首先，大数据的定义是什么?大数据(big data)，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
来抓重点，常规的软件工具处理不了的，就必须要用新的技术，那能解决以上问题的技术就是大数据技术。
大数据的技术是一个技术群落，想全部学习短期内是不现实的，那么我们怎么样科学的有逻辑有规划的来学习，我们得了解大数据行业里，有哪些岗位，我们直接从工作岗位的技能需求来倒推我们如何学习大数据，如何有侧重点的来学习。
先看看大数据开发具体有哪些岗位，当然大公司会分的比较详细，中小企企业相对要求会全面一些先看看如下这幅图，图没有很详细，我再做解答
我们从整个数据项目的业务流程出发，(以上所有岗位都对编程有要求，所以编程基础是必不可少的)
第一， 大数据工程师
众所周知，在没有大数据以前，行业应用已经非常成熟了，最早大家只关注功能的实现，接着重视前台的界面，前端工程师因此火了一段时间，因为以前数据量不大，所以在功能上并不重视，由于移动互联网的发展，数据量非常庞大了，这个时候单机服务器不能解决问题，那么分布式集群就出现了;
大数据工程师的职责就是搭建大数据平台，所以从上图可以得知，大数据工程师，需要有java基础(行业应用大部分是java语言编写的)，所以，今后想从事该岗位的，那么学习的路线图如下
java基础----linux----hadoop-----hive、hbase----scala—spark
第二， 算法工程师
该岗位零基础的小伙伴就请止步吧，更适用于数学专业的研究生及以上学历，对数据基础要求比较高。
第三，数据挖掘工程师
建议从python入手，毕竟python里面有大量的数据科学的包，也有pyspark，直接从spark里面调数据，不用学习Scala语言(spark的编程语言是Scala)，学习的路线如下：
python基础—python web(强化编程基础)–数学基础补充(线性代数、概率统计、离散数学)–python numpy pandas包—机器学习算法—深度学习
第四， 数据分析师
该岗位对数学基础要求不高，但对综合素质要求非常高，能充分的理解行业行情、公司运营、产品运作、对市场敏锐度较高。具备一定的编程基础，建议学习python，能熟练使用相关的工具，如excel，sas、spss等，能写漂亮的文章做PPT就行，数学基础不好的女生可以建议走该方向。
学习路线：python基础—python numpy pandas包—excel—spss—sas
第五， 大数据可视化
该岗位需要前端的相关基础，大数据运维工程师，也不多做介绍了。
根据以上的岗位介绍，对自己做一个整体的规划。
对大数据【数据分析，数据挖掘】概念都是模糊不清的，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系
最后附一张大数据学习线路
