怎么学习大数据

怎么学习大数据，这个问题也是很多人都想了解的问题，课考拉为大家搜集整理以下内容。

该如何学习大数据知识？

　　一、数据分析师有哪些要求？

　　1、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。

　　2、工具使用，包括挖掘工具、数据库、常用办公软件（excel、PPT、word、脑图）等。

　　3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。

　　4、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。

　　二、请把数据分析作为一种能力来培养

　　从广义来说，现在大多数的工作都需要用到分析能力，特别是数据化运营理念深入的今天，像BAT这样的公司强调全员参与数据化运营，所以，把它作为一种能力培训，将会让你终生受益。

　　三、从数据分析的四个步骤来看清数据分析师需具备的能力和知识：

　　数据分析的四个步骤（这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署），是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。

　　（一） 获取数据

　　获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要通过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节，需要数据分析师具备结构化的思维和对商业问题的理解能力。

　　推荐书籍：《金字塔原理》、麦肯锡三部曲：《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》

　　工具：思维导图、mindmanager软件

　　（二） 处理数据

　　一个数据分析项目，通常数据处理时间占70%以上，使用先进的工具有利于提升效率，所以尽量学习最新最有效的处理工具，以下介绍的是最传统的，但却很有效率的工具：

　　Excel：日常在做通报、报告和抽样分析中经常用到，其图表功能很强大，处理10万级别的数据很轻松。

　　UltraEdit：文本工具，比TXT工具好用，打开和运行速度都比较快。

　　ACCESS：桌面数据库，主要是用于日常的抽样分析（做全量统计分析，消耗资源和时间较多，通常分析师会随机抽取部分数据进行分析），使用SQL语言，处理100万级别的数据还是很快捷。

　　Orcle、SQL sever：处理千万级别的数据需要用到这两类数据库。

　　当然，在自己能力和时间允许的情况下，学习新流行的分布式数据库及提升自身的编程能力，对未来的职业发展也有很大帮助。

　　分析软件主要推荐：

　　SPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘），不用编程，易学。

　　SAS：老牌经典挖掘软件，需要编程。

　　R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。

　　随着文本挖掘技术进一步发展，对非结构化数据的分析需求也越来越大，需要进一步关注文本挖掘工具的使用。

　　（三） 分析数据

　　分析数据，需要用到各类的模型，包括关联规则、聚类、分类、预测模型等，其中一个最重要的思想是对比，任何的数据需要在参照系下进行对比，结论才有意义。

　　推荐的书籍：

　　1、《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，卢辉着，机械出版社。这本书是近年国内写得最好的，务必把它当作圣经一样来读。

　　2、《谁说菜鸟不会数据分析（入门篇）》和《谁说菜鸟不会数据分析（工具篇）》，张文霖等编着。属于入门级的书，适合初学者。

　　3、《统计学》第五版，贾俊平等编着，中国人民大学出版社。比较好的一本统计学的书。

　　4、《数据挖掘导论》完整版，[美]Pang-Ning Tan等着，范明等翻译，人民邮电出版社。

　　5、《数据挖掘概念与技术》，Jiawei Han等着，范明等翻译，机械工业出版社。这本书相对难一些。

　　6、《市场研究定量分析方法与应用》，简明等编着，中国人民大学出版社。

　　7、《问卷统计分析实务—SPSS操作与应用》，吴明隆着，重庆大学出版社。在市场调查领域比较出名的一本书，对问卷调查数据分析讲解比较详细。

　　（四） 呈现数据

　　该部分需要把数据结果进行有效的呈现和演讲汇报，需要用到金字塔原理、图表及PPT、word的呈现，培养良好的演讲能力。

想自学大数据，要从哪方面入手呢？

这是一个非常好的问题，也是很多人比较关心的问题之一，作为一名IT从业者，我来回答一下。

首先，大数据的知识体系还是比较庞大的，学习的初期是完全可以自学的，但是在入门之后，要想深入学习大数据，往往还需要场景的支撑，此时结合岗位任务来进行提升是更好的选择，也是比较现实的选择。

从技术体系结构来看，当前大数据的技术体系结构已经比较成熟了，初学者按照三个阶段来制定学习计划，其一是学习编程语言等基础知识，其二是学习大数据平台知识，其三是根据主攻方向来选择学习内容，比如大数据分析、大数据开发、大数据运维等等。

编程语言是学习大数据的基础，目前Python、Java、Scala、R等编程语言在大数据领域都有比较广泛的应用，在学习编程语言的过程中，也会同时学习操作系、网络和数据库等内容，掌握这些内容对于下一步的学习会有比较直接的影响。如果从就业的角度出发，当前可以重点考虑一下Java语言，虽然Python语言的上升趋势比较明显，但是在IT互联网行业内，Java语言的应用依然非常普遍。

大数据平台是一个重要的学习内容，初学者可以从开源大数据平台开始学起，比如Hadoop、Spark就是不错的选择，一方面这两个大数据平台的生态体系比较健全，不少商业大数据平台就是基于这两个平台构建的，另一方面是这两个平台的学习资料比较多，可以参考的学习案例也比较多。

最后，要根据自身的知识结构选择一个主攻方向，如果数学基础比较好，可以主攻大数据分析方向，此时可以继续学习机器学习知识，如果自身的开发能力比较强，可以主攻大数据开发方向，当前大数据开发岗位的人才招聘数量还是比较大的。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

学习大数据需要什么基础？

根据目前市场发展情况来看，大数据学习是需要一定的编程基础的，现在比较主流的就是Java和python，但是在现实的工作中使用的大部分的还是Java编程的比较多一些，也就是现在很多大数据培训机构推出的Java+大数据开发培训课程，所以从这个方面来看的还是需要一些Java编程基础的。

不过，现在想要参加大数据培训学习的小伙伴有很多是没有编程基础的，多数是想要从其它行业转行到大数据的，那么这样没有编程基础的，能不能学习大数据呢？

对于零基础的学员也不需要担心自己没有Java或者的python相关的编程语言就学习不了大数据，这个培训机构也有专门针对零基础学员制定的大数据培训课程，前期先进行Java编程或者是python编程的一个基础学习，等掌握了一些相关必要的编程基础以后，在进行大数据专业技术的学习，这样一来就可以顺利进行大数据学习了。

所以在学习大数据的时候也一定要注意课程的安排，根据自己的情况和大数据培训机构的课程安排来进行考虑如何选择，如果是自己已经从事Java或者python相关开发工作多年，有一定的基础的，那么就没必要再去学习相关内容直接选择开始学习大数据技术即可，如果是零基础的学员那么就要选择有Java或者是python基础课程的进行学习。

以上就是小编对于“学习大数据需要什么基础？”这个问题的回答，希望能够帮助到大家，如果还有疑问可以留言进行交流。

你们认为自学大数据难吗？怎么学比较好呢？

我从2006年开始接触hadoop（大数据鼻祖），当时觉得这个东西很有前途，但工作内容与其无关，所以一直都是只看没学。

10年后，2016年，hadoop的小伙伴spark正在中国迅速萌芽发展、我也犹豫：

10年后，再学习大数据晚吗？但是我尝试了，再没有大数据知识，没有大数据团队的情况下，找领导要了10个工程师，一起从0开始学习，闭关半年，推出我们部门赖以转型的大数据产品。

2017年，我们11人团队，签单903万，人均订单80万。2017年我们团队很多工作了2,3年的普通院校小朋友出去求职，都是2,3万的base。

最近2年，大数据行业增速有所下降，但我们依然能保持人均60万/年左右的订单量（因为人才流失，团队大数据经验评价2年左右）。

我个人经验，自学点基础，然后找一个相关的工作，效果比闭门造车好多了

学大数据，都学习哪些内容，要学多久？

很多初学者在学习大数据之前往往都有这样一个疑问，那就是学习多久才能掌握相关的技术，达到就业岗位的要求？

要想知道类似问题的答案需要从多个角度来分析，大数据本身涉及到一系列围绕数据的相关技术，这些技术涉及到大数据平台技术、大数据开发技术、数据分析技术、数据呈现技术、数据采集整理技术等等，这些技术既有区别又有联系，相关技术也都有相对应的岗位，所以作为学习者来说应该选择一个细分方向来学习，而不能简单的说学习大数据。

目前大数据的相关岗位以大数据开发、大数据分析、大数据运维居多，所以就从这几个方面来简单的分析一下需要学习哪些知识，以及一个大致的学习周期。

大数据开发是基于大数据平台进行的功能性开发，学习可以分为三个阶段，分别是编程语言、大数据平台和案例开发。编程语言往往以学习Java、Python和Scala居多，通常情况下编程语言的学习是比较耗费时间的，按照历史经验来看，对于没有编程语言的人来说，入门编程语言大概需要3个月左右的时间。看一下同一个操作采用Python、Scala和Java编写的代码实现过程：

接着要学习一下如何搭建基础的大数据平台，这部分知识对于大数据开发人员来说并不是重点，但是基本的搭建过程是应该掌握的，搭建Hadoop平台和Spark平台往往也需要大量的实验，另外还需要掌握大数据平台的体系结构和功能组成，这部分的学习时间大概需要2个月左右。接着就是在大数据平台下进行项目开发了，这部分学习时间可长可短，一般完成一个综合性的大数据开发实验也需要1个月左右的时间，这样算下来，入门大数据开发大概需要6个月左右的时间。

大数据分析需要学习的内容与大数据开发有一定的区别，大数据分析需要学习各种分析算法以及各种数据分析软件的使用。另外，目前采用机器学习的方式进行大数据分析也是一种比较流行的做法。学习大数据分析也需要了解大数据平台的基础知识、算法知识、机器学习等内容，从学习周期上来说与大数据开发差不多，也需要6个月左右。学习数据分析往往需要具备一定的数学基础，否则需要补学的内容比较多，耗费的时间也比较长。

大数据运维则主要是学习大数据平台的搭建、组件部署、平台测试以及维护等方面的内容，大数据运维需要学习大量的软硬件知识，包括计算机网络知识。总的来说，学习的量也是比较大的，在时间上根据不同的基础可长可短，一般在3到6个月基本上能入门。

大数据是我的主要研究方向之一，目前我也在带大数据方向的研究生，我会陆续在头条写一些关于大数据方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有大数据方面的问题，也可以咨询我。

谢谢！

以上就是关于怎么学习大数据的详细介绍，更多与此有关的内容，请继续关注课考拉，希望本文对你有所帮助。