大數(shù)據(jù)培訓基本都是4個月，畢業(yè)后企業(yè)就給安排工作，只不過有好有壞而已，像我知道的達內，光環(huán)大數(shù)據(jù)都是上市大企業(yè)，你可以去看看

大數(shù)據(jù)培訓，目前主要有兩種：1、大數(shù)據(jù)開發(fā)數(shù)據(jù)工程師建設和優(yōu)化系統(tǒng)。學習hadoop、spark、storm、超大集群調優(yōu)、機器學習、Docker容器引擎、ElasticSearch、并發(fā)編程等；2、數(shù)據(jù)分析與挖掘一般工作包括數(shù)據(jù)清洗，執(zhí)行分析和數(shù)據(jù)可視化。學習Python、數(shù)據(jù)庫、網(wǎng)絡爬蟲、數(shù)據(jù)分析與處理等。大數(shù)據(jù)培訓一般是指大數(shù)據(jù)開發(fā)培訓。大數(shù)據(jù)技術龐大復雜，基礎的技術包含數(shù)據(jù)的采集、數(shù)據(jù)預處理、分布式存儲、數(shù)據(jù)庫、數(shù)據(jù)倉庫、機器學習、并行計算、可視化等各種技術范疇和不同的技術層面。

大部分的培訓時間在四個月時間，要想就業(yè)前提必須把技術學到手，能熟練掌握，找工作就不是問題，目前大數(shù)據(jù)是發(fā)展趨勢。

大數(shù)據(jù)學習課程圖

第1階段 Java

第2階段 JavaEE核心

第3階段 Hadoop生態(tài)體系

第4階段 大數(shù)據(jù)spark生態(tài)體系

想了解數(shù)據(jù)分析師的職業(yè)規(guī)劃或學習計劃，由此來提升自己的技能和專業(yè)知識，我覺得最準確最有針對性一個方法就是查閱招聘崗位的工作要求，這樣我們就可以有的放矢地好好專研自己的學習。我們看一下以下這條招聘要求：1.負責大數(shù)據(jù)平臺的規(guī)劃、分析、設計工作，把握整體架構，進行相關技術方案文檔的撰寫；2.負責大數(shù)據(jù)平臺的部署、開發(fā)、維護工作；3.與BI分析人員協(xié)作，完成面向業(yè)務目標的數(shù)據(jù)分析模型定義和算法實施工作；4.承擔相關技術領域的探索與儲備。任職要求：1.大學本科以上學歷，熟練掌握C/C++或者JAVA；2.熟悉各種常用數(shù)據(jù)結構及算法，對linux下的網(wǎng)絡數(shù)據(jù)庫開發(fā)有足夠經驗；3.有2年以上C++實戰(zhàn)經驗者優(yōu)先；4.有大數(shù)據(jù)挖據(jù)方面經驗和技能者優(yōu)先；如hadoop、hbase、hive等；5.善于與其他部門的成員溝通、協(xié)作。還有一個招聘要求是：崗位職責：1、理解并挖掘用戶需求，進行數(shù)據(jù)建模；2、利用專業(yè)統(tǒng)計、分析工具從海量數(shù)據(jù)中總結規(guī)律、挖掘潛在價值，提供決策依據(jù)。任職要求：1、數(shù)學類、統(tǒng)計類、計算機類、人工智能類相關專業(yè)本科及以上學歷，2年左右專職數(shù)據(jù)分析、挖掘經驗，優(yōu)秀的應屆碩士也可；2、良好的數(shù)據(jù)敏感性，善于從海量數(shù)據(jù)中提取有效信息進行分析挖掘和建模；3、熟練掌握任一種分析工具，例SPSS、SAS、R語言、MatLab；4、熟悉數(shù)據(jù)庫技術，如oracle、SQL、MongoDB；5、對于數(shù)學建模、數(shù)據(jù)挖掘、Hadoop大數(shù)據(jù)有經驗者優(yōu)先。我想，你看到這，應該是對數(shù)據(jù)分析工程師有了非常明晰的看法，好好加油ba !

1 大學數(shù)學牛的人適合2 不排斥敲代碼的工作的人適合我是剛出來的，學了很多，但是工作得敲代碼，個人有點煩，所以不做了，不過我有上課時的錄播，可***（光環(huán)大數(shù)據(jù)的課程，線下學了半年，學費花了19800）

大數(shù)據(jù)培訓需要5個月左右，如需大數(shù)據(jù)培訓推薦選擇【達內教育】，該機構提供完全真實的互聯(lián)網(wǎng)大數(shù)據(jù)開發(fā)部署環(huán)境，幫助學員擁有更完善的實戰(zhàn)經驗。大數(shù)據(jù)概念應用到IT操作工具產生的數(shù)據(jù)中，大數(shù)據(jù)可以使IT管理軟件供應商解決大廣泛的業(yè)務決策。IT系統(tǒng)、應用和技術基礎設施每天每秒都在產生數(shù)據(jù)。大數(shù)據(jù)非結構化或者結構數(shù)據(jù)都代表了用戶的行為、服務級別、安全、風險、欺詐行為等更多操作的記錄。在【java課程】的基礎上加上了部分初級大數(shù)據(jù)的技術知識，在精通java之余，還能掌握一些大數(shù)據(jù)的技術知識。感興趣的話點擊此處，免費學習一下想了解更多有關大數(shù)據(jù)的相關信息，推薦咨詢【達內教育】。秉承“名師出高徒、高徒拿高薪”的教學理念，是達內公司確保教學質量的重要環(huán)節(jié)。作為美國上市職業(yè)教育公司，誠信經營，拒絕虛假宣傳是該機構集團的經營理念。該機構在學員報名之前完全公開所有授課講師的授課安排及背景資料，并與學員簽訂《指定授課講師承諾書》，確保學員利益。達內IT培訓機構,試聽名額限時搶購。

統(tǒng)計學專業(yè)、心理學專業(yè)、社會學專業(yè)、人口學專業(yè)、營銷學專業(yè)、財務管理專業(yè) 這幾個專業(yè)的比較適合做數(shù)據(jù)分析。當然也要看你對未來的規(guī)劃和掌握的知識。數(shù)據(jù)分析師是一個高薪有前景的職業(yè)，未來的發(fā)展也是很好的。想入行的話參加培訓是一個非常不錯的選擇。找工作的如果你有cpda證，是一個加分項。證書可以多少代表你的能力。

首先我們要了解Java語言和Linux操作系統(tǒng)，這兩個是學習大數(shù)據(jù)的基礎，學習的順序不分前后。

Java ：只要了解一些基礎即可，做大數(shù)據(jù)不需要很深的Java 技術，學java SE 就相當于有學習大數(shù)據(jù)基礎。

Linux：因為大數(shù)據(jù)相關軟件都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數(shù)據(jù)相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運行環(huán)境和網(wǎng)絡環(huán)境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數(shù)據(jù)集群。還能讓你對以后新出的大數(shù)據(jù)技術學習起來更快。

Hadoop：這是現(xiàn)在流行的大數(shù)據(jù)處理平臺幾乎已經成為大數(shù)據(jù)的代名詞，所以這個是必學的。Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數(shù)據(jù)進行處理計算的，它有個特點就是不管多大的數(shù)據(jù)只要給它時間它就能把數(shù)據(jù)跑完，但是時間可能不是很快所以它叫數(shù)據(jù)的批處理。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。它一般用來存放一些相互協(xié)作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對于我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數(shù)據(jù)的處理了，接下來學習學習小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的權限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用于把Mysql里的數(shù)據(jù)導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數(shù)據(jù)表導出成文件再放到HDFS上也是一樣的，當然生產環(huán)境中使用要注意Mysql的壓力。

Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據(jù)變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯了給你發(fā)報警并能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫，他的數(shù)據(jù)是按照key和value的形式存儲的并且key是唯一的，所以它能用來做數(shù)據(jù)的排重，它與MYSQL相比能存儲的數(shù)據(jù)量大很多。所以他常被用于大數(shù)據(jù)處理完成之后的存儲目的地。

Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數(shù)據(jù)多了同樣也需要排隊處理，這樣與你協(xié)作的其它同學不會叫起來，你干嗎給我這么多的數(shù)據(jù)(比如好幾百G的文件)我怎么處理得過來，你別怪他因為他不是搞大數(shù)據(jù)的，你可以跟他講我把數(shù)據(jù)放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優(yōu)化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數(shù)據(jù)的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方(比如Kafka)的。

Spark：它是用來彌補基于MapReduce處理數(shù)據(jù)速度上的缺點，它的特點是把數(shù)據(jù)裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。