多想在萌生向大數據方向發展的想法之後，不免產生一些疑問，應該怎樣入門？應該學習哪些技術？學習路線又是什麼？所有萌生入行的想法與想要學習Java的同學的初衷是一樣的。崗位非常火，就業薪資比較高,，前景非常可觀。基本都是這個原因而嚮往大數據，但是對大數據卻不甚瞭解。如果你想學習，那麼首先你需要學會編程，其次你需要掌握數學，統計學的知識，最後融合應用，就可以想在數據方向發展，籠統來說，就是這樣的。但是僅僅這樣並沒有什麼幫助，具體是什麼呢，隨着科多大數據老師一起來看一下。
如果你想要學好大數據最好加入一個好的學習環境，可以來這個Q羣251956502 這樣大家學習的話就比較方便，還能夠共同交流和分享資料
現在你需要問自己幾個問題：
1.對於計算機/軟件，你的興趣是什麼？
2.是計算機專業，對操作系統、硬件、網絡、服務器感興趣？
3.是軟件專業，對軟件開發、編程、寫代碼感興趣？
4.還是數學、統計學專業，對數據和數字特別感興趣。
5.你自己的專業又是什麼？
大數據學習的幾個階段
階段一、 Java語言基礎
Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合類
階段二、 HTML、CSS與Java
PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生Java交互功能開發、Ajax異步交互、jQuery應用
階段三、 JavaWeb和數據庫
數據庫、JavaWeb開發核心、JavaWeb開發內幕
階段四、LinuxHadoopt體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
階段五、 實戰(一線公司真實項目)
數據獲取、數據處理、數據分析、數據展現、數據應用
階段六、 Spark生態體系
Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX圖計算、實戰一：基於Spark的推薦系統(某一線公司真實項目)、實戰二：新浪網(www.sina.com.cn)
階段七、 Storm生態體系
storm技術架構體系、Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
階段八、 大數據分析 —AI(人工智能)
Data Analyze工作環境準備數據分析基礎、數據可視化、Python機器學習
1、Python機器學習2、圖像識別神經網絡、自然語言處理社交網絡處理、實戰項目：戶外設備識別分析
[if !supportLists]· [endif]目前市面上有許多的培訓機構或者定崗實訓機構，本質來說都是給你技能的，你考慮的是否合適零基礎的人說，明確回覆你，是可以的，但是如果是本科以下的學歷，學大數據的開發比較辛苦，大數據的專業很多，大數據分析，大數據開發,數據庫開發。
一般來說開發類大數據的課程都是學習4個月，單項領域的比如數據庫開發3個月就夠了，大數據開發要求本科以上學歷比較輕鬆，數據庫專科以上就夠了。
從企業方面來說，大數據人才大致可以分爲產品和市場分析、安全和風險分析以及商業智能三大領域。
產品分析是指通過算法來測試新產品的有效性，是一個相對較新的領域。在安全和風險分析方面，數據科學家們知道需要收集哪些數據、如何進行快速分析，並最終通過分析信息來有效遏制網絡***或抓住網絡罪犯。 對於想從事大數據工作的求職者來說，如何根據自身條件進行職位選擇？
下面介紹十種與“大數據”相關的熱門職位：
一、ETL研發
隨着數據種類的不斷增加，企業對數據整合專業人才的需求越來越旺盛。ETL開發者與不同的數據來源和組織打交道，從不同的源頭抽取數據，轉換並導入數據倉庫以滿足企業的需要。ETL研發，主要負責將分散的、異構數據源中的數據如關係數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後加載到數據倉庫或數據集市中，成爲聯機分析處理、數據挖掘的基礎。目前，ETL行業相對成熟，相關崗位的工作生命週期比較長，通常由內部員工和外包合同商之間通力完成。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL。
二、Hadoop開發Hadoop的核心是HDFS和MapReduce.HDFS提供了海量數據的存儲，MapReduce提供了對數據的計算。隨着數據集規模不斷增大，而傳統BI的數據處理成本過高，企業對Hadoop及相關的廉價數據處理技術如Hive、HBase、MapReduce、Pig等的需求將持續增長。如今具備Hadoop框架經驗的技術人員是最搶手的大數據人才。
三、可視化工具開發
海量數據的分析是個大挑戰，而新型數據可視化工具如Spotifre，Qlikview和Tableau可以直觀高效地展示數據。可視化開發就是在可視開發工具提供的圖形用戶界面上，通過操作界面元素，由可視開發工具自動生成應用軟件。還可輕鬆跨越多個資源和層次連接您的所有數據，經過時間考驗，完全可擴展的，功能豐富全面的可視化組件庫爲開發人員提供了功能完整並且簡單易用的組件集合，以用來構建極其豐富的用戶界面。過去，數據可視化屬於商業智能開發者類別，但是隨着Hadoop的崛起，數據可視化已經成了一項獨立的專業技能和崗位。
四、信息架構開發大數據重新激發了主數據管理的熱潮。
充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須瞭解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。
五、數據倉庫研究
數據倉庫是爲企業所有級別的決策制定過程提供支持的所有類型數據的戰略集合。它是單個數據存儲，出於分析性報告和決策支持的目的而創建。爲企業提供需要業務智能來指導業務流程改進和監視時間、成本、質量和控制。數據倉庫的專家熟悉Teradata、Neteeza和Exadata等公司的大數據一體機。能夠在這些一體機上完成數據集成、管理和性能優化等工作。
六、OLAP開發
隨着數據庫技術的發展和應用，數據庫存儲的數據量從20世紀80年代的兆（M）字節及千兆（G）字節過渡到現在的兆兆（T）字節和千兆兆（P）字節，同時，用戶的查詢需求也越來越複雜，涉及的已不僅是查詢或操縱一張關係表中的一條或幾條記錄，而且要對多張表中千萬條記錄的數據進行數據分析和信息綜合。聯機分析處理（OLAP）系統就負責解決此類海量數據處理的問題。OLAP在線聯機分析開發者，負責將數據從關係型或非關係型數據源中抽取出來建立模型，然後創建數據訪問的用戶界面，提供高性能的預定義查詢功能。
七、數據科學研究
這一職位過去也被稱爲數據架構研究，數據科學家是一個全新的工種，能夠將企業的數據和技術轉化爲企業的商業價值。隨着數據學的進展，越來越多的實際工作將會直接針對數據進行，這將使人類認識數據，從而認識自然和行爲。因此，數據科學家首先應當具備優秀的溝通技能，能夠同時將數據分析結果解釋給IT部門和業務部門領導。總的來說，數據科學家是分析師、藝術家的合體，需要具備多種交叉科學和商業技能。八、數據預測分析
營銷部門經常使用預測分析預測用戶行爲或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。
九、企業數據管理
企業要提高數據質量必須考慮進行數據管理，並需要爲此設立數據管家職位，這一職位的人員需要能夠利用各種技術工具彙集企業周圍的大量數據，並將數據清洗和規範化，將數據導入數據倉庫中，成爲一個可用的版本。然後，通過報表和分析技術，數據被切片、切塊，並交付給成千上萬的人。擔當數據管家的人，需要保證市場數據的完整性，準確性，唯一性，真實性和不冗餘。
十、數據安全研究
數據安全這一職位，主要負責企業內部大型服務器、存儲、數據安全管理工作，並對網絡、信息安全項目進行規劃、設計和實施。數據安全研究員還需要具有較強的管理經驗，具備運維管理方面的知識和能力，對企業傳統業務有較深刻的理解，才能確保企業數據安全做到一絲不漏。