大数据技术是学什么的就业方向,学习大数据难吗

大数据技术是学什么的就业方向，学习大数据难吗？

大数据这个词在互联网行业中的热度持续走高，各大互联网公司都将大数据纳入战略规划中;国务院和政府报告中也多次提到“大数据”，将大数据上升为国家战略;最近发布的13个新行业中，大数据工程技术人员也在其中。由此可见，大数据在未来的互联网发展中有着不可估量的作用。大数据为什么这么火呢?以今日头条、小红书、抖音等大热的APP为例，通过大数据算法，给用户推送他们关注的内容，能够更快实现爆发式增长。各大电商平台也通过大数据分析，精准定位，大大提升了消费者购买率。大数据开发学习有一定难度，零基础入门首先要学习Java语言打基础，一般而言，Java学习SE、EE，需要约3个月的时间;然后进入大数据技术体系的学习，主要学习Hadoop、Spark、Storm等。

首先，让我们来了解一下，大数据需要学习哪些技术?

1、Java——Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序，是大数据学习的基础;

2、Linux——大数据开发通常在Linux环境下进行;

3、Hadoop——分布式系统基础架构，用户可以充分利用集群的威力进行高速运算和存储;

4、Avro与Protobuf——数据序列化系统，可以提供丰富的数据结构类型;

5、HBase——分布式的、面向列的开源数据库，是一个适合于非结构化数据存储的数据库;

6、ZooKeeper——Hadoop和Hbase的重要组件;

7、Hive——基于Hadoop的一个数据仓库工具 ;

8、phoenix——用Java编写的基于JDBC API操作HBase的开源SQL引擎;

9、Redis——key-value存储系统;

10、Flume——高可用、高可靠、分布式的海量日志采集、聚合和传输的系统;

11、SSM——Spring、SpringMVC、MyBatis三个开源框架;

12、Kafka——一种高吞吐量的分布式发布订阅消息系统;

13、Spark——专为大规模数据处理而设计的快速通用的计算引擎 ;

14、Scala——大数据开发重要框架的编程语言;

15、Azkaban——可完成大数据流任务调度;

16、Python与数据分析——可用于数据采集、数据分析以及数据可视化;对于没有基础的人来说，学大数据难吗?

如果是计算机专业的学生，学大数据相对来说还是有一定基础的，会比非计算机专业的人士好很多。由于现在各大高校几乎没有大数据专业，想学大数据的话，到计算机培训机构学习效果会更好。而没有任何计算机相关基础的，想要学习大数据，难度还是很高的。因为培训机构的培训学习期一般都是4-6个月，要想在这短短的时间内学有所成，要付出的努力肯定要比别人多非常多!一旦在学习中有怠慢心理，那么培训结束后的学习成果肯定会比别人差很多。

当然，除了个人的努力之外，选择好的培训机构也是十分重要的，这决定了你在这段时间内的学习是否有效、有用。建议在选择培训机构时，一定要多方面了解该培训机构的资质，不要随意听信宣传而导致误选，毕竟学习成本高，只有真正学到知识了，花费才是值得的。

中专学大数据技术与应用就业前景？

该专业很不错，就业前景很乐观。大数据技术与应用专业的毕业生能在政府机构企业公司等从事大数据管理研究应用开发等方面的工作。

大数据专业和计算机专业比较像，是注重实践的专业。学生需要独立编写程序，对程序进行修改与调试，需要注意每一个细节才能顺利查错并运行程序。

大数据开发主要做哪些工作？

大家好，我是Lake，专注大数据技术、程序员经验、互联网科技见解分享。

作为一个软件工程师，我个人目前从事的就是大数据方向。目前大数据可以分成很多具体的方向：大数据平台开发、大数据分析师(BI)、大数据运维、大数据处理(ETL)、大数据组件开发(偏大数据组件底层)。不同的工作方向，其工作内容还是有一定差异的，下面我来说下不同工作岗位具体的工作内容：

大数据平台开发更偏向对整体数据平台功能性开发，比如离线计算平台、实时计算平台、算法推荐平台等等。平时用的较多的语言是Java，其更偏向于Java开发。如果用户是上层用户，大数据相关组件作为最低层，大数据平台就桥接着用户和大数据组件，方便用户使用大数据组件的功能。

大数据分析师(BI同学)更多的是对我们已有的线上数据进行价值分析，从相关的线上用户所产生的数据中，发现出一些潜在的商业价值，能够更好的去辅助决策层的战略决定。BI需要对数据敏感、细心，善于从数据中发现业务价值，平常很多工作就是数据可视化、简单化、深入化、PPT化。

大数据运维同学主要是保障公司相关机器集群的稳定，使得它们不能出现故障。当申请到新的机器时，会在新机器上面部署各种大数据组件组成的集群。同样，当有业务同学需要用到机器时，可以给大数据运维同学提需求。当大数据组件集群突然因为什么变得集群不稳定时，运维同学需要去定位问题和解决问题，运维同学平时用的较多的Linux Shell脚本和命令行等，其职位更偏向于为其他同学提供机器稳定保障。

ETL同学(数仓同学)则是对我们的线上数据进行数据加工，形成DWD层(公共明细层)、DWS层(公共汇总层)，形成统一的指标口径。ETL同学会根据不同的业务需求，一般使用SQL进行数据指标的加工，指导业务同学更好的运营相关业务。同时ETL同学更关注业务指标的口径，在指标开发的过程中，使用数仓模型对业务数据进行建模，便于开发的指标数据更加统一，减少口径偏差。

大数据组件开发，更多的是结合公司业务，对大数据基础组件进行定制化开发、性能优化、BUG修复等等。同时，也需要对业务方接入进行问题答疑，指导他们使用大数据组件满足业务需求。同时，你也需要运维你的大数据组件，当出现故障BUG时，需要你能及时修复，保证大数据组件的稳定。大数据组件开发需要对你自己运维的组件原理掌握的很全很深，只有这样，你才能够更好的指导别人。

总结

大数据开发有很多方向，你可以结合你自己的兴趣，选择一个从事方向。大数据目前很多互联网公司都在做，所以大数据整体的就业情况还是很不错的。当你选择具体的大数据方向后，希望你能够深入持续的学习你所从事的方向，技术在于深，而不在于浅尝辄止。

如果我的问答对你有帮助，欢迎你点赞转发或者关注我，你的一个小小的鼓励，就是我持续分享的动力，感谢。

儿子被四川大学锦城学院数据科学与大数据技术专业录取？

感谢邀请回答这个问题。

首先，恭喜你跟你儿子哈！下面我就从几个方面来说说你的这个问题。

1.专业市场前景不错，属于当下热门行业

专业是非常不错的，属于新开的专业，就业前景和发展前景是非常好的，而且国家在这方面的人才缺口非常大。能够顺应时代趋势，顺应国家发展要求，选择这个专业，足见你家人还是很有眼光的，也是深谋远虑的，单从这一点来说，还是很不错的。

2.学校很好，学院就属于川大的二本学院

川大是四川省内最厉害的学校了，在全国排14，也是相当厉害的，尤其它的医学，堪称厉害，与协和、湘雅医学院齐名，其他像历史等文科专业，也是很厉害的。

对于锦城学院来说，是经中华人民共和国教育部批准、由教育部直属高校四川大学申办、四川锦城实业发展有限公司投资的全日制普通本科高校，多学科、综合性的应用型大学。我们读大学那会是三本院校，后来听说，国家政策原因，升成二本了。单从锦城学院来说，不属于川大本部学院，属于独立的院校，自主盈亏，有点与企业合作的那种学院的意思。

3.就业情况有，但不是优秀行业企业

学费还比较高，可能毕业以后，会有相应的对接企业招聘，不过如果想去牛逼的互联网企业，非常难，几乎是进不去，文凭摆在那了。很多互联网公司来成都招聘，肯定首选电子科大、川大（本部）、西南交大以及其他重本跟突出的二本，轮到锦城学院的，估计已经没有什么好的企业了。

如果你是去与学院对接的企业，我估计也不是薪资低大型私企，就是公司属于小微企业，发展潜力不明的，国企那是很难的。当然，我说的是靠自己努力哈，如果你家里有点关系或者不愁钱，那也就无所谓哈。

如果是靠自己，就需要你儿子很大努力，往往要通过读个好学校的研究生或者出个国，才能摆脱学院不足带来的弊端。我以前读研的时候，就遇到了好几个锦城学院毕业的，确实跟重本出来的，专业能力要差的远，需要不断努力才能赶上的。

现在企业招人的时候，有很多企业不光要看你研究生文凭，还要看你本科的学校，如果本科学校不好的，还不招，门槛是越来越高了。不过除了这些企业外，还是有很多其他企业招的哈，也不用太担心，况且还要看你儿子读书时候的机遇与造化了。

像现在跟我一起开公司的合伙人，就是川大锦城学院毕业的，专业经验是在工作后，不断精进，还是很可以的。他自己就是很强调看清楚自己的人，所以才有不断的进步。

话说的有点重了哈，不过说的是实话，仅供你参考。

做数据分析需要学什么？

随着互联网迅猛发展，各大公司沉淀了很多的数据，如何找出藏在这些数据背后的规律，利用这些数据来给公司创造价值，作为一个新手面对这些问题的时候，你是不是考虑怎么快速学习数据分析呢？

如果你的自学能力很强，那么你可以参考网上的推荐书籍，自己拿起书本，找些案例开始学习。

如果你需要前辈的指导，那么你可以按照CDA数据分析研究院的老师推荐的学习方法来学习数据分析：

首先，数据分析师需要三个方面的能力：技术（编程），数据分析方法，行业知识。

一、数据分析技术

主要包括excel，sql，BI分析工具等。

数据分析是个比较大的概念，相关领域也有很多的分析工具，包括：

1、Excel工具（Excel的强大必须单列）

2、专业的数据分析工具：SPSS、SAS、Matlib等

3、数据分析编程工具：Python、R等

4、商业智能BI工具

本文主要想大家推荐自助式BI数据分析工具。BI即商业智能，泛指用于业务分析的技术和工具，通过获取、处理原始数据，将其转化为有价值的信息指导商业行动。Gartner把BI定义为一个概括性的术语，其中包括应用程序、基础设施和工具，通过获取数据、分析信息以改进并优化决策和绩效，形成一套最佳的商业实践。

自助式商业智能和数据可视化工具，让数据分析更简单

自助式BI（也叫做自助式分析），是一种新的数据分析方式。让没有统计分析、数据挖掘、数据库 SQL 知识的业务人员，也可以通过丰富的数据交互和探索功能，发现数据背后的原因和价值，从而辅助业务决策的制定。自助式BI分析功能可以来自于独立的 BI 软件，也可以由行业应用软件直接提供。

BI数据分析工具，提供自助式BI分析功能，最终用户可以非常灵活的与数据交互，探索数据背后的原因并发掘更多价值，为决策制定提供有效的数据支撑。在仪表板设计和分析阶段，提供图表联动、数据钻取、数据切片器、OLAP 等交互式分析功能，用户仅需通过极少的操作，便能找到最有价值的数据。

自助式BI的价值

在使用传统商业智能BI软件的企业中，需要先准备数据仓库和数据集市，然后由IT/分析团队创建分析看板和报表，然而，随着企业发展步伐的加快，业务用户需要更快速、更容易地访问数据，这将帮助他们在复杂多变的环境中更好的做出决策。借助自助式BI分析工具，可以让这一需求得到满足，还能很好的提高企业的数据文化。

简单易用的自助式BI

自助式BI从数据准备到 BI 交互式分析整个过程提供了高度易用的分析体验。分析人员通过拖拉拽快速完成数据建模和仪表板设计。不仅设计过程，结果也具备高度自助灵活的数据探查能力。分析过程与业务深度融合，真正让科学决策与业务管理并行。

自助准备数据、创建仪表板和报表

业务人员完全可以自己设计仪表板和报表，根据自己的业务需要进行数据分析、选择合适的数据可视化效果，并形成分析见解，也能直接分析自己的 Excel 等数据，从而避免以往花大量时间准备需求，然后交由IT部门开发（或者实施厂商）的业务模式，可以提升企业的整体运行效率，以适应瞬息万变的市场环境。

多数据源整合，为决策分析提供完整数据支持

通过 Wyn Enterprise 的数据查询设计器，您将能有效整合分散在企业内外的各种数据，包括数据库、云端数据和本地存放的文件数据，以及 JSON/OData 等程序数据。既能拖动完成跨源的数据建模，也支持直接编写查询语句。最终，通过数据模型访问控制和行级数据安全管理，分享给 BI 分析或报表设计者使用。查看支持的数据源

快速设计决策管理驾驶舱(Dashboard)

Wyn Enterprise 的BI仪表中，支持以拖拽的方式进行数据分析操作，并提供了丰富的数据可视化效果，包括：图表、地图、透视表、KPI指标卡、数据切片器等。同时，仪表板支持多页面功能，还提供了内置的主题皮肤，让您可以非常快速地设计各种样式的管理驾驶舱和决策看板。

计算图表，支持Excel 450+ 计算公式的增强型分析能力

在 Wyn Enterprise 嵌入式商业智能和报表软件的 V4.0 版本中，我们将 Excel 的数据分析方式和 450+ 计算公式完整的集成到仪表板设计器中，从而为BI仪表板提供了增强型计算分析能力，让商业智能与Excel完美的融合，打造更强大易用的自助式分析体验。重要使用场景包括：1、跨数据集的计算分析需要，比如：销售、预算与回款分析；现金流、资产和利润分析；计划、执行和完成率分析，等等。2、系统数据和录入数据联合分析，比如：基于系统中2010-2019历史数据，进行2020年的预算制定与分析的需要。3、各种比例计算分析，比如：当月销售收入、当月销售预算、累计销售收入、累计预算、当月销售完成率、累计销售完成率等。4、行业特殊计算公式，正如Excel中提供的多个行业相关计算公式一样，计算图表也为：财务、日期和时间、统计、文本、逻辑、信息、工程、Web等领域需要提供了计算公式。

数据切片、联动分析与钻取分析

在设计BI仪表板时，你可以添加多种数据切片器，包括：日期范围、相对日期、列表、树形列表、文本标签等。在使用BI仪表板时，最终用户不仅可以通过切片器筛选数据，还能通过联动分析发现数据不同维度的表现，也能在钻取分析模式下深入探索数据背后的真实原因。

二、数据分析方法

常用的数据分析方法包括以下13种：

1. 描述统计

描述性统计是指运用制表和分类，图形以及计算概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。

2. 假设检验

参数检验

参数检验主要包括U验和T检验

1）U验使用条件：当样本含量n较大时，样本值符合正态分布

2）T检验使用条件：当样本含量n较小时，样本值符合正态分布

非参数检验