大数据入门女生学大数据很累吗？都需要学什么？

大数据学习培训如何学

1/6 大数据分析的五个基本方面 PredictiveAnalyticCapabilities（预测性分析能力） 数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

DataQualityandMasterDataManagement（数据质量和数据管理） 数据质量和数据管理是一些管理方面的最佳实践。

通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

AnalyticVisualizations（可视化分析） 不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。

可视化可以直观的展示数据，让数据自己说话，让观众听到结果。

SemanticEngines（语义引擎） 我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。

语义引擎需要被设计成能够从“文档”中智能提取信息。

DataMiningAlgorithms（数据挖掘算法） 可视化是给人看的，数据挖掘就是给机器看的。

集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。

这些算法不仅要处理大数据的量，也要处理大数据的速度。

假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。

2/6 大数据处理 大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要绝对精确， 要相关不要因果。

具体的大数据处理方法其实有很多，但是根据长时间的实践， 笔者总结了一个基本的大数据处理流程，并且这个流程应该能够对大家理顺大数据的处理有所帮助。

整个处理流程可以概括为四步，分别是采集、导入和预处理、统计和分析，以及挖掘。

3/6 采集 大数据的采集是指利用多个数据库来接收发自客户端的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。

比如，电商会使用传统的关系型数据库MySQL和Ora。

大数据课程难不难学，学历低能学会吗？

照我多年的观察，学习大数据的人群学历最低基本上是在大专，一般都是本科或硕士生居多，不过这不是绝对的，毕竟大数据相关职位对行业知识和项目经验也很看重，如果家庭经济情况允许，自己学习意愿也比较强的，在校生可以选择读研，已经本科毕业出来的学生，可以选择报一个大数据就业班之类的，系统地提高一下自己的业务能力和实操经验。

对于学历这个问题，一般来说，当你没有任何基础的时候，能拿的出手的只有学历，本科生当然竞争不过研究生。

但是随着工作时间久了，你的能力达到了这个职位的要求，学历就不重要了。

尤其是对业务能力要求比较高的数据分析师、数据挖掘师这些职位，你的行业知识和业务理解能力在很多情况下比学历更加重要。

至于去哪里学，这个你可以货比三家，结合自己的专业背景和兴趣偏好，选择你更加喜欢或更加信任的课程，虽然课程整体上都是大同小异，但讲师的授课方式和个人水平很重要，一定要找好符合自己心态和感官的讲师，这样你学起来会更加得心应手。

我们CDA也有大数据分析就业班，有时间可以了解一下，让课程顾问帮你好好分析分析你目前所处的水平在什么位置，然后再量身为你推荐适合你学习的课程。

对于一个没有任何基础的人，想要学大数据，该从哪里

作为一门交叉符合性学科，大数据学习的内容纷繁复杂。

针对不同的就业方向，需要学习的内容也不相同，就目前的就业形式而言，大数据的就业方向主要有这几个方面： 大数据系统研发领域 主要承担整个运营系统的构建与维护、数据准备、平台与工具开发。

需要大数据研发、运维和架构人员协调完成一个稳定的大数据平台系统。

大数据研发，指围绕大数据平台系统记得研发人员，能够从事分布式计算框架和HADOOP， Spark集群环境的部署、开发和管理工作。

大数据运维，负责平台的配置、更新、故障处理、安全管理与日常维护。

需要熟悉大数据平台的部署方式。

大数据架构，负责大数据平台的架构设计、技术选型和方案实施，需要对HADOOP生态、实时计算框架非常熟悉，具备集群搭建、维护、监控能力。

大数据应用开发领域 大数据应用开发工程师负责基于大数据平台实现业务项目的开发以及维护工作，需要具备扎实的机器学习/数据挖掘基础，对商业BI、用户画像、可视化呈现等需要了解。

数据分析领域 数据分析师专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测，帮助企业把数据和技术转化为商业价值。

需要对数字具有敏锐的洞察力。

目前互联网行业、市场咨询公司、金融证券行业、电信行业对数据分析师存在着大量需求。

对于跨行转战大数据的人，给一些学习建议： 1、做好职业规划，找准职业定位 大数据专业的内容细分起来十分的纷繁复杂，其深度和广度是其他专业无法比拟的。

一个人的精力和时间都是有线的，我们不可能做到对所有知识的全面掌握。

所以一定要避免求全心理，要根据自己现有的知识储备和意向做好职业规划与定位，针对自己的职业定位方向进行针对性学习。

2、避免贪多嚼不烂，针对性学习更有帮助 数据挖掘、机器算法、Python、R语言、统计分析、预测模型、云计算、HADOOP等名词在对大数据感兴趣的人群中已经是耳熟能详了，到底如何零基础开始学习，却是每一位初学者都头疼的问题。

还是建议初学者从自身能力，掌握知识程度入手，深入浅出，系统学习。

3、自学困难，枯燥难啃，建议报班和大家一起学习 一是学习氛围好，就会有兴趣；二是看到别人学得好，有压力就有动力，自己也会不自觉的主动学习。

三是遇到不会的难题，可以随时请教老师，事半功倍。

大数据入门书籍有哪些？

1：<大数据时代> 这是学习大数据必读的一本书，也是最系统的关于大数据概念的一本书，由维克托·迈尔-舍恩伯格和肯尼斯·库克耶编写，主要介绍了大数据理念和生活工作及思维变革的关系。

它被包括宽带资本董事长田朔宁、知名IT评论人谢文等专业读者鉴定为“大数据领域最好的著作没有之一，一本顶一万本”。

有这么好吗？看完自己评价吧。

这本书对这个大规模产生、分享和应用数据的新的大时代进行了阐述和厘清，作者围绕“要全体不要抽样、要效率不要绝对精确、要相关不要因果”三大理念，通过数十个商业和学术案例，剖析了万事万物数据化和数据复用挖掘的巨大价值。

2：<爆发> 由巴拉巴西编写，主要讲了在一个历史故事的连续讲述中，了解大数据的概念实质。

从大数据的历史开始，能更深入的了解大数据的发展历程。

巴拉巴西整本书讲述的大数据根本目的，是预测。

他甚至有零有整地判断，人类行为93%是可以预测的。

打个比方，千百年前人类无法如今天般准确预测天气，以致某些大致预测的行为都被认为是“通神”，其实核心在于对天气数据的海量占有和分析能力。

但假如全人类的所有基础及行为数据全部被占有全部能分析呢？比如通过智能终端LBS功能采集全部运动轨迹、通过金融系统采集所有支付记录、通过SNS采集所有社会关系和通过邮件、文档、社会视频监控和自我视频监测采集所有言行记录，24小时，每分每秒，一生，全地球70亿人，那会如何？ 3：<大数据> 由徐子沛编写，看美国政府在大数据开放上的进程与反复，算是个案。

如果能够基本了解这三本的观点，出门有底气，见人腰杆直，不再被忽悠。

全书讲述的，是大数据在美国政府管理中的应用，以及美国政府运行方式大数据变革的历史与斗争，其实也是故事性的。

从奥巴马上台就颁布《信息公开法案》，到设立第一个美国政府首席信息官开始，讲述美国政府与民间在社会数据公开的斗争史，以及美国社会管理向大数据思维转变的过程。

首先，这算是一个最详实的案例；其次，这代表的不是某种管理方式变革，深处是对民主运行机制的变革与进步。

说好了，这本书用心良苦，远远超越科普技术领域；说坏了，其心可诛。

有一段，民间斗争，逼迫奥巴马公布所有每日白宫全部日程，包括接见了谁、谈话的全部内容，这不就是个人大数据全公开在公众人物上的应用吗？这可比现在所谓官员公开财产的要求高了几十倍——这要求政府全部行为、全部数据、全部公开，全体公众随时可查——技术和成本上其实

女生学大数据很累吗？都需要学什么？

不太累。

现在做大数据的女孩子也不少，我就遇到过很多，其中不乏高手。

女孩学习大数据是很不错的。

现在除去部分外包公司，大部分企业的开发工作不需要出差，就特别喜欢招女孩子。

都需要学： 1、可视化分析 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观地呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

2、数据挖掘算法 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学地呈现出数据本身具备的特点。

3、预测性分析能力 大数据分析最重要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

4、语义引擎 大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。