想要往大数据方向发展，难免会有一些疑问，应该如何入门呢？应该学习哪些技术？学习路线是什么？所有的入行想法都和想学Java的同学初衷是一样的。职位很火爆，就业薪资比较高，前景非常看好。基本上，这就是我向往大数据，但对大数据了解不多的原因。想学的话，首先要学编程，其次要掌握数学和统计学的知识，最后要综合应用，可以想往数据方向发展，总的来说就是这样。但仅此一点帮助不大。下面就和中科大数据老师一起来看看具体是什么吧。想要学好大数据，最好加入一个好的学习环境。可以来这个Q群251956502，方便大家学习，大家一起交流分享信息。现在你需要问自己几个问题：1.对于计算机/软件，你的兴趣是什么？2、计算机专业的学生对操作系统、硬件、网络、服务器感兴趣吗？3、你是软件专业的，对软件开发、编程、写代码感兴趣？4.还是数学和统计学专业，对数据和数字特别感兴趣。5.你的专业是什么？大数据学习的几个阶段Stage1.Java语言基础介绍Java开发，熟悉Eclipse开发工具，Java语言基础，Java流程控制，Java字符串，Java数组与类与对象，数字处理类与核心技术，I/O与反射、多线程、Swing程序与集合类第二阶段、HTML、CSS与JavaPC端网站布局、HTML5+CSS3基础、WebApp页面布局、Java原生交互功能开发、Ajax异步交互、jQuery应用第三阶段、JavaWeb与Database数据库、JavaWeb开发核心、JavaWeb开发内幕Stage4、LinuxHadoopt系统Linux系统、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架Stage5、实战（一线企业真实项目）数据采集、数据处理、数据分析、数据展示、数据应用阶段六、Spark生态系统Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习，Spark—GraphX图计算，实战1：基于Spark的推荐系统（一线公司真实项目），实战2：新浪（www.sina.com.cn）stage7，Storm生态系统Storm技术架构体系、Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战1：日志告警系统项目、实战2：猜你喜欢推荐系统实战第8阶段、大数据分析—AI（人工智能）DataAnalyze工作环境准备数据分析基础、数据可视化、Python机器学习1、Python机器学习2、图像识别神经网络、自然语言处理社交网络处理、实战项目：户外设备识别分析【if!supportLists】[endif]目前市场上有很多培训机构或定岗实习的培训机构，本质上是给你技能。如果你考虑是否适合你，零基础的人说可以给你一个明确的答复。专业有很多，大数据分析，大数据开发，数据库开发。一般来说，大数据课程开发需要4个月，数据库开发等个别领域3个月就够了。大数据开发需要本科以上学历比较容易，数据库大专以上就可以了。从企业的角度来看，大数据人才大致可以分为三大领域：产品与市场分析、安全与风险分析、商业智能。产品分析，即使用算法来测试新产品的有效性，是一个相对较新的领域。在安全和风险分析方面，数据科学家知道需要收集哪些数据，如何快速分析这些数据，并最终分析信息以有效遏制网络入侵或抓获网络罪犯。想从事大数据工作的求职者，如何根据自身条件选择工作？下面介绍与“大数据”相关的十个热门岗位：1、ETL研发随着数据种类的不断增加，企业对数据集成人才的需求也越来越强烈。ETL开发人员与不同的数据源和组织合作，从不同的来源提取数据，转换和导入数据仓库以满足企业的需求。ETL研发主要负责从分散、异构的数据源中提取数据，如关系型数据、平面数据文件等，到临时中间层进行清洗、转换、集成，最后加载到数据仓库或数据集市中成为在线分析处理和数据挖掘的基础知识。目前ETL行业比较成熟，相关岗位的工作生命周期比较长，通常由内部员工和外包商完成。大数据时代ETL人才火爆的原因之一是，在企业大数据应用初期，Hadoop只是一个穷人的ETL。2、Hadoop开发Hadoop的核心是HDFS和MapReduce。HDFS提供海量数据的存储，MapReduce提供数据的计算。随着数据集规模不断增大，传统BI的数据处理成本过高，对Hadoop及相关廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将不断增长。具有Hadoop框架经验的技术人员是当今最抢手的大数据人才。3、可视化工具的开发海量数据的分析是一个很大的挑战，新的数据可视化工具如Spotifre、Qlikview和Tableau可以直观高效地展示数据。可视化开发就是在可视化开发工具提供的图形用户界面上，通过操作界面元素自动生成应用软件。它还可以跨多个资源和层轻松连接所有数据。久经考验、完全可扩展、功能丰富且全面的可视化组件库为开发人员提供了功能齐全且易于使用的组件集合，以构建极其丰富的用户界面。过去，数据可视化属于商业智能开发人员的范畴，但随着Hadoop的兴起，数据可视化成为了一个独立的专业技能和岗位。4、信息架构的发展大数据重新点燃了主数据管理的热潮。充分利用企业数据来支持决策制定需要高度专业化的技能。信息架构师必须了解如何定义和记录关键元素，以确保以最有效的方式管理和利用数据。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。五、数据仓库研究数据仓库是支持企业各级决策过程的所有类型数据的战略集合。它是为分析报告和决策支持目的而创建的单一数据存储。为企业提供指导业务流程改进和监控时间、成本、质量和控制所需的商业智能。数据仓库专家熟悉Teradata、Neteeza和Exadata等公司的大数据设备。可以在这些一体机上完成数据集成、管理和性能优化。6.OLAP发展随着数据库技术的发展和应用，数据库存储的数据量从1980年代的兆字节（M）字节和千兆字节（G）字节过渡到现在的太字节（T）字节，同时，用户的查询需求越来越复杂，不仅涉及查询或操作关系表中的一条或几条记录，还涉及多表中千万条记录的数据分析和信息合成。联机分析处理（OLAP）系统负责解决此类海量数据处理问题。OLAP在线分析开发人员负责从关系或非关系数据源中提取数据以构建模型，然后创建数据访问用户界面以提供高性能的预定义查询功能。7、数据科学研究的岗位，过去也叫数据架构研究。数据科学家是一种全新的工作类型，可以将企业数据和技术转化为企业商业价值。随着数据科学的发展，越来越多的实际工作将直接在数据上进行，这将使人类能够理解数据，从而理解自然和行为。因此，数据科学家首先应该具备出色的沟通能力，能够同时向IT部门和业务部门领导解释数据分析结果。一般来说，数据科学家是分析师和艺术家的混合体，需要各种交叉的科学和商业技能。8、数据预测分析营销部门经常使用预测分析来预测用户行为或锁定目标用户。预测分析开发人员的场景看起来有点像数据科学家，测试阈值并使用基于业务历史数据的假设预测未来性能。九。企业数据管理企业为了提高数据质量，必须考虑数据管理，为此需要设立数据管家职位。该岗位的人员需要能够使用各种技术工具收集企业周围的大量数据，并对数据进行清洗和标准化，并将数据导入数据仓库，成为可用的版本。然后，通过报告和分析技术，数据被切片、切块并交付给成千上万的人。数据管家需要保证市场数据的完整性、准确性、唯一性、真实性和非冗余性。10、数据安全研究数据安全岗位主要负责企业内部大型服务器、存储、数据安全管理，以及网络与信息安全项目的规划、设计与实施。数据安全研究人员还需要具备较强的管理经验、运维管理方面的知识和能力，对企业的传统业务有更深入的了解，才能确保企业的数据安全万无一失。
