第一步就是要准确识别需求，定位到问题的核心所在和需要哪些数据来支撑你的观点，这样为收集数据、分析数据提供清楚的目标。区分一个高级数据分析师和一般数据分析师，能够第一眼就识别问题的所在，掌握数据库的熟练程度，第一时间通过数据的校验验证自己的观点。第二步获取数据，将需求转变成具体的数据要求，明确哪些数据是需要的，他们在什么地方，可以通过谁来获取。第三步就是观察数据，通过加工、整理分析成有用的信息，通常结合时间序列、对比、趋势等。第四步分析数据，结合现有的业务和数据发现的问题，提出建议和意见。最后往往还要再回过头看看数据分析方法是否正确、是否数据质量上还有什么问题、收集到的数据是否真实等。
想改变命运、掌握技能、高新就业的大学生。
是数学、经济、计算机等相关专业的在校学生
据大数据分析、数据挖掘、IT爱好者及转行人士
| 学习阶段 | 学习内容 |
| 基础学习阶段 | Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis |
| 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 |
大数据时代，拿不到大量数据都白扯。现在由于机器学习的兴起，以及万金油算法的崛起，导致算法地位下降，数据地位提高了。举个通俗的例子，就好比由于教育的发展，导致个人智力重要性降低，教育背景变重要了，因为一般人按标准流程读个书，就能比牛顿懂得多了。谷歌就说：拿牛逼的数据喂给一个一般的算法，很多情况下好于拿傻傻的数据喂给牛逼的算法。而且知不知道弄个牛逼算法有多困难?一般人连这个困难度都搞不清楚好不好……拿数据很重要，巧妇难为无米之炊呀!所以为什么好多公司要烧钱抢入口，抢用户，是为了争夺数据源。
统计数据显示，大数据人才需求旺盛的城市主要分布在经济发达及大数据行业发展优先的地区。但随着新技术时代的到来，众多行业面临转型升级，，选择一线城市就业固然是不错的选择，但二三线城市的发展潜力，将为大数据人才提供广阔的舞台。
据国人才报告显示，大数据人才的供给指数低，仅为0.05，缺口大。随着企业越来越重视大数据的利用，大数据人才缺口已超百万，但国内大数据从业人员只有约30万人，大数据在不断往各垂直领域延伸发展，人工智能等领域的人才需求不断加大。
5年
