数据分析重要性
越来越多的管理者意识到数据分析对经济发展、企业运营的重要意义
在古代，得琅琊阁者得天下 现在，得大数据者得天下
我总结的数据分析五步走：
1、锁定分析目标，梳理思路，叫纸上谈兵；
2、把杂乱的数据整理出图表报表，用数据探业务，叫自问数答；
3、锁定核心抓重点，设定最终算法，叫挟天子以令诸侯；
4、梳理重点发现，准备剧本开拍，接受PK，叫才辨无双；
5、效果梳理，总结经验，叫内视反听。
知道了数据的重要性，也了解了数据分析的步骤，那么如何更好的学习并运用呢
现在学习的途径很多，数据君整理几个大家不知道的网站，让你开开眼界：
都是国外的学习站点，所以有时候打不开，原因你懂的
一、如何用R的处理大数据
http://www.xmind.net/m/LKF2/
二、R语言的工具包
https://cran.r-project.org/web/views/
里面含机器学习，自然语言处理，时间序列分析，空间信息分析，多重变量分析，计量经济学，心理统计学，社会学统计，化学计量学，药物代谢动力 等
三、帮你获得python大数据处理工具大全
http://www.xmind.net/m/WvfC
四、学习Python语言的，个人强烈推荐
https://learnpythonthehardway.org/book/
说实话Python最近今年太火了，静下心学这个语言没有错！
五、SAS图例集
http://robslink.com/SAS/Home.htm
用SAS也可以做出很漂亮的图形，这里就要提到一位大牛：Robert Allison。在他的网站上给出了非常全面的SAS图例和相应的实现代码
六、美国布朗大学概率和统计的可视化导论，一个非常棒的可视化概率及统计的学习网站（http://students.brown.edu/seeing-theory/?vt=4）
七、教你玩动态的GIF图表
http://lenagroeger.com/
教你如何把手中的数据变成炫酷的GIF动图？ 这个网站有各种类型的GIF图
八、如何选择机器学习算法
http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
九、一套数据，25种可视化
http://flowingdata.com/2017/01/24/one-dataset-visualized-25-ways
仔细看了一下受益匪浅，同一组数据做出来的效果不同，看数的角度也不同
十、大数据数据处理资源
http://usefulstuff.io/big-data/
;从框架、分布式编程、分布式文件系统、键值数据模型、图数据模型、数据可视化、列存储、机器学习等
十一、里面蕴含编程语言、机器算法、大数据等，内容巨丰富
https://www.analyticsvidhya.com/blog/2017/02/top-28-cheat-sheets-for-machine-learning-data-science-probability-sql-big-data/
十二、推荐排名前50个开源的Web爬虫
十三、学习数据挖掘、机器学习的好网站，写的很全面很系统，适合各个级别的高手（网站：https://www.autonlab.org/tutorials）
最后，柠檬为大家准备了一些学习教程，希望可以帮助到大家！
大纲
第一阶段linux 系统
章节1：linux 基础
第二阶段大型网站高并发处理
章节1：高并发与负载均衡
第三阶段Hadoop 分布式文件系统：HDFS
章节1：Hadoop 简单介绍及架构设计
章节2：Hadoop 高可用集群及java API
第四阶段Hadoop 分布式计算框架：Mapreduce
章节1：MapReduce 分布式计算框架架构设计及项目案例
第五阶段Hadoop 离线体系：Hive
章节1：hive 架构设计及集群搭建
章节2：hive 基本操作
章节3：hive 权限管理及优化
第六阶段Hadoop 离线计算体系：Hbase
章节1：hbase 架构设计及hbase 部署
章节2：hbase 基本操作及性能优化
第七阶段Zookeeper 开发
章节1：zookeeper 架构及开发
第八阶段elasticsearch 分布式搜索
章节1：lucene 介绍
章节2：elasticsearch 安装及使用
第九阶段CDH 集群管理
章节1：CDH 搭建及使用
第十阶段Storm 实时数据处理
章节1：storm 介绍及部署
章节2：storm 深入学习及案例讲解
第十一阶段Redis 缓存数据库
章节1：Redis 介绍及使用
第十二阶段Spark 核心部分：Spark Core
章节1：Spark 介绍计算子使用
章节2：Spark 集群搭建及提交方式
章节3：Spark 核心概念讲解及资源任务调度源码分析
章节4：SparkSQL 介绍及使用
章节5：kafka 的使用及 SparkStreaming 介绍及使用
章节6：Spark 案例实现
第十三阶段机器学习
章节1：Python 语法介绍及案例实现
章节2：R 语言语法及机器学习算法
第十四阶段机器学习：推荐系统项目
章节1：推荐系统需求分析及架构分析
章节2：推荐系统案例
最后，如果大家需要这套视频自学教程的话，只需后台私信柠檬关键词：“资料”就可以免费领取到这套资料啦！
閱讀更多 web檸檬老師 的文章
