用戶2717790427918
----專注解答大學生就業問題，歡迎提問！----
如果你是大學生，相關專業，確實應該學習，哪怕是理論層面的瞭解也是有價值的。
你要具備大數據思維，這點非常重要，時代變了，沒有這種思維，很容易落後。
如果你想在技術上學習大數據，我建議，首先是計算機語言，和發數據開發架構，然後是數學和算法。這些是大數據的基礎。
但大數據真正使用，是需要結合業務的，不同行業需要的業務不同，比如金融行業，工業，互聯網等等。
----專注解答大學生就業問題，歡迎提問！----
我的瀋陽
作為一名IT從業者，同時也是一名計算機專業的教育工作者，我來回答一下這個問題。
首先，當前大數據的知識體系還是比較龐大的，隨著大數據技術生態的逐漸成熟和完善，大數據領域也逐漸形成了更多的崗位細分，從事不同的崗位細分方向則需要學習不同的知識。
從當前大的崗位劃分來看，通常包括以下幾個崗位：
第一：大數據開發崗位。從近兩年大數據方向研究生的就業情況來看，開發崗位的人才需求量還是比較大的，相關崗位的薪資待遇也比較高，其中從事大數據平臺開發的研發級崗位會有更高的薪資待遇。從事大數據開發崗位，通常需要學習三大塊內容，其一是程序開發技術，初學者可以從Java或者Python開始學起；其二是學習大數據平臺知識，初學者可以從Hadoop和Spark開始學起；其三是大數據開發實踐，這個過程需要掌握一定的行業知識。
第二：大數據分析崗位。大數據分析崗位的人才需求潛力是非常大的，不僅IT（互聯網）行業需要大量的大數據分析人才，傳統行業領域也需要大數據分析人才。選擇大數據分析方向需要具有一定的數學和統計學基礎，而且也有一定的學習難度。目前大數據分析的常見方式有兩種，分別是統計學方式和機器學習方式。
第三：大數據運維崗位。如果對於編程和算法設計不感興趣，那麼也可以考慮學習大數據運維知識，未來可以從事大數據運維崗位。大數據運維崗位的任務相對比較雜，需要從業者具有較強的動手實踐能力。從知識結構上來看，大數據運維需要掌握網絡知識、大數據平臺知識和服務器知識。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
學習大數據需要循序漸進的學，掌握一套學習方法很重，把需要學習的內容分成幾個階段，系統學習。我簡單的列了一下需要學習的內容，僅供參考。
第一階段
JavaSE基礎核心
Java入門語法、面向對象核心、集合與泛型、線程機制、網絡編程、流程控制結構、異常體系、反射體系、IO流、設計模式
第二階段
數據庫關鍵技術
MySql安裝和使用、DML（數據操縱語言）、DCL（數據控制語言）、存儲過程和函數、JDBC核心技術、SQL語言解析、DDL（數據定義語言）
第三階段
大數據基礎核心
Maven、Hadoop、Hive、Kafka、Linux、Shell、Zookeeper+HA、Flume、HBase
第四階段
Spark生態體系框架
Scala語言、Spark SQL、Kylin、Druid、Sqoop、Spark Core、Presto、Spark Streaming、Redis緩存數據庫、GIT & GIT Hub、ElasticSearch
第五階段
Flink流式數據處理框架
Flink Environment、Flink DataSet、Flink Window、Flink State & Checkpoint、Flink on Yarn、Flink DataStream、Flink Watermark
大數據漫路求索
hadoop、Hbase、hive、spark等框架使用來分析海量的數據，進行計算、統計、得出想要的結果。
條件：開發語言JAVA、操作系統Linux系統
閉著眼睛切土豆
1. 數學知識
數學知識是數據分析師的基礎知識。對於初級數據分析師，瞭解一些描述統計相關的基礎內容，有一定的公式計算能力即可，瞭解常用統計模型算法則是加分。對於高級數據分析師，統計模型相關知識是必備能力，線性代數(主要是矩陣計算相關知識)最好也有一定的瞭解。而對於數據挖掘工程師，除了統計學以外，各類算法也需要熟練使用，對數學的要求是最高的。
2. 分析工具對於初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具(如Matlab)視情況而定。對於數據挖掘工程師……嗯，會用用Excel就行了，主要工作要靠寫代碼來解決呢。
3. 編程語言對於初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。對於高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。對於數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。
4. 業務理解業務理解說是數據分析師所有工作的基礎也不為過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴於數據分析師對業務本身的理解。對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本瞭解就可以。對於高級數據分析師，需要對業務有較為深入的瞭解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。對於數據挖掘工程師，對業務有基本瞭解就可以，重點還是需要放在發揮自己的技術能力上。
5. 邏輯思維這項能力在我之前的文章中提的比較少，這次單獨拿出來說一下。對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，瞭解分析對象之間的關聯關係，清楚每一個指標變化的前因後果，會給業務帶來的影響。對於數據挖掘工程師，邏輯思維除了體現在和業務相關的分析工作上，還包括算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。
6. 數據可視化數據可視化說起來很高大上，其實包括的範圍很廣，做個PPT裡邊放上數據圖表也可以算是數據可視化，所以我認為這是一項普遍需要的能力。對於初級數據分析師，能用Excel和PPT做出基本的圖表和報告，能清楚的展示數據，就達到目標了。對於高級數據分析師，需要探尋更好的數據可視化方法，使用更有效的數據可視化工具，根據實際需求做出或簡單或複雜，但適合受眾觀看的數據可視化內容。對於數據挖掘工程師，瞭解一些數據可視化工具是有必要的，也要根據需求做一些複雜的可視化圖表，但通常不需要考慮太多美化的問題。
7. 協調溝通對於初級數據分析師，瞭解業務、尋找數據、講解報告，都需要和不同部門的人打交道，因此溝通能力很重要。對於高級數據分析師，需要開始獨立帶項目，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。對於數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。
下面是學習資料指南（需要原圖，加我好友，私信索取）：
Echa攻城獅
大數據技術的學習內容有很多，包括：
基礎階段：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis。
hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、歷史，HDFS工作原理，YARN介紹及組件介紹。
大數據存儲階段：hbase、hive、sqoop。
大數據架構設計階段：Flume分佈式、Zookeeper、Kafka。
大數據實時計算階段：Mahout、Spark、storm。
大數據數據採集階段：Python、Scala。
大數據商業實戰階段：實操企業大數據處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。
武器的小知識
大數據可以學習hadoop,hive,zookeeper,hbase,scala,kafka,flume,spark很多，mysql,
