在软件大数据领域，主要的就业岗位包括：

大数据开发工程师：

负责开发大数据相关软件和应用系统，包括数据模型的ETL开发、数据平台建设等。需要掌握的技术包括Hadoop、Hive、Spark、Storm、Flink、ElasticSearch、HBase等。

大数据运维工程师：

主要负责数据平台的集群管理、机器优化、集群监控等，确保系统的高可用性和性能调优。

大数据架构师：

负责大数据基础框架的整体架构设计，结合业务情况进行技术选型，以及数据存储和计算平台的评估、设计和核心功能模块的开发。

大数据分析师：

专注于数据分析挖掘，包括常规业务数据分析、用户画像构建、推荐算法实现等。需要掌握统计学、SQL、Excel以及数据分析工具如R、Python等。

数据工程师：

负责构建、维护、优化数据存储、处理、分析的系统，确保数据的完整性、准确性、可靠性。需要掌握Hadoop、Spark、Hive等大数据技术，以及Linux、Java、Scala等编程语言。

数据科学家：

使用机器学习、深度学习等技术进行数据建模、预测、推荐等高级分析，创造业务价值。需要掌握机器学习算法、深度学习框架、数据处理工具等技能。

数据产品经理：

负责根据市场需求和业务目标，规划、设计、推广数据产品，如数据报表、数据可视化、智能推荐等。需要具备市场洞察力、创新思维和团队协作能力。

数据运营经理：

负责制定和执行数据运营策略，提升数据产品的用户满意度和业务价值。需要具备数据分析能力、沟通协调能力和执行力。

数据可视化工程师：

将数据分析结果以图形、图表等形式展示出来，帮助企业更好地理解数据分析结果。需要具备良好的审美观和设计能力，熟悉数据可视化工具如Tableau、Power BI等。

ETL研发工程师：

负责企业数据整合与处理，包括数据的抽取、转换和加载（ETL）工作。需要熟悉大数据技术的基本概念和架构。

Hadoop开发工程师：

负责Hadoop集群的架构设计、开发、搭建、管理和运维。需要掌握Hadoop廉价的数据处理能力。

可视化工具开发工程师：

负责开发可视化工具，自动生成相关应用软件，连接所有数据。

信息架构开发工程师：

负责定义和存档企业数据的关键元素，确保数据管理和利用的有效性。

商业分析师：

对某一专业领域具有深入了解，擅长从数据中挖掘信息，为商业用户提供解决方案。

人工智能工程师：

利用机器学习、深度学习等技术解决实际问题，熟悉TensorFlow、Keras、PyTorch等算法框架。

云计算工程师：

设计和维护云计算架构，实现数据中心的自动化和虚拟化。

这些岗位涵盖了大数据领域的各个方面，从数据处理到分析，再到产品运营和架构设计，为不同技能和经验水平的求职者提供了广泛的职业选择。建议根据个人兴趣和职业规划选择合适的岗位进行深入研究和发展。