大数据时代，你在干什么？大家都知道数据本身并没有什么价值，由于分析方法的存在，使得海量的数据变得如同一座永远开采不完的矿，是金矿还是银矿，得看你怎么分析和怎么利用了，一起来了解一下怎么学习大数据吧。
随着大数据的发展，以及其应用范围的扩大，越来越多的公司开始着手部署大数据战略。市场需求的增长，岗位的增多，也导致了大数据相关人才出现了供不应求的状况，从而引发了一波大数据学习的浪潮。
涌入学习浪潮的开发者们，或多或少因为零碎、不成体系，以及数量相对有限的学习资料而止步不前。所以，播妞整理了一些了解、学习大数据必备的学习路径、网站、文章等资源，希望对自学大数据的朋友们有所帮助。
互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程，大数据学习群： 740041381 欢迎进阶中和进想深入大数据的小伙伴加入。
相信，大多数朋友学习大数据的初衷，是因为大数据的前景以及诱人的薪资待遇。所以，在学习之前，给大家一些建议：
大家可以先了解一下关于大数据相关的岗位细分（例如，大数据工程师、算法挖掘、数据仓库、架构师等等），以及各个岗位需要掌握那些相对应的技能，并想清楚自己未来发展的方向，再开始着手针对岗位所需的技术进行学习与研究。
所谓知己知彼，才能更好的达成目标嘛。
那么，我们先从了解大数据概念开始吧！
一．大数据的概念
关于大数据的概念、应用场景以及价值，大家可以参考两个知乎问答。
什么是大数据：大数据究竟是什么 | 人人都是数据咖
如何准确又通俗易懂地解释大数据及其应用价值？：如何准确又通俗易懂地解释大数据及其应用价值？通过专业人士的解答，会让你对大数据有个大致的了解。当然，如果你已经对大数据有了足够的了解，就可以跳过此部分内容，进入学习框架梳理阶段。
二. 学习框架与路线图
有一个清晰的知识结构，对于学习新知识来说十分必要。所以，分享一些关于大数据的思维脑图、技能树以及关于大数据的学习路线，供大家参考。
1.大数据思维导图
2.来自STUQ的大数据工程师必备技能树
通过两张图片，结合上面的学习路线文章，大家可以大体的了解学习大数据需要掌握哪些关键技能。但是问题来了，零基础的童鞋或许还有些焦虑。别着急可以加入我们大数据学习QQ群： 740041381 一起相互学习，共同进步。
零基础我们该如何学习数据分析呢？
目前市场对大数据相关人才的需求与日俱增，岗位的增多，也导致了大数据相关人才出现了供不应求的状况，从而引发了一波关于大数据学习的浪潮。那么什么是数据分析？为什么要学习数据分析呢？
数据分析是基于商业目的，有目的的进行收集、整理、加工和分析数据，提炼有价信息的一个过程。
一个分析项目，你的数据对象是谁？商业目的是什么？要解决什么业务问题？数据分析师对这些都要了然于心。基于商业的理解，整理分析框架和分析思路。例如，减少新客户的流失、优化活动效果、提高客户响应率等等。不同的项目对数据的要求，使用的分析手段也是不一样的。
1.数据分析师是什么？为什么要做数据分析师？
数据分析师是指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
近些年，随着互联网行业发展日趋迅猛，互联网公司的对数据分析师岗位的需求越来越多，这不是偶然。
在过去的十年里，中国互联网行业靠着人口红利和流量红利急剧生长；而随着流量获取成本的不断提高、运营效率的不断下降，这种粗放式经营模式已经不再可行。互联网企业迫切需要通过数据分析来实现精细化运营，降低成本、提高效率。
2.如何学习数据分析？
任何一门技术或学科都有其内部规律，需要有计划，有先后，循序渐进来学。
一个初级数据分析师需要掌握的技能有：
统计学基础
Python语言
网页分析
数据库技术
常用模型理论
数据分析入门并不难，难的是之后的积累才是重点，如何在实际工作、项目中真正发挥数据分析的作用，产生价值。
3.数据分析师需具备的核心能力
数据分析师要具备六种核心能力：1.基础科学的能力；2.使用分析工具的能力；3.掌握编程语言的能力；4.逻辑思维的能力；5.数据可视化的能力；6.模型评估的能力；
1.基础科学的能力
可以说，在数据决策的时代，数据分析几乎渗透到企业的每个业务环节中。
掌握统计学，我们才能知道每一种数据分析的模型，什么样的输入，什么样的输出，有什么样的作用，开始我们并不一定要把每个算法都弄懂。
2.使用分析工具的能力
任何数据分析师从事业务方向的工作都必须会统计学，统计学的学习最好辅助SPSS或其他SAS来学，做到数据分析基本功扎实，兼顾实战性。
任何数据分析师从事技术方向的工作都必会SQL，不单是数据分析师，每一个运营、产品经理、尤其是互联网行业，一定要会SQL，基本知名互联网公司的产品经理都能写SQL。
学习中，要掌握SQL的基础语法、中级语法和常用函数，结合关系数据库系统来学习SQL语句。
3.掌握编程语言的能力
Python主要掌握基础语法，pandas操作、numpy操作、sklearn建模，学会用python编写网络爬虫爬取数据等等。
4.逻辑思维的能力
逻辑思维对于数据分析来说特别重要。反映商业数据里，大家可以理解为去搭建商业框架或者说是故事线，有逻辑的推进，结果才会另人信服。
5.数据可视化的能力
有了Python的基础，我们就可以学习数据可视化了。运营和产品都需要学习可视化，可视化说白了，就是画图，但做为数据分析师来说，我们不能用EXCEL 来实现可视化，因为它的局限性太大了。这里也不建议花太多时间学习给非专业人士展示的Tableau，有1个小时学会Tableau足够。
Python中可视化的工具有matplotlib,seaborn,ploltly;
6.模型评估的能力
Model建模，知道模型建好后应该怎样去评估，掌握怎样用一些定量的指标，数据、数值来衡量模型建好后到底有多准确，或者说到底有多错误。模型评估的指标或计算方式选择正确与否，能够直接影响到整个项目获模型是否有效。