涕零
A. 大数据真的很难吗
又到了择校选专业的高峰时期了，大数据作为近几年来的热点，确实是受到了不少专的关注，并且现在属各大学校都在开始设立大数据相关的专业，并且很多计算机专业相关的课程，也会涉及到大数据。大数据真的很难吗？从专业技术门槛来说，大数据是有门槛的，毕竟企业愿意开那么多工资，不是白开的。但是真正从技术层面来看，大数据也是IT技术的一个方向而已，只是具体需要掌握的技术并不相同。大数据需要成体系地去学，不管是高校的课程，还是专业的技术培训课程，只要基础打好，循序渐进一步步去学，都是能够掌握下来的。
B. 大数据需要什么基础
学习大数据需要以下几个方面的基础： 新手学大数据，首先要具备的是编程语言基础，如Java、C++等，要初步掌握面向对象、抽象类、接口、继承、多态和数据流及对象流等基础，编程语言在大数据中占据了不可逾越的地位，掌握一门编程语言再学习大数据会轻松很多，甚至编程语言要比大数据学习的时间更长。 Linux系统的基本操作是大数据不可分割的一部分，大数据的组件都是在这个系统中跑的
C. 学大数据未来好找工作吗
就业近况：近年来，中国互联网三巨头 BAT( 网络、阿里、腾讯) 均耗费巨资投入大数据发展，纷纷建立大数据研究院、大数据实验室等，提供大数据专业服务，一批大数据专业分析公司也应运而生。目前大数据岗位就业主要集中在一线城市和强二线城市。《大数据人才报告》显示，当前我国的大数据人才仅仅 46 万人，以后的 3 ～ 5 年大数据人才缺口将会高达 150 多万。就目前情形来看，大数据将会成为最具有发展前景的行业。大数据分析师、大数据高级研发师等更被称为 21 世纪最具潜力的职业。目前，在中国的人才市场上对大数据人才的供应是非常紧张的，因此，大数据人才的就业前景非常不错，工资高。当前，大数据的相关职位需要的是典型的高素质复合型人才，一专多能是其突出特征，要求其能够对数学、数据分析、深度学习、人工智能、机器学习和自然语言处理以及行业业务理解等多方面知识综合掌控。对于数学类专业的学生，如果能够成为这种高素质复合型人才，将会在市场中拥有持续的、较强的竞争力。
D. 学大数据需要什么学历
对国内就业市场而言，本科学历是大数据相关职位的一个基本要求，从各个职位上看需求量都是最大的。高端人才要求硕士以上的学历也很普遍，显示出这个行业的进入的确是有一定门槛的。对于学历这个问题，一般来说，当你没有任何基础的时候，能拿得出手的只有学历，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。当然，高端人才(如算法工程师、数据科学家)对学历也比较高，如果各方面条件允许，选择计算数学/概率论/模式识别/计算机方面的研究生深造也是有必要的，一些大公司的确会在初筛的时候根据学历筛选人，这个也很正常。当然，你也可以在工作几年后，当觉得到基础瓶颈的时候，可以再去读书，这个时候可能你更清楚自己需要的是什么。对于进入这个行业的同学而言，你可以选择提升学历后再进入这个行业，也可以先就业，用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是你在学校里面无法学习到的，企业最终也是看重你的实际工作能力。
E. 大数据学习有什么要求
大数据学习，基本上没有太多的要求，零基础也可以学，但是学历最好是要大专以上，现在行业内的招聘需求，大专是基本门槛，本科最为普遍，偏挖掘和算法的岗位，甚至还有不少的硕士研究生。
想要通过大数据学习来入行的话，一定要做好系统的规划，大数据热度持续，闻风而动，想要学大数据，入行做大数据的人，也越来越多，所以想学就要抓紧时间，越早越好，晚了竞争会越来越大，这是肯定的。
大数据学习，可以参照下面的思维导图——
（如需学习资料分享，可私）
F. 求问从事大数据相关工作的入职门槛是什么
世界正从IT时代走向DT时代，未来是大数据的时代，企业最有价值的资产就是数据，你所拥有的版数据越多你权就越有说话权，因此未来企业里最牛逼的员工应该是和数据有关的职位，比如数据科学家、数据分析师、数据工程师等，这些职位或将成为程序员又一个美好的出路。CDO主要负责利用数据推进企业与社会的对话，挖掘企业海量数据中潜在的价值，并运营和管理好数据，为企业战略、营销和管理决策提供参考，CDO的能力不仅仅是大数据领域的范畴，他需要同时具有IT、市场营销、运营管理等综合素质。“数据科学家是指运用统计分析、机器学习、分布式处理等技术，从大数据中提取出对业务有意义的信息，以简单易懂的形式传达给决策者，并创造出新的数据运用服务的人才。数据分析师能洞悉一个方程式的商业意义，他们知道如何提出正确的问题，非常善于数据分析，数据可视化和数据呈现。数据工程师是能运行基本数据模型，充分了解文件系统，分布式计算与大型数据库，他们是能提供可建模数据所需平台的人。
G. 学习大数据技术有哪些要求
对于要学习大数据专业的本科生同学来说，在学习大数据技术的过程中，要重视数学和统计学相关知识的学习，这对于后期的考研和就业都有比较直接的影响。在学习大数据专业时，可以根据自身的能力特点和兴趣爱好，来选择具体的主攻方向，不同的主攻方向对于基础知识结构的要求也不同。如果要主攻大数据开发方向，那么应该重点培养一下自身的程序设计能力，可以从Java开始学起，目前Java语言在大数据开发领域的应用依然非常广泛。如果要主攻大数据运维方向，那么应该重点学习一下网络知识和操作系统相关知识，涉及到的内容也是比较的，而且要完成大量的实验。当前大数据分析(算法)岗位也是一个高附加值岗位，但是不同于开发岗位和运维岗位，算法岗位的竞争比较激烈，所以如果想从事算法岗位，最好要继续读一下研究生。从事算法岗位对于数学和统计学知识的要求比较高，而且还需要具有一定的行业场景知识，所以从事算法岗往往需要更长时间的积累。最后，虽然学习大数据技术需要各种不同的基础知识，但是由于大数据领域的岗位非常多，所以各种具备不同知识基础的初学者，都能够找到适合自己的切入点。关于学习大数据技术有哪些要求，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
H. 大数据工程师学历门槛高不高
大数据这个行业的入门门槛是：大专及以上学历。
对于低学历的大数据工程师来回说，可以通过不断提升自己专业技答术的方式，弥补先天的学历短板，影响你薪资的最主要是你的专业水平，以及工作能力，在技术岗位上，都是靠技术吃饭的，你得有拿得出手的能力。
I. 什么人可以学大数据 文科生能学大数据吗
摘要可以的。这个与文理科没有多大关系
J. 大数据发展必备三个条件
大数据发展必备三个条件大数据概念的横空出世，有赖于短短几年出现的海量数据。据统计，互联网上的数据每两年翻一番，而目前世界上90%以上的数据都是最近几年才产生的。当然，海量数据仅仅是“大数据”概念的一部分，只有具备4个“V”的特征，大数据的定义才算完整，而价值恰恰是决定大数据未来走向的关键。大数据发展必备三个条件大数据的发展需要三个必要条件：数据源、数据交易、数据产生价值的过程。近年来，社交网络的兴起、物联网的发展和移动互联网的普及，诞生了大量有价值的数据源，奠定了大数据发展的基础。大数据时代到来的重要标志，则是大批专业级“数据买卖商”的出现，以及围绕数据交易形成的，贯穿于收集、整理、分析、应用整个流程的产业链条。大数据发展的核心，则是使用户从海量的非结构化数据和半结构化数据中获得了新的价值，数据价值是带动数据交易的原动力。IBM、甲骨文、SAP近年纷纷斥巨资收购数据管理和分析公司，在这些互联网巨头的带动下，数据分析技术日渐成熟。2013年6月，爱德华·斯诺登将“棱镜计划”公之于众，“棱镜门”事件一方面说明大数据技术已经成熟;另一方面也佐证了现在阻碍大数据发展的不是技术，而是数据交易和数据价值。大数据技术的发展促进了云计算的落地，云计算的部署完成又反过来加大了市场对数据创造价值的期待。大数据概念提出之后，市场终于看到了云计算的获利方向：各地的一级系统集成商与当地政府合作，建云数据中心;各大行业巨头在搭建各自行业的云平台;IT巨头想尽办法申请中国的公有云牌照。大数据促成了云计算从概念到落地。借助于智慧城市概念的普及，云计算基础设施已基本准备就绪，一方面完成了大数据应用的硬件基础;另一方面迫于回收云计算投资的压力，市场急需应用部署，大数据恰如雪中送炭，被市场寄予厚望。现在，问题的核心指向了“数据如何创造价值?”整合与开放是基石大数据服务创业公司Connotate对800多名商业和IT主管进行了调查。结果显示，60%受调查者称：“目前就说这些大数据投资项目肯定能够带来良好回报尚为时过早。”之所以如此，是由于当前大数据缺乏必需的开放性：数据掌握在不同的部门和企业手中，而这些部门和企业并不愿意分享数据。大数据是通过研究数据的相关性来发现客观规律，这依赖于数据的真实性和广泛性，数据如何做到共享和开放，这是当前大数据发展的软肋和需要解决的大问题。2012年美国大选，奥巴马因数据整合而受益。在奥巴马的竞选团队中有一个神秘的数据挖掘团队，他们通过对海量数据进行挖掘帮助奥巴马筹集到10亿美元资金;他们通过数据挖掘使竞选广告投放效率提升了14%;他们通过制作“摇摆州”选民的详细模型，每晚实施6.6万次模拟选举，推算奥巴马在“摇摆州”的胜率，并以此来指导资源分配。奥巴马竞选团队相比罗姆尼竞选团队最有优势的地方：对大数据的整合。奥巴马的数据挖掘团队也意识到这个全世界共同的问题：数据分散在过多的数据库中。因此，在前18个月，奥巴马竞选团队就创建了一个单一的庞大数据系统，可以将来自民意调查者、捐资者、现场工作人员、消费者数据库、社交媒体，以及“摇摆州”主要的民主党投票人的信息整合在一起，不仅能告诉竞选团队如何发现选民并获得他们的注意，还帮助数据处理团队预测哪些类型的人有可能被某种特定的事情所说服。正如竞选总指挥吉姆·梅西纳所说，在整个竞选活中，没有数据做支撑的假设很少存在。2012年3月，美国奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，将“大数据研究”上升为国家意志。一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成部分。国内智慧城市建设目标之一就是实现数据的集中共享。合作共赢的商业模式随着云计算、大数据技术和相关商业环境的不断成熟，越来越多的“软件开发者”正在利用跨行业的大数据平台，打造创新价值的大数据应用，而且这一门槛正在不断降低。因为首先，数据拥有者能够以微乎其微的成本获取额外的收入，提高利润水平;其次，大数据设备厂商需要应用来吸引消费者购买设备，发展合作共赢的伙伴关系势必比单纯销售设备要有利可图，一些具有远见的厂商已经开始通过提供资金、技术支持、入股等方式来扶持这些“软件开发者”;第三，行业细分市场的数据分析应用需求在不断加大，对于整个大数据产业链来说，创新型的行业数据应用开发者必将是未来整个大数据产业链中最为活跃的部分。未来，有三种企业将在”大数据产业链“中处于重要地位：掌握海量有效数据的企业，有着强大数据分析能力的企业，以及创新的“软件开发者”。社交网络、移动互联网、信息化企业、电信运营商都是海量数据的制造者，Facebook公司手中掌握着8.5亿用户，淘宝注册用户超过3.7亿，腾讯的微信用户突破3亿，这些庞大用户群所提供的数据，正在等待时机释放出巨大商业能量。可以预测，在不久的将来，Facebook、腾讯、电信运营商等海量数据持有者或者自我延伸成为数据分析提供商，或者与IBM、ZTE等企业密切对接成为上下游合作企业，大数据产业链将在某个爆发时点到来之际，以令人惊讶的速度成长壮大。警惕大数据的危害大数据时代，传统的随机抽样被“所有数据的汇拢”所取代，人们的思维决断模式，已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此将更精确、更有预见性。不过，由于大数据过于依靠数据的汇集，一旦数据本身有问题，就很可能出现“灾难性大数据”，即因为数据本身的问题，而导致错误的预测和决策。大数据的理论是“在稻草堆里找一根针”，而如果“所有稻草看上去都挺像那根针”呢?过多但无法辨析真伪和价值的信息和过少的信息一样，对于需要作出瞬间判断、一旦判断出错就很可能造成严重后果的情况而言，同样是一种危害。“大数据”理论是建立在“海量数据都是事实”的基础上，而如果数据提供者造假呢?这在大数据时代变得更有害，因为人们无法控制数据提供者和搜集者本人的偏见。拥有最完善数据库、最先接受“大数据”理念的华尔街投行和欧美大评级机构，却每每在重大问题上判断出错，这本身就揭示了“大数据”的局限性。不仅如此，大数据时代造就了一个数据库无所不在的世界，数据监管部门面临前所未有的压力和责任：如何避免数据泄露对国家利益、公众利益、个人隐私造成伤害?如何避免信息不对等，对困难群体的利益构成伤害?在有效控制风险之前，也许还是让“大数据”继续待在笼子里更好一些。大数据的经济价值已经被人们认可，大数据的技术也已经逐渐成熟，一旦完成数据的整合和监管，大数据爆发的时代即将到来。我们现在要做的，就是选好自己的方向，为迎接大数据的到来，提前做好准备。