大数据入门大数据适合零基础的人学习吗，都需要学习哪

大数据可以自学吗？能学会吗？

当然能自学，只是自学比较难，如果你能离开手机，专注学习，那我可以说你肯定能学会，如果离不开手机，就比较难了。

所以还是报班学习吧，黑马程序员的大数据课程安排就很好，有大数据常用到的Hadoop、Storm、Spark等。

怎样进行大数据的入门级学习

一、整体了解数据分析——5小时 新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容? 市面上有很多讲数据分析内容的书籍，在此我推荐《深入浅出数据分析》，此书对有基础人士可称消遣读物， 但对新人们还是有一定的作用。

阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。

5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。

二、了解统计学知识——10小时 15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。

本阶段推荐书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。

三、学习初级工具——20小时 对于非技术类数据分析人员，初级工具只推荐一个：EXCEL。

推荐书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。

本阶段重点要学习的是EXCEL中级功能使用(数据透视表，函数，各类图表适用场景及如何制作)，如有余力可学习VBA。

四、提升PPT能力——10小时 作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。

10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。

具体书籍和课程就不推荐了，网上一抓一大把，请自行搜索。

五、了解数据库和编程语言——10小时 这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。

对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱……)。

数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。

六、学习高级工具——10小时 虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。

高级分析工具有两个选择：SPSS和R。

虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。

不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。

七、了解你想去的行业和职位——10+小时 这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。

数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。

你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。

八、做个报告——25小时 你学习了那么多内容，但现在出去的话你还是找不到好工作。

所有的招聘人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?答案很简单，做个报告给他们看，告诉招聘者：我已经有了数据分析入门级(甚至进阶级)职位的能力。

同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了……这也是件好事，有数据分析能力的人做其他工作也算有一项优势。

大数据好不好学呢？就要前景怎么样？

一、大数据不好学，但可以学 1、大数据好不好学，答案是不好学，如果好学的话就不会有上百万的人才缺口了 2、大数据学习是有门槛的，但并不像很多人说的那样需要数学和统计学基础（大数据分析需要这些基础）。

而我们经常说的大数据学习一般指大数据开发（大专学历即可学习，理工科专业为佳） 3、为什么说不好学呢？我们从大数据学习内容上来分析，大数据开发说白一点就是编程，相信对很多行外人来说，一提到编程就是满屏看不懂的代码，这就是大数据难点之一。

如果你不入这一行总觉的困难重重。

所以说，大数据难但是可以学！经过你的努力和坚持，小白也是可以完全学懂大数据的。

二、就业前景好 1、大数据行业的火爆就不用我赘述了 2、人才缺口达200万 3、平均月薪20K+ 4、应用广泛、未来将覆盖全行业 5、人工智能、云计算、物联网和大数据密不可分

大数据适合零基础的人学习吗，都需要学习哪

第一步：对于大数据的基本认知 学习大数据，首先要明白大数据是什么，其未来的发展方向和应用场景有哪些？当然，很多从业者和求学者往往看重的是大数据行业的薪资水平，这样考虑固然无错，但是对于深刻理解大数据却并无实际意义。

第二步：理论知识学习 这一过程尤为重要，毕竟这是学习大数据的关键，而且，这一过程对于系统化的要求更高，如何循序渐进，有方式有目的的学习，将是小白更加快速的学懂大数据的关键。

所以给大家分享一个学习大数据知识点的先后顺序安排，希望对大家有所帮助。

1、Java：主要为Java的标准版JavaSE。

JavaEE，javaME方向的技术在大数据技术里用到的并不多，只需要了解就可以了。

此外JDBC是一定要掌握的，因为它关系到Java与数据库的连接。

2、Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，它能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置。

3、Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。

Hadoop里面包括几个组件HDFS、MapReduce和YARN，把Hadoop的这些组件学明白就可以进行大数据的处理了。

4、Oozie：用于管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。

5、python：用于编写网络爬虫。

6、Kafka：比较好用的队列工具，专门用来提供对数据进行简单处理，并写到各种数据接受方。

7、Spark：用来弥补基于hadoo中MapReduce处理数据速度上的缺点，特别适合做迭代运算。

当然，这里只是简单的罗列一下大数据学习的基本线路。

第三步、真实实训项目、培养实操能力 如今互联网上关于大数据的应用案例有很多，也有很多的实训项目，大家可以去进行独立的实操，当然，这些案例的数据真实性很低，实操的效果也不会很好。