zpeng0815
现在是大数据时代，很多公司都陆续开展了大数据业务，不少IT从业者也转向了大数据方向。要想优雅地转向大数据方向首先要具备大数据技术的基础，然后培养自己的大数据思维。
大数据的技术基础
大数据是物联网和云计算发展的必然结果，大数据不是凭空出现的技术，是一系列技术发展导致的结果。大数据涉及到计算机、数学、统计学、金融等一系列专业技术，从事这些行业的专业人才都具备转向大数据的基础。
具备程序设计的基础可以转向大数据平台功能开发工程师，具备数学基础可以转向算法工程师，具备统计学基础可以转向数据分析师，具备金融基础可以转向行业大数据分析师等等。
如果你目前是从事物联网或者云计算的工程师，那么你本身就处在大数据行业的产业链中，这个时候需要做的就是建立大数据思维方式，建立数据价值观念。
大数据思维
大数据思维方式的核心就是围绕数据展开各种应用，让数据服务于各种场景进而产生价值。大数据思维的建立需要一个过程，这个过程涉及到对数据采集、整理、传输、存储、安全、分析、呈现和应用全过程的理解。
大数据思维建立的第一步是数据采集，如何采集数据是建立大数据思维的关键。采集的关键在于已有信息的收集和采集网络的建立，今天任何互联网产品都离不开数据，没有数据的产品就没有了价值，互联网产品对用户的争夺实际上就是对数据的争夺。
关于大数据思维方式的建立我会陆续在头条上撰写相关的文章，感兴趣的朋友可以关注我的头条号，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！
IT人刘俊明
加米谷大数据为大家整理了Ofer Mendelevitch自己的观点。以下是他对不同人群给出的具体建议：
Java程序员
作为Java开发者，你对软件工程的规则已经了然于心，第一步需要了解机器学习的各种算法：现在有哪些算法，都能解决哪些问题以及如何实现。另外还需要学习使用R和Matlab等建模工具，此外WEKA、Vowpal Wabbit和OpenNLP等库也为大多数常见算法提供了经过验证的实现方法。如果你还不太熟悉Hadoop，也可以选择加米谷大数据带你入行！
Python程序员
如果你是Python程序员，对软件开发和脚本编写一定很熟悉，也许已经在使用很多数据科学中常见的库例如NumPy和SciPy。
Python对数据科学应用的支持很好，尤其是NumPy/Scipy, Pandas, Scikit-learn, IPython等用于探索性分析的库，在处理大型数据集方面，多学些Hadoop及其与Python的流式集成。
统计学从业者
如果你有统计学或者机器学习的背景，对于R、Matlab和SAS等工具一定非常熟悉，对于很多机器学习算法都有很成熟的实现方法。但是，这些工具通常被用于做数据勘探和模型开发，很少单独用来开发产品级的数据产品。显然，熟悉一门现代编程语言，例如Java是你的首要任务。
业务分析师
如果你的背景是SQL，那么说明你已经跟数据打交道很多年了，你很清楚如何通过数据获取业务分析结果。Hive能让你以你熟悉的SQL语言访问Hadoop上的大数据集，因此是你步入大数据殿堂的首选。
总结
通向大数据之路不可能一帆风顺，你必须学习很多新规则和最少一门编程语言，更重要的是还要积累实战经验（加米谷大数据培训机构所有项目均来自真实企业的真实项目）。这些都需要时间、精力以及金钱投入，但最终你会发现一切都物超所值。
