大数据学习入门（一）大数据需要学什么

现在如今，大数据/人工智能/算法等行业慢慢的与大多数开发人员工作贴合越来越紧密。很多同学干了5,6年的web开发，整天除了业务，除了curl和对接第三方之外，很少能从技术工作中找到乐趣，还有很多同学对目前从事的web开发这块产生了厌倦。随着行业的流行，慢慢的一部分同学想更进一步的做技能提升一下，想进入大数据的行业。但是又无从下手。今天我们开始来给大家普及下大数据相关的学习系列。

首先我们进入到想要进入到大数据这个行业，我们要知道大数据是什么的？数据从哪里来？再需要依靠大数据可以做哪些业务产生什么价值，然后再了解大数据需要哪些技术，以这样子的一个方向来逐步推荐，更能让大家学习起来得心应手。

一、数据从哪里来？

在我们的工作中，数据与我们息息相关。我们日常的衣食住行都可以产生各种各样的数据，比如我们坐公交刷卡，坐地铁刷卡都可以产生数据，那么一个城市，一个省份的公交地铁出行数据是不是就非常多，当这些数据聚集起来后，我们就可以说自己进入了大数据行业。同时我们的食方面，各种app提供各种店铺，美食，图片，介绍等信息，当日活超过十万，百万后，每天能产生非常多的数据，当这些数据聚集起来后，我们就可以说自己进入了大数据行业。同时我们的衣方面，各种电商的店铺，衣服款式、尺寸、风格等信息满目玲琅，当这些数据聚集起来后，我们就可以说自己进入了大数据行业。还有我们的住，日常大家接触到的房屋信息，租房信息等，各种数据交汇在一起，我们也可以说自己进入了大数据行业。

所以总结来说，大数据是一个行业的统称，比较模糊，数据的来源主要还是基于我们的日常和其他特殊渠道。当数据量聚集较大后，我们可以利用这些数据产生价值，这就代表我们进入了大数据行业了。

二、大数据可以用数据产生什么价值

我最开始接触大数据的时候是10年，当时国内在开始大数据风，当时基于微博，微信的火爆，我们当时采集这些feeds流及文章后，把这些数据做了整理，应用于广告推荐行业。当然目前大家在常见的社交、电商等平台上能看到比较多的就是广告推荐行业。根据个人喜好，给你推荐不同的商品，促进商品的成交率。除了广告推荐行业是大家常见的之外，常见的另外一种常见就是监控行业，这个也是目前大部分toB企业在做的，举个例子，例如水电站，根据日常收集的水流信息，综合评估，自动化控制发电机的启用数量。为水电站实现利润最大化。

所以总结来说，大数据主要就是根据收集的数据，然后把这些数据业务化，为企业实现更大的利润目标。

三、大数据需要学习什么？

上两个我们介绍了数据从哪来，能产生什么价值，这里我们就来看看依靠什么方式去收集数据，去创造价值。

首先很重要，做任何数据一定要提前了解，数据从哪来，有哪些数据，这些数据我们要创造什么样的价值，再去想着技术方案落地的事情。

重要的事情说三遍。为什么要说这个呢？因为很多学习大数据的同学很茫然，老抱怨我们没有那么多数据，我们目前不存在做大数据的环境，我学了hadoop这些也不会搞大数据。为了解惑这里，所以一定要看上面的提示。

1、我不知道大数据学了干什么？

答：建议看看上面第二条，仔细看看我们手里的数据，想办法找目标，比如我们现在手里只有一份user表的数据，有姓名，年龄，学历等信息，那我们可不可以创造一个目标，分析下这些人的学习，哪些人学历比较低，但是年龄还比较年轻的，我们可不可以做个推荐系统？给他推荐学历教育?

2、我们没有那么多数据怎么办？

答：根据上诉1的例子，我们找到了目标，没有那么多的数据，我们是否可以随机生成几千万，几亿条上面的user表数据。

3、我们只是做做demo，和实际工作相差很大。

答：这里的demo其实和实际工作已经很贴近了，比如上诉1和2里面，当我们做了demo之后，在实际工作中无外乎user表的字段比demo多，流程比较复杂一点（可能会涉及到数据收集，清洗，整理等）但是核心是一样的，就是做学历教育推荐嘛。

好了上面开胃小菜，给大家介绍了学习大数据的一些困惑，接下来我们就进入整体，转行大数据需要学习哪些技术？

上面这张图就是一个比较普适的大数据技术生态系统。里面涵盖的技术有：

Hadoop
Hbase
Hive
Spark
Flink
Sqoop
Flume
Kafka
等等

同时上面的技术生态完整的给大家列出了一个普适的大数据架构图，有：

数据来源层
数据传输层
数据存储层
数据管理层
数据计算层
任务调度层
业务应用层

大家可以好好先看看，体会体会，后期我们会挨个的讲解这些信息。

最后再补充一下：

学习大数据，一定离不开运维的工作，在大家日常做大数据工作中比较重要的几个技能点有：

数据的观察敏锐感（初级：10%，中级：30%，高级：70%，架构师：100%）
数据的整理条理性（初级：30%，中级：50%，高级：90%，架构师：100%）
技术的开发(初级：20%，中级：60%，高级：90%，架构师：70%)
运维工作（初级：10%，中级：50%，高级：80%，架构师：90%）

这几个技能点与从事大数据开发相关工作的人员密不可分，括号里面的主要是对应开发人员的标准百分比，比如技术的开发，初级开发人员占比至少要20%，以此类推。这个占比是我描述的大概情况。实际的比例应该要按照每个公司的每个岗位的具体职责来进行划分。