大数据行业的发展非常迅速，越来越多的企业开始意识到数据的价值，并开始重视数据分析和挖掘。这导致了大数据人才供求矛盾的加剧，特别是那些掌握大数据分析、数据挖掘和数据科学技能的专业人才市场需求极高。

同时，数据处理所需的设备和技术的成本也很高，运营和维护大数据处理及存储技术需求较高的团队也需要较高的成本支出。这使得拥有大数据技能的专业人才在企业中的价值更为突出，相应的薪资待遇也更高。

另外，大数据所涵盖的领域非常广泛，如推荐系统、大规模数据处理等，需要综合运用多种技术、算法和方法来解决复杂的问题。这使大数据行业的技能门槛较高，大多数入行人员需要不断学习和研究，因此其技能和经验的匮乏也为其提供了更高的薪资待遇。

大数据行业在解决企业竞争中起到了极为重要的作用，对企业未来的发展趋势和决策都具有重要意义。每个企业都希望在自己的领域中获取竞争优势，在这方面投入大数据分析和挖掘技术来实现更好的结果，因此愿意向有大数据技能的人才提供更高的薪资待遇，以确保其能够留在企业中并继续为企业做出贡献。

此外，与后端工程师不同，大数据工程师更需要具备专业的数据科学、数据分析和数据挖掘知识，他们需要掌握大量的数据处理工具和算法技巧，比如Hadoop、Spark、MapReduce等。这些技能门槛较高、非常具有专业性，从而导致大数据工程师的薪资更高。

大数据行业具有更好的晋升空间和职业发展路径。大数据分析和挖掘等技术是商业领域推广的火爆方向，目前大量公司纷纷投入大量资本用于大数据的建设、开发和推广，这意味着大数据行业未来的发展前景广阔、无限光明。相信在未来的几年，大数据工程师将成为颇具市场竞争力的职业，有着广泛晋升空间和广泛职业发展路径。

最后，大数据行业与其他行业相比，工作压力较小，灵活性更强，并且往往允许远程工作，因此可以更好地平衡工作和生活。这也为大数据工程师提供了更多的乐趣和工作上的满足感，同时也应加强个人比较综合性的能力提升，进一步拓宽职位和工作内容的边界，以实现职业发展的新突破。

综上所述，大数据行业薪资较高的原因主要是技能门槛高、人才供需矛盾以及企业对数据处理技术投入较高等因素综合影响所致。

大数据行业的薪资高并不是绝对的，往往还是需要根据不同岗位和不同企业来具体考察。在行业内，大数据算法、数据挖掘等岗位的薪资可能更高，而如数据管理、数据清洗等工作的薪资相对可能会较低。

此外，不同的企业对大数据工程师的薪资待遇也会有所差别，一些不知名的小企业可能会对大数据工程师的薪资开出较低标准，而一些知名的大企业则会提供更高的薪资待遇，尤其是以数据挖掘、分析为核心的企业。

总之，大数据行业的薪资比后端工程师高，除了技能门槛的高、人才需求旺盛、投入成本高、晋升空间广、工作内容有乐趣等因素外，还存在着诸多细节差别，需要具体综合考量，给出较为精确的答案。