⑴ 大數據怎麼學
一、數據分析師有哪些要求？
1、理論要求及對數字的敏感性，包括統計知識、市場研究、模型原理等。
2、工具使用，包括挖掘工具、資料庫、常用辦公軟體（excel、PPT、word、腦圖）等。
3、業務理解能力和對商業的敏感性。對商業及產品要有深刻的理解，因為數據分析的出發點就是要解決商業的問題，只有理解了商業問題，才能轉換成數據分析的問題，從而滿足部門的要求。
4、匯報和圖表展現能力。這是臨門一腳，做得再好的分析模型，如果不能很好地展示給領導和客戶，成效就大打折扣，也會影響到數據分析師的職業晉升。
二、請把數據分析作為一種能力來培養
從廣義來說，現在大多數的工作都需要用到分析能力，特別是數據化運營理念深入的今天，像BAT這樣的公司強調全員參與數據化運營，所以，把它作為一種能力培訓，將會讓你終生受益。
三、從數據分析的四個步驟來看清數據分析師需具備的能力和知識：
數據分析的四個步驟（這有別於數據挖掘流程：商業理解、數據理解、數據准備、模型搭建、模型評估、模型部署），是從更宏觀地展示數據分析的過程：獲取數據、處理數據、分析數據、呈現數據。
（一） 獲取數據
獲取數據的前提是對商業問題的理解，把商業問題轉化成數據問題，要通過現象發現本質，確定從哪些緯度來分析問題，界定問題後，進行數據的採集。此環節，需要數據分析師具備結構化的思維和對商業問題的理解能力。
推薦書籍：《金字塔原理》、麥肯錫三部曲：《麥肯錫意識》、《麥肯錫工具》、《麥肯錫方法》
工具：思維導圖、mindmanager軟體
（二） 處理數據
一個數據分析項目，通常數據處理時間佔70%以上，使用先進的工具有利於提升效率，所以盡量學習最新最有效的處理工具，以下介紹的是最傳統的，但卻很有效率的工具：
Excel：日常在做通報、報告和抽樣分析中經常用到，其圖表功能很強大，處理10萬級別的數據很輕松。
UltraEdit：文本工具，比TXT工具好用，打開和運行速度都比較快。
ACCESS：桌面資料庫，主要是用於日常的抽樣分析（做全量統計分析，消耗資源和時間較多，通常分析師會隨機抽取部分數據進行分析），使用sql語言，處理100萬級別的數據還是很快捷。
Orcle、SQL sever：處理千萬級別的數據需要用到這兩類資料庫。
當然，在自己能力和時間允許的情況下，學習新流行的分布式資料庫及提升自身的編程能力，對未來的職業發展也有很大幫助。
分析軟體主要推薦：
SPSS系列：老牌的統計分析軟體，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏數據挖掘），不用編程，易學。
SAS：老牌經典挖掘軟體，需要編程。
R：開源軟體，新流行，對非結構化數據處理效率上更高，需編程。
隨著文本挖掘技術進一步發展，對非結構化數據的分析需求也越來越大，需要進一步關注文本挖掘工具的使用。
（三） 分析數據
分析數據，需要用到各類的模型，包括關聯規則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的數據需要在參照系下進行對比，結論才有意義。
推薦的書籍：
1、《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》，盧輝著，機械出版社。這本書是近年國內寫得最好的，務必把它當作聖經一樣來讀。
2、《誰說菜鳥不會數據分析（入門篇）》和《誰說菜鳥不會數據分析（工具篇）》，張文霖等編著。屬於入門級的書，適合初學者。
3、《統計學》第五版，賈俊平等編著，中國人民大學出版社。比較好的一本統計學的書。
4、《數據挖掘導論》完整版，[美]Pang-Ning Tan等著，范明等翻譯，人民郵電出版社。
5、《數據挖掘概念與技術》，Jiawei Han等著，范明等翻譯，機械工業出版社。這本書相對難一些。
6、《市場研究定量分析方法與應用》，簡明等編著，中國人民大學出版社。
7、《問卷統計分析實務—SPSS操作與應用》，吳明隆著，重慶大學出版社。在市場調查領域比較出名的一本書，對問卷調查數據分析講解比較詳細。
（四） 呈現數據
該部分需要把數據結果進行有效的呈現和演講匯報，需要用到金字塔原理、圖表及PPT、word的呈現，培養良好的演講能力。
⑵ 黑馬程序猿 javaEE+hadoop大數據的視頻
因為動力節點的視頻每隔一段時間便會更新一個全新的知識點，不會藏私。
⑶ 本人想自學大數據hadoop，有那種講得比較全面詳細的大數據視頻教程資源嗎
IT十八掌大數據視頻高薪就業視頻免費下載
鏈接:https://pan..com/s/1B6yaoeSEG7TfA7I6EOedaA
IT十八掌大數據視頻高薪就業視頻|十八掌教育_徐培成_大數據Pyhton教程day01視頻|十八掌教育_徐培成_Cloudera CDH5|Spark|Scala|18.【IT十八掌徐培成】Docker|17.電商項目|12.【IT十八掌徐培成】Storm|11.【IT十八掌徐培成】Pig|10.【IT十八掌徐培成】Sqoop|09.【IT十八掌徐培成】Kafka|08.【IT十八掌徐培成】Flume|07.【IT十八掌徐培成】HBase|06.【IT十八掌徐培成】Hive|05.【IT十八掌徐培成】ProtoBuf
⑷ 大數據高並發系統架構實戰方案(LVS負載均衡、Nginx、共享存儲、海量數據、隊列緩存)
去51cto網上博客搜索看吧，也有很多類似的書籍
⑸ 入門大數據需要學習什麼內容
分享大數據學習路線：
第一階段為JAVASE+MYSQL+JDBC
主要學習一些Java語言的概念，如字元、流程式控制制、面向對象、進程線程、枚舉反射等，學習MySQL資料庫的安裝卸載及相關操作，學習JDBC的實現原理以及Linux基礎知識，是大數據剛入門階段。
第二階段為分布式理論簡介
主要講解CAP理論、數據分布方式、一致性、2PC和3PC、大數據集成架構。涉及的知識點有Consistency一致性、Availability可用性、Partition
tolerance分區容忍性、數據量分布、2PC流程、3PC流程、哈希方式、一致性哈希等。
第三階段為數據存儲與計算（離線場景）
主要講解協調服務ZK(1T)、數據存儲hdfs(2T)、數據存儲alluxio(1T)、數據採集flume、數據採集logstash、數據同步Sqoop(0.5T)、數據同步datax(0.5T)、數據同步mysql-binlog(1T)、計算模型MR與DAG(1T)、hive(5T)、Impala(1T)、任務調度Azkaban、任務調度airflow等。
第四部分為數倉建設
主要講解數倉倉庫的歷史背景、離線數倉項目-伴我汽車（5T）架構技術解析、多維數據模型處理kylin（3.5T）部署安裝、離線數倉項目-伴我汽車升級後加入kylin進行多維分析等；
第五階段為分布式計算引擎
主要講解計算引擎、scala語言、spark、數據存儲hbase、redis、ku，並通過某p2p平台項目實現spark多數據源讀寫。
第六階段為數據存儲與計算（實時場景）
主要講解數據通道Kafka、實時數倉druid、流式數據處理flink、SparkStreaming，並通過講解某交通大數讓你可以將知識點融會貫通。
第七階段為數據搜索
主要講解elasticsearch，包括全文搜索技術、ES安裝操作、index、創建索引、增刪改查、索引、映射、過濾等。
第八階段為數據治理
主要講解數據標准、數據分類、數據建模、圖存儲與查詢、元數據、血緣與數據質量、Hive Hook、Spark Listener等。
第九階段為BI系統
主要講解Superset、Graphna兩大技術，包括基本簡介、安裝、數據源創建、表操作以及數據探索分析。
第十階段為數據挖掘
主要講解機器學習中的數學體系、Spark Mlib機器學習演算法庫、Python scikit-learn機器學習演算法庫、機器學習結合大數據項目。
對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。
⑹ 如何進入大數據領域，學習路線是什麼
分享大數據學習路線：
第一階段為JAVASE+MYSQL+JDBC
主要學習一些Java語言的概念，如字元、流程式控制制、面向對象、進程線程、枚舉反射等，學習MySQL資料庫的安裝卸載及相關操作，學習JDBC的實現原理以及Linux基礎知識，是大數據剛入門階段。
第二階段為分布式理論簡介
主要講解CAP理論、數據分布方式、一致性、2PC和3PC、大數據集成架構。涉及的知識點有Consistency一致性、Availability可用性、Partition tolerance分區容忍性、數據量分布、2PC流程、3PC流程、哈希方式、一致性哈希等。
第三階段為數據存儲與計算（離線場景）
主要講解協調服務ZK(1T)、數據存儲hdfs(2T)、數據存儲alluxio(1T)、數據採集flume、數據採集logstash、數據同步Sqoop(0.5T)、數據同步datax(0.5T)、數據同步mysql-binlog(1T)、計算模型MR與DAG(1T)、hive(5T)、Impala(1T)、任務調度Azkaban、任務調度airflow等。
第四部分為數倉建設
主要講解數倉倉庫的歷史背景、離線數倉項目-伴我汽車（5T）架構技術解析、多維數據模型處理kylin（3.5T）部署安裝、離線數倉項目-伴我汽車升級後加入kylin進行多維分析等；
第五階段為分布式計算引擎
主要講解計算引擎、scala語言、spark、數據存儲hbase、redis、ku，並通過某p2p平台項目實現spark多數據源讀寫。
第六階段為數據存儲與計算（實時場景）
主要講解數據通道Kafka、實時數倉druid、流式數據處理flink、SparkStreaming，並通過講解某交通大數讓你可以將知識點融會貫通。
第七階段為數據搜索
主要講解elasticsearch，包括全文搜索技術、ES安裝操作、index、創建索引、增刪改查、索引、映射、過濾等。
第八階段為數據治理
主要講解數據標准、數據分類、數據建模、圖存儲與查詢、元數據、血緣與數據質量、Hive Hook、Spark Listener等。
第九階段為BI系統
主要講解Superset、Graphna兩大技術，包括基本簡介、安裝、數據源創建、表操作以及數據探索分析。
第十階段為數據挖掘
主要講解機器學習中的數學體系、Spark Mlib機器學習演算法庫、Python scikit-learn機器學習演算法庫、機器學習結合大數據項目。
對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。
⑺ 想自學大數據，不知道從哪裡學起，有什麼書籍和學習路線推薦么。
說實話自學有一定的難度，如果有基礎，學習能力強說不定自學還能成，這里有大數據的學習視頻，還有別的方向的，這些是華為大數據的課程，HCNA是初級的，HCNP中級，HCIE高級，從基礎的學起，按上面從初級，中級，高級的課程往後學，這樣比看書籍也許會更好點，如果有遇到不懂的，可以提問問線上老師。
⑻ 大數據怎麼學習
第一階段：大數據技術入門
1大數據入門：介紹當前流行大數據技術，數據技術原理，並介紹其思想，介紹大數據技術培訓課程，概要介紹。
2Linux大數據必備：介紹Lniux常見版本，VMware虛擬機安裝Linux系統，虛擬機網路配置，文件基本命令操作，遠程連接工具使用，用戶和組創建，刪除，更改和授權，文件/目錄創建，刪除，移動，拷貝重命名，編輯器基本使用，文件常用操作，磁碟基本管理命令，內存使用監控命令，軟體安裝方式，介紹LinuxShell的變數，控制，循環基本語法，LinuxCrontab定時任務使用，對Lniux基礎知識，進行階段性實戰訓練，這個過程需要動手操作，將理論付諸實踐。
3CM&CDHHadoop的Cloudera版：包含Hadoop，HBase，Hiva，Spark，Flume等，介紹CM的安裝，CDH的安裝，配置，等等。
第二階段：海量數據高級分析語言
Scala是一門多範式的編程語言，類似於java，設計的初衷是實現可伸縮的語言，並集成面向對象編程和函數式編程的多種特性，介紹其優略勢，基礎語句，語法和用法， 介紹Scala的函數，函數按名稱調用，使用命名參數函數，函數使用可變參數，遞歸函數，默認參數值，高階函數，嵌套函數，匿名函數，部分應用函數，柯里函數，閉包，需要進行動手的操作。
第三階段：海量數據存儲分布式存儲
1HadoopHDFS分布式存儲：HDFS是Hadoop的分布式文件存儲系統，是一個高度容錯性的系統，適合部署在廉價的機器上，HDFS能提供高吞吐量的數據訪問，非常適合大規模數據集上的應用，介紹其的入門基礎知識，深入剖析。
2HBase分布式存儲：HBase-HadoopDatabase是一個高可靠性，高性能，面向列，可伸縮的分布式存儲系統，利用HBase技術可在廉價PC上搭建起大規模結構化存儲集群，介紹其入門的基礎知識，以及設計原則，需實際操作才能熟練。
第四階段：海量數據分析分布式計算
1HadoopMapRece分布式計算：是一種編程模型，用於打過莫數據集的並行運算。
2Hiva數據挖掘：對其進行概要性簡介，數據定義，創建，修改，刪除等操作。
3Spare分布式計算：Spare是類MapRece的通用並行框架。
第五階段：考試
1技術前瞻：對全球最新的大數據技術進行簡介。
2考前輔導：自主選擇報考工信部考試，對通過者發放工信部大數據技能認證書。
上面的內容包含了大數據學習的所有的課程，所以，如果有想學大數據的可以從這方面下手，慢慢的了解大數據。