主要學(xué)習(xí)office辦公自動化，HTML+css3，JavaScript，C語言程序設(shè)計，Linux服務(wù)器配置與應(yīng)用，MySQL數(shù)據(jù)庫管理的應(yīng)用等。

數(shù)據(jù)分析師需要學(xué)習(xí)哪里內(nèi)容？EXCEL 數(shù)據(jù)處理、 SQL 數(shù)據(jù)庫語言入門，統(tǒng)計分析知識、 SPSS 數(shù)據(jù)分析、 R 數(shù)據(jù)挖掘、Python機器學(xué)習(xí)，

數(shù)據(jù)分析師需要學(xué)習(xí)以下幾個方面的課程：（1）數(shù)據(jù)管理。a、數(shù)據(jù)獲取。企業(yè)需求:數(shù)據(jù)庫訪問、外部數(shù)據(jù)文件讀入案例分析:使用產(chǎn)品信息文件演示spss的數(shù)據(jù)讀入共能。b、數(shù)據(jù)管理。企業(yè)需求:對大型數(shù)據(jù)進行編碼、清理、轉(zhuǎn)換。案例分析:使用銀行信用違約信息文件spss相應(yīng)過程。1）數(shù)據(jù)的選擇、合并與拆分、檢查異常值。2）新變量生成，SPSS函數(shù)。3）使用SPSS變換數(shù)據(jù)結(jié)構(gòu)——轉(zhuǎn)置和重組。4）常用的描述性統(tǒng)計分析功能。頻率過程、描述過程、探索過程。c、數(shù)據(jù)探索和報表呈現(xiàn)。企業(yè)需求:對企業(yè)級數(shù)據(jù)進行探索，主要涉及圖形的使用。spss報表輸出。案例分析:企業(yè)績效文件，如何生成美觀清晰的報告。1）制作報表前對變量的檢查2）制作報表的中對不同類型的數(shù)據(jù)處理3） 報表生成功能與其他選項的區(qū)別（2）數(shù)據(jù)處理a、相關(guān)與差異分析。案例分析:產(chǎn)品合格率的相關(guān)與差異分析。b、線性預(yù)測。企業(yè)需求: 探索影響企業(yè)效率的因素，并進一步預(yù)測企業(yè)效率。案例分析:產(chǎn)品合格率的影響因素及其預(yù)測分析。c、因子分析。企業(yè)需求: 需要抽取影響企業(yè)效率的主要因素，進行重點投資案例分析:客戶購買力信息研究。d、聚類分析。企業(yè)需求: 需要了解購買產(chǎn)品的客戶信息案例分析:客戶購買力信息研究e、bootstrap。案例分析: bootstrap抽樣。（3）SPSS代碼SPSS代碼應(yīng)用

1.大數(shù)據(jù)工程師工作中會做什么？集群運維：安裝、測試、運維各種大數(shù)據(jù)組件數(shù)據(jù)開發(fā)：細分一點的話會有ETL工程師、數(shù)據(jù)倉庫工程師等數(shù)據(jù)系統(tǒng)開發(fā)：偏重Web系統(tǒng)開發(fā)，比如報表系統(tǒng)、推薦系統(tǒng)等這里面有很多內(nèi)容其實是十分重合的，下面大致聊一下每一塊內(nèi)容大致需要學(xué)什么，以及側(cè)重點。2.集群運維數(shù)據(jù)工程師，基本上是離不開集群搭建，比如hadoop、Spark、Kafka，不要指望有專門的運維幫你搞定，新組件的引入一般都要自己來動手的。因此這就要求數(shù)據(jù)工程師了解各種大數(shù)據(jù)的組件。由于要自己的安裝各種開源的組件，就要求數(shù)據(jù)工程師要具備的能力： Linux 。要對Linux比較熟悉，能各種自己折騰著玩。由于現(xiàn)在的大數(shù)據(jù)生態(tài)系統(tǒng)基本上是 JVM系的，因此在語言上，就不要猶豫了，JVM系的Java和Scala基本上跑不掉，Java基本上要學(xué)的很深，Scala就看情況了。3. ETLETL在大數(shù)據(jù)領(lǐng)域主要體現(xiàn)在各種數(shù)據(jù)流的處理。這一塊一方面體現(xiàn)在對一些組件的了解上，比如Sqoop、Flume、Kafka、Spark、MapReduce;另一方面就是編程語言的需要，Java、Shell和Sql是基本功。4.系統(tǒng)開發(fā)我們大部分的價值最后都會由系統(tǒng)來體現(xiàn)，比如報表系統(tǒng)和推薦系統(tǒng)。因此就要求有一定的系統(tǒng)開發(fā)能力，最常用的就是 Java Web這一套了，當(dāng)然Python也是挺方便的。需要注意的是，一般數(shù)據(jù)開發(fā)跑不掉的就是各種提數(shù)據(jù)的需求，很多是臨時和定制的需求，這種情況下， Sql就跑不掉了，老老實實學(xué)一下Sql很必要。如何入門？前面提到了一些數(shù)據(jù)工程師會用到的技能樹，下面給一個入門的建議，完全個人意見。1.了解行業(yè)情況剛開始一定要了解清楚自己和行業(yè)的情況，很多人根本就分不清招聘信息中的大數(shù)據(jù)和數(shù)據(jù)挖掘的區(qū)別就說自己要轉(zhuǎn)行，其實是很不負責(zé)的。不要總是趕熱點，反正我就是經(jīng)常被鄙視做什么大數(shù)據(jù)開發(fā)太Low，做數(shù)據(jù)就要做數(shù)據(jù)挖掘，不然永遠都是水貨。2.選擇學(xué)習(xí)途徑如果真是清楚自己明確地想轉(zhuǎn)數(shù)據(jù)開發(fā)了，要考慮一下自己的時間和精力，能拿出來多少時間，而且在學(xué)習(xí)的時候最好有人能多指點下，不然太容易走彎路了。在選擇具體的學(xué)習(xí)途徑時，要慎重一點，有幾個選擇：自學(xué)報班找人指點別的不說了，報班是可以考慮的，不要全指望報個輔導(dǎo)班就能帶你上天，但是可以靠他幫你梳理思路。如果有專業(yè)從事這一行的人多幫幫的話，是最好的。不一定是技術(shù)好，主要是可溝通性強。3.學(xué)習(xí)路線學(xué)習(xí)路線，下面是一個大致的建議：第一階段先具備一定的Linux和Java的基礎(chǔ)，不一定要特別深，先能玩起來，Linux的話能自己執(zhí)行各種操作，Java能寫點小程序。這些事為搭建Hadoop環(huán)境做準(zhǔn)備。學(xué)習(xí)Hadoop，學(xué)會搭建單機版的Hadoop，然后是分布式的Hadoop，寫一些MR的程序。接著學(xué)學(xué)Hadoop生態(tài)系統(tǒng)的其它大數(shù)據(jù)組件，比如Spark、Hive、Hbase，嘗試去搭建然后跑一些官網(wǎng)的Demo。Linux、Java、各種組件都有一些基礎(chǔ)后，要有一些項目方面的實踐，這時候找一些成功案例，比如搜搜各種視頻教程中如何搞一個推薦系統(tǒng)，把自己學(xué)到的用起來。第二階段到這里是一個基本的階段了，大致對數(shù)據(jù)開發(fā)有一些了解了。接著要有一些有意思內(nèi)容可以選學(xué)。數(shù)據(jù)倉庫體系：如何搞數(shù)據(jù)分層，數(shù)據(jù)倉庫體系該如何建設(shè)，可以有一些大致的了解。用戶畫像和特征工程：這一部分越早了解越好。一些系統(tǒng)的實現(xiàn)思路：比如調(diào)度系統(tǒng)、元數(shù)據(jù)系統(tǒng)、推薦系統(tǒng)這些系統(tǒng)如何實現(xiàn)。第三階段下面要有一些細分的領(lǐng)域需要深入進行，看工作和興趣來選擇一些來深入進行分布式理論：比如Gossip、DHT、Paxo這些構(gòu)成了各種分布式系統(tǒng)的底層協(xié)議和算法，還是要學(xué)一下的。數(shù)據(jù)挖掘算法：算法是要學(xué)的，但是不一定純理論，在分布式環(huán)境中實現(xiàn)算法，本身就是一個大的挑戰(zhàn)。各種系統(tǒng)的源碼學(xué)習(xí)：比如Hadoop、Spark、Kafka的源碼，想深入搞大數(shù)據(jù)，源碼跑不掉。

預(yù)測分析：預(yù)測分析是一種統(tǒng)計或數(shù)據(jù)挖掘解決方案，包含可在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中使用以確定未來結(jié)果的算法和技術(shù)。可為預(yù)測、優(yōu)化、預(yù)報和模擬等許多其他用途而部署。隨著現(xiàn)在硬件和軟件解決方案的成熟，許多公司利用大數(shù)據(jù)技術(shù)來收集海量數(shù)據(jù)、訓(xùn)練模型、優(yōu)化模型，并發(fā)布預(yù)測模型來提高業(yè)務(wù)水平或者避免風(fēng)險。NoSQL數(shù)據(jù)庫：非關(guān)系型數(shù)據(jù)庫包括Key-value型(Redis)數(shù)據(jù)庫、文檔型(MonogoDB)數(shù)據(jù)庫、圖型(Neo4j)數(shù)據(jù)庫；雖然NoSQL流行語火起來才短短一年的時間，但是不可否認(rèn)，現(xiàn)在已經(jīng)開始了第二代運動。盡管早期的堆棧代碼只能算是一種實驗，然而現(xiàn)在的系統(tǒng)已經(jīng)更加的成熟、穩(wěn)定。分布式存儲系統(tǒng)：分布式存儲是指存儲節(jié)點大于一個、數(shù)據(jù)保存多副本以及高性能的計算網(wǎng)絡(luò);利用多臺存儲服務(wù)器分擔(dān)存儲負荷，利用位置服務(wù)器定位存儲信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴展。當(dāng)前開源的HDFS也是非常不錯的。數(shù)據(jù)可視化：數(shù)據(jù)可視化技術(shù)是指對各類型數(shù)據(jù)源(包括Hadoop上的海量數(shù)據(jù)以及實時和接近實時的分布式數(shù)據(jù))進行顯示，當(dāng)前，國內(nèi)外數(shù)據(jù)分析展示的產(chǎn)品很多。