大数据学习路线：如何从入门到精通

　　大数据被认为是“未来的新石油”，在社会生产、流通、分配、消费活动以及经济运行机制等方面发挥着重要的作用。

　　作为 IT 类职业中的“大熊猫”，大数据工程师的收入待遇可以说达到了同类的顶级。国内 IT、通讯、行业招聘中，有 10% 都是和大数据相关的，且比例还在上升。“大数据时代的到来很突然，在国内发展势头激进，而人才却非常有限，现在完全是供不应求的状况。

　　所有从底层数据工作者往上发展的基本路径：

　　1. 第一阶段(一般岗位叫数据专员)

　　基本学会excel(VBA最好学会;会做透视表;熟练用筛选、排序、公式)，做好PPT。这样很多传统公司的数据专员已经可以做了

　　2. 第二阶段(数据专员~数据分析师)

　　这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。

　　3. 第三阶段(数据分析师)

　　统计学熟练(回归、假设检验、时间序列、简单蒙特卡罗)，可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。

　　4. 第四阶段(分裂)

　　数据分析师(数据科学家)、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用(调参+选模型+优化)，取数、ETL、可视化啥的都是基本姿态。

　　可视化工程师：这部分国内比较少，其实偏重前端，会high charts，d3.js, echarts.js。技术发展路线可以独立，不在这四阶段，可能前端转行更好。

　　ETL工程师：顾名思义，做ETL的。

　　大数据工程师：熟悉大数据技术，hadoop系二代。

　　数据工程师(一部分和数据挖掘工程师重合)：机器学习精通级别(往往是几种，不用担心不是全部，和数据分析师侧重点不同，更需要了解组合模型，理论基础)，会组合模型形成数据产品;计算机基本知识(包括linux知识、软件工程等);各类数据库(RDBMS、NoSQL(4大类))

　　数据挖掘：和上基本相同。

　　爬虫工程师：顾名思义，最好http协议、tcp/ip协议熟悉。技术发展路线可以独立，不在这四阶段。

　　往数据发展的基本学习路径可以概括为以下内容：

　　1. EXCEL、PPT(必须精通)

　　数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作;要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。

　　2. 数据库类(必须学)

　　初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。

　　NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存，严格意义上不算数据库)，然后(选学)可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。

　　3. 统计学(必须学)

　　如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。

　　其他数学知识：线性代数常用(是很多后面的基础)，微积分不常用，动力系统、傅里叶分析看自己想进的行业了。

　　4. 机器学习(数据分析师要求会选、用、调)

　　常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。

　　5. 大数据(选学，有公司要求的话会用即可，不要求会搭环境)

　　hadoop基础，包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。

　　6. 文本类(选学，有公司要求的话会用即可)

　　这部分不熟，基本要知道次感化、分词、情感分析啥的。

　　7. 工具类

　　语言：非大数据类R、Python最多(比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab);大数据可能还会用到scala和java。

　　可视化(选学)：tableau、http://plot.ly、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不错

　　数据库语言：看你自己用啥学啥

　　其他框架、类库(选学)：爬虫(requests、beautifulsoup、scrapy)，日志分析