第1个回答 2017-07-22
学科知识：数据分析所涉及的专业知识
统计学：参数检验、非参检验、回归分析、抽样技术、多元统计分析法、时间序列、随机过程等
计算机：数电模电、操作系统、组成原理、微机原理、汇编、编译原理、图形学、数据库、软件工程等，必须了解数据库的结构和基本原理，知道所使用的数据怎么处理出来的，同时还需要有从数据库提取所需数据的能力（比如使用SQL进行查询）；
金融学：如果你从事这个行业的数据分析，相关专业知识是必须的，如：宏观微观、投资学、货币金融、金融市场和金融机构等；
数学：微积分、线性代数等；
社会学：社会学量化统计，如问卷调查与统计分析；大数据只是资料的整合和相关性分析，不做任何推论，可能产生偏差，但是社会学可以在数据分析基础上进行理论诠释并验证理论模型；因此，社会学的学习，对从事营销类数据分析人员有帮助。
从基础学起，遇到不懂的问题翻书本，杜绝手高眼低，坚持，坚持，再坚持。
相关软件：从事数据分析方面工作必备工具
数据分析报告类：Microsoft Office软件等，如果现在你不会excel表格基本处理，不会做ppt报告，那只能说你离大数据相关岗位还差很远；现在数据呈现不单单是表格形式，更多的需要可视化图表，所以掌握可视化软件很重要，BDP、ECharts、iCharts 、FusionCharts XT、Pizza Pie Charts等，根据个人喜好选择咯；
专业数据分析软件：你必须会用一些常用的专业数据分析工具，比如SPSS、SAS、Matlab等，这些工具可以帮助我们完成专业性的算法或模型分析，还要学习python、R等；
数据库：hive、hadoop、impala等数据库相关知识；
辅助工具：思维导图工具（MindManager），可以帮助我们整理思路。
数据分析基础=理论+工具+思维，只有理论没有实际运用是纸上谈兵，只想着去用没有理论支撑也是瞎忙活，相辅相成，缺一不可；要把这些数据分析基础运用到实际业务中，琢磨其中的逻辑思维，真正发挥数据的价值。
第2个回答 2016-10-18
大数据（big data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
有人把数据比喻为蕴 藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是成为赢得竞争的关键。
大数据的价值体现在以下几个方面：
1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销;
2) 做小而美模式的中长尾企业可以利用大数据做服务转型;
3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值
第3个回答 2016-10-18
从最基础的开化，编程，java入门，linux入门，mysql等课程的入门到精通的学习，然后下一步在开始大数据的学习。柠檬学院大数据，从最基础的java，linux，mysql开始学习，注册就可以在线听课了。
第4个回答 2019-10-11
第1阶段
Java
第2阶段
JavaEE核心
第3阶段
Hadoop生态体系
第4阶段
大数据spark生态体系
第5个回答 2019-05-24
我们都知道现在大数据很火，很多小伙伴也在学习大数据的方法，比如说：怎样进行大数据的入门学习？
对于大数据的入门学习，基础不一样，起点就会不一样，今天先来说说，对于零基础的同学想要学习大数据的方式方法吧！很多人可能感到不可思议，零基础怎么可能学习大数据，没有编程基础怎么能入门呢？其实这个观点是很正确的，对于大数据的开发而言，是需要一定的编程基础的，所以我们的大数据入门级课程就落在了编程语言的学习。
现在一般的大数据入门课程，都是从编程语言开始教授的，但请你一定要认清一个问题，编程语言只是大数据课程的一小部分，如果整个大数据的课程一大部分都是编程语言的教授，你就要小心了，这真的不是真正的大数据课程。还有一些“戏精”机构以HTML5、Java、大数据可视化等擦边知识， 混淆真实大数据授课标准课程，蒙蔽学员，发现时才追悔莫及。我们总结以下假课，避免学员入坑。
不靠谱的大数据学习课程总结如下：
1、大数据偏HTML5
课程偏重HTML5、css、HTMl、AJAX、jQuery、AngleJs、Js等内容讲解。
2、大数据偏Java
课程偏重Java、JavaWeb、Spring、SpringMVC、MyBatis、HTCargo项目实战。
3、大数据偏大数据可视化
课程偏重Photoshop、Javascript及可视化工具，就职大数据运维工程师。薪资低、就业慢，岗位少。
4、大数据偏测试课程
课程偏重数据库管理系统（DBMS）、VBScript脚本语言等。
靠谱的大数据学习课程如下：
靠谱的大数据学习课程，要让学生掌握计算机技术、hadoop 、spark、storm开发、hive 数据库、Linux 操作系统等知识，具备分布式存储、分布式计算框架等技术，熟悉大数据处理和分析技术。
其中，大数据生态体系的各个模块的功能和开发技术，包括 Hadoop 体系中的 HDFS， Hbase 进行数据操作，MapReduce 进行数据开发，YARN 进行资源配置，Hive 完成数据仓库，Pig进行数据分析，以及 Oozie，Zookeeper，Sqoop 和 Flume 等模块。还有Spark 生态体系的学习，及其 Scala 基础和 SparkSQL 开发。
话不多说了，想要学习大数据的，快开始行动吧！