有五个需要关注的因素。

有多个通往数据科学和大数据的路径，作为一个职业，它包含有一系列功能和特点。据 Talent Analtyics公司CEO，Greta Roberts的研究，数据科学工作主要有以下11个基本的任务：

设计分析

数据采集​​和收集

数据准备

数据分析

数据挖掘

可视化

程序设计

解释

介绍

管理

管理及和其他专业分析

Roberts表示，专业人士执行这些任务，会将其分为四组：数据准备分析，分析程序，分析管理和通才。 尽管四组内容都服务于整个功能，他们也倾向于专攻一个子集。 例如，数据准备分析师花大量时间收集和准备数据;分析程序员花三分之一时间写代码;分析经理师花一半的时间管理团队，只有“通才”类别没有特别的专注。

Burtch Works公司常务董事Linda Burtch表示，类似统计建模、算法开发和数据建模是IT的一项长期工作。其中几个功能对于大数据和数据科学项目成功至关重要。其中一个是集成不同系统的数据。

“没有人比IT做得更专门，” Roberts说。 “基础设施构建需要能够确保数据更新和操作。 这是数据科学项目IT重点承担的。”

另外一个是安全性。 一旦数据孤岛被打破，接下来就是访问控制，Roberts说。 “数据集成时，你如何管理安全性?这就会成为IT自由出入的区域。

编程是分析工作流另外一个“神话般的出入口”，Roberts说，尤其是对那些愿意学习R和Python语言的人们而言。据Burtch所言， 从事商业智能分析的IT专业人员与分析结果足够接近，而这些结果也许能够让业务产生飞跃。

Burtch表示，IT专业人员可以用自然组织和存储非结构化数据。 目前，这往往由数据科学来承担，但Burtch说，未来会越来越多地进入IT的世界。 “他们需要知道结局会是什么样子，以便让工作更加有效。”，她说。

UPS流程管理主任Jack Levis说，IT基础至关重要，收集和准备数据，透明提交给需要分析的人，需要创建随商业规模扩展的基础。“没有IT我做不了什么，”他说。“我需要一流IT人员来协助我们完成所要做的事情，但他们角色是一个支持的角色。”