1.学习大数据分析要用到哪些知识

1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。

2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。

3、至少能够用Acess等进行数据库开发；

4、至少掌握一门数学软件：matalab,mathmatics进行新模型的构建。

5、至少掌握一门编程语言；

6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。

2.大数据分析师 应该要学什么知识

大数据分析师应该要学的知识有，统计概率理论基础，软件操作结合分析模型进行实际运用，数据挖掘或者数据分析方向性选择，数据分析业务应用。

1、统计概率理论基础

这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。

2、软件操作结合分析模型进行实际运用

关于数据分析主流软件有（从上手度从易到难）：Excel,SPSS,Stata,R,SAS等。首先是学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

3、数据挖掘或者数据分析方向性选择

其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。

4、数据分析业务应用

这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要。

扩展资料

分析工作内容

1、搜索引擎分析师（Search Engine Optimization Strategy Analyst，简称SEO分析师）是一项新兴信息技术职业，主要关注搜索引擎动态，修建网站，拓展网络营销渠道，网站内部优化，流量数据分析，策划外链执行方案，负责竞价推广。

2、SEO分析师需要精通商业搜索引擎相关知识与市场运作。通过编程，HTML,CSS,JavaScript,MicrosoftASP.NET,Perl,PHP,Python等建立网站进行各种以用户体验为主同时带给公司盈利但可能失败的项目尝试。

参考资料来源：百度百科-大数据分析师

3.大数据分析学习什么内容,好学吗

对于大数据的学习，没有想象中的那么简单。

首先在学习真正的大数据技术之前，你要熟练掌握一门编程语言，比如java等，在学习大数据期间你还会接触到其他的编程语言，比如说Scala、Python等编程语言，不过这些语言都是相通的，你掌握了一门编程语言其他的就很好学习了。大数据的学习需要掌握以下技术：Hadoop、spark、storm等核心技术，如果去培训机构学习的话，一定要注意的是学习周期的分布，有的并不是真正的大数据课程，真正的大数据课程是用20-30%的部分讲解编程语言，剩下的就都是对大数据技术的学习，所以在学习之前还是要了解一些关于大数据的技术知识的。

4.大数据分析学习什么内容,好学吗

大数据分析的五个基本方面

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的呈现大数据特点，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的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

3，预测性分析能力

大数据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。

5，数据质量和数据管理

大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

5.大数据主要学什么内容

最低0.27元开通文库会员，查看完整内容> 原发布者：fly康培 大数据学习一般都学什么大数据已经成为发展的趋势，大数据的培训学习也就应运而生，可是大数据具体学习什么内容呢，众说纷纭：那么大数据学习到底应该掌握哪些知识呢，笔者根据自己的经验总结如下：学习要根据自身情况来定，如果你是零基础，那就必须先从基础java开始学起（大数据支持很多开发语言，但企业用的最多的还是JAVA），接下来学习数据结构、linux系统操作、关系型数据库，夯实基础之后，再进入大数据的学习，具体可以按照如下体系：第一阶段COREJAVA （加**的需重点熟练掌握，其他掌握）Java基础**数据类型，运算符、循环，算法，顺序结构程序设计，程序结构，数组及多维数组面向对象**构造方法、控制符、封装继承**多态**抽象类、接口**常用类集合Collection、list**HashSet、TreeSet、Collection集合类Map**异常，File文件/流**数据流和对象流**线程（理解即可）网络通信（理解即可）第二阶段数据结构关系型数据库Linux系统操作Linux操作系统概述，安装Linux操作系统，图形界面操作基础，Linux字符界面基础，字符界面操作进阶，用户、组群和权限管理，文件系统管理，软件包管理与系统备份，Linux网络配置（主要掌握Linux操作系统的理论基础和服务器配置实践知识，同时通过大量实验，着重培养动手能力。

了解Linux操作系统在行业中的重要地位和广泛的使用范围。在学习Linux的基础上，加深对服务器操作系统的认识和实践配置能力。

加深对计算机网络基础知识的理解，并在。

6.大数据分析要学什么

很多初入大数据领域或者转行进入大数据领域的朋友，需要了解的第一件事不是说各种组件框架生态相关的东西，也不是各种编程语言基础。

而是，了解清楚以下几个问题： 1）大数据领域到底包含了哪些东西，解决了哪些问题？ 2）自己的实际基础是什么，如何结合自己的基础以及兴趣爱好，在整个大数据领域链路中，找到最好的切入点。只有解决了上面两个问题，才能给自己最精确的定位，找准方向深入下去。

第一个问题，大数据领域的范围。 现在一说起大数据分析，简单起来就是一个词，但其实这个方向已经可以形成一个技术领域了，包含了方方面面的技术点，也提供了各种不同的技术岗位。

所以，不同的岗位，对应的需求，工作内容都是不同的。 我们可以根据数据从下到上，从无到有，到产生价值整个数据业务流程来拆解，并且与此同时，来看看每个环节我们需要的技术储备以及能做的事有哪些。

大数据分析的几大基本业务流程： 收集 -> 传输 -> 转换/清洗 ->存储 -> 再加工 -> 挖掘/统计 -> 上层应用输出 总的来说，可以分以下几个大块。第一环：数据的收集 在收集阶段，我们来看看数据主要有哪几种存在方式： 1）第三方开放数据集 2）业务数据 3）服务日志 4）行为上报数据 首先针对于第三方开放数据，目前爬取第三方开放数据的形式已经逐渐被认可，并且将会越来越多的人以及企业从互联网开放数据集中获取原始数据。

所以，针对于开放数据的获取，爬虫已经可以单独形成一个体系了，包括不同的爬虫框架，以及近年来对于分布式爬虫的技术需求等，在语言方面主要还是python以及java为主，辅助其他相关脚本知识。 如果数据是业务数据，那么通常在传统的路子中，业务数据一般存储在传统的数据库中，那么，对于传统数据库相关的技术知识不可避免的需要有所了解。

我们需要对数据进行统一化处理，又不可避免的涉及到数据的迁移，即从传统数据存储介质中迁移到诸如hadoop生态中，那么涉及的迁移框架诸如sqoop之类的，又是不能不懂一些。在语言以及基础要求上，对SQL相关的知识需要补充，以及linux操作，简单的python需要掌握。

最后，如果是数据上报的形式，你需要对整个数据上报的流程熟悉，怎么进行埋点、怎么收集上报的数据，上报过来怎么进行传输接受落地，这里就不多说，最终这种上报过来的数据反倒相对规整。第二环：数据的传输 数据的传输到底在什么时候会涉及到呢？诸如上面说到的数据上报，在大数据模式下，通常上报过来的数据我们都不会马上进行落地的，因为涉及到不同部分其效率不一样，在峰值波动的情况下，直接落地十有八九都会导致系统宕机。

所以，数据的传输在大数据领域中有着不可替代的左右，会出现在各种系统耦合之间，一方面用作数据的传输，另一方面用作数据的缓冲、系统解耦。在hadoop生态中，最有名的莫过于kafka与flume的组合搭配了，收集数据，并进行数据传输，此外还有不少类似的消息队列存在，诸如ActiveMQ、阿里的RocketMQ等等。

第三环：数据的存储 生态中最最核心的存储组件莫过于HDFS了，这是支撑hadoop能够做大批量数据处理的基础支撑，便捷而强悍的横向扩展能力。还有各种基于此之上不同形式的数据存储方式，诸如hive、HBase、甚至ES、Solr勉强都算，以及不可忽略的传统类型的SQL存储方式。

我们需要理解的是，不同的存储方式应对于实际的应用场景是不同的，HDFS作为最基础的分布式文件系统，我们就不多说。如Hive其更作用更多用于类传统式的SQL查询操作，其对于效应效率要求并不高，但对于数据规模的支撑性良好；而HBase则更偏向于即席查询，要求有更高的响应效率，但对于查询的复杂性支持上则相对较弱。

而我们说诸如ES、Solr都也勉强算是一种数据存储的组织方式，其实也是有一定道理的，因为他们本身也支持这种分布式的数据存储，只不过他们是为了应对于自己框架的检索需求而设计的数据存储组织。如Redis，也算是目前大数据生态中不可缺少的数据存储方式之一，基于内容，应对于高效的数据存储与读取，在很多的实际应用场景中都用的到。

第四环：数据的再加工 其实这一层主要要说就是基于Hadoop的MR框架以及Spark，当然，也有其他的一些分布式数据处理框架。 大规模的数据清洗转换、再加工，都离不开分布式处理框架的支持。

我们需要对杂乱的数据进行标准化、对残缺的数据进行补全、对原始的数据进行深度加工提取高级属性等等。简单的，我们可以通过一些处理脚本来做，但针对于大规模的数据量级，我们依然需要依赖MR或者spark这种框架来处理。

而针对于一些实时的场景，我们也不可避免的需要掌握诸如storm以及spark streaming之类的实时框架。所以，在这一环，我们不止需要了解不同的大数据处理框架，我们还需要在基于框架的基础上，做数据应用开发，进行数据处理。

最后一环：数据应用价值输出 前面我们做了很多事，包括数据的收集、传输、处理、存储等等，但这些都是手段，都不是我们的目的。我们的目的是让数据产生价值，这也是企业做大数据的核心目的。

我们可以用数据来做什么： 1）基于统计分析。

7.大数据要学习些什么方面的知识

1、学习大数据首先要学习Java基础

怎样进行大数据学习的快速入门？学大数据课程之前要先学习一种计算机编程语言。Java是大数据学习需要的编程语言基础，因为大数据的开发基于常用的高级语言。而且不论是学习hadoop，还是数据挖掘，都需要有编程语言作为基础。因此，如果想学习大数据开发，掌握Java基础是必不可少的。

2、学习大数据必须学习大数据核心知识

Hadoop生态系统；HDFS技术；HBASE技术；Sqoop使用流程；数据仓库工具HIVE；大数据离线分析Spark、Python语言；数据实时分析Storm；消息订阅分发系统Kafka等。

如果把大数据比作容器，那么这个容器的容量无限大，什么都能往里装，大数据离不开物联网，移动互联网，大数据还和人工智能、云计算和机器学习有着千丝万缕的关系，大数据海量数据存储要高扩展就离不开云计算，大数据计算分析采用传统的机器学习、数据挖掘技术会比较慢，需要做并行计算和分布式计算扩展。

3、学习大数据需要具备的能力

数学知识，数学知识是数据分析师的基础知识。对于数据分析师，了解一些描述统计相关的内容，需要有一定公式计算能力，了解常用统计模型算法。而对于数据挖掘工程师来说，各类算法也需要熟练使用，对数学的要求是最高的。

编程语言，对于想学大数据的同学，至少需要具备一门编程语言，比如SQL、hadoop、hive查询、Python等均可。

4、学习大数据可以应用的领域

大数据技术可以应用在各个领域，比如公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等等，应用范围非常广泛，大数据技术已经像空气一样渗透在生活的方方面面。大数据技术的出现将社会带入了一个高速发展的时代，这不仅是信息技术的终极目标，也是人类社会发展管理智能化的核心技术驱动力。

因此建议想学习大数据的同学，最好报班学习，可以系统的学习大数据理论知识，还会结合项目实践更熟练的掌握大数据技能。

8.大数据能做什么,给我们带来了什么

大数据能做什么，给我们带来了什么

最近一两年，“大数据时代”、“互联网思维”在微博和微信上非常火爆，有一股“分享不谈大数据，读尽诗书也枉然”的势头。对于企业公关，广告行业来说，大数据和互联网思维确实是一种全新的理念，对于个人而言，大数据时代究竟意味着什么呢？下面就从身边的案例着手，用逆向思维的来分析下大数据对我们有什么样的改变和意义。

第一，广告主用媒体资源价值制定广告投放策略，普通人可以通过广告投放来判断媒体资源价值。我们大多数人都有这样的情况，某某电视台新出了一档火爆的电视栏目，朋友推荐了一本自己不怎么清楚的专业杂志，我们到底怎么样判断这个栏目或者杂志的专业度呢？很多朋友是通过百度，通过百科、相关宣传介绍了解该栏目或者杂志的专业度、人群。

这有没有错？没有错。毕竟很多基本信息都可以通过百度、官网了解，但是你有没有发现这种情况，比如重庆的三家报纸，《重庆晨报》、《重庆晚报》、《重庆时报》、《重庆商报》，每一家都宣传自己是重庆最好的报纸，无论是发行还是广告收入都是第一，这种情况下，我们应该如何判断呢？

媒体自己宣传可能会夸大，但是在媒体上的广告投放都是真金白银。企业选择在一个电视栏目投放广告，一定是认真了解了受众学历、年龄、收入、爱好、收视率的基础上，所以，你通过一个电视节目中植入广告的水平，就可以判断该节目的水平，以此类推。

笔者非常喜欢杨澜访谈录，它的冠名单位基本上都是奥迪、招商银行、华晨汽车等，中国好声音的冠名商加多宝就是看中了该节目在年轻人群体中的影响，香飘飘、步步高、韩束冠名非诚勿扰，说明该节目的收视人群偏年轻、偏女性化，等等。

第二，企业通过大数据分析了解消费者行为进行相关产品和服务的推荐，普通人可以通过推送和推荐信息来判断自身行为。现代生活中，社交活动越来越多，认识的朋友也越来越多，但是对于自己的认识却越来越觉得不够，很多人反映，经常莫名的郁闷和苦恼，不知道自己最近学习和工作思路对不对，那么，大数据时代的逆向思维或许可以给你一些启发。

说到逆向思维，我们先来考虑正常思维。每个人通过网络（pc或者移动端）上的使用都有产生数据和痕迹，背后反映的是一个人的收入、阶层、消费理念、兴趣爱好、文化程度等多方面的综合评价。企业通过收集这些数据，进行一系列分析和匹配，最终推送给你“他们觉得你应该需要的商品或者服务”。

所以，你可以通过商家的推送来逆向思考你自己关注的东西，如果你经常收到一些乱七八糟的信息，或者各种游戏、无聊低级趣味的推荐，这说明你最近一段时间的关注点是在这些方面的，如果你经常收到一些专业书籍、会议邀请、知识推荐之类的信息，这反映的是另外一种信息。

我们不一定每个人都是企业主，都是品牌代理公司，不一定都会使用这些看起来高端大气上档次的理论去从事运营和推广，但我们每个人一定都是消费者，我们可以通过逆向使用大数据和互联网思维去更好的理解、判断、辅助分析事物。

9.大数据的主要学习内容有哪些

基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。

hadoop mapreduce hdfs yarn:hadoop:Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。大数据存储阶段：hbase、hive、sqoop。

大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。大数据实时计算阶段：Mahout、Spark、storm。

大数据数据采集阶段：Python、Scala。大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。

学习大数据不是一朝一夕的事情，想要学好大数据可以看口扣丁学堂的视频，希望对你有帮助。