最近一年的时间里，我见证了很多朋友完成大数据入门的转型，他们之中有从事传统行业，有刚从校园毕业，也有做着与数据毫不相关的互联网工作。当然，在他们选择方向即将裸辞的同时，我也与一些朋友进行交谈过，并从我的个人角度上给予了一些实质性的建议，以及鼓励。本文分享一位大数据老师的数据入门故事，希望能够让你转型路上少走弯路。
在这里还是要推荐下我自己建的大数据学习交流群:199427210，群里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入,大家都是软件开发党，不定期分享干货（只有大数据软件开发相关的），包括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，欢迎进阶中和进想深入大数据的小伙伴加入。
或许在很多朋友眼里，我的这个入门相对会比较容易，毕竟在大学期间就积累了一定的数据分析经验。没错，虽说万事开头难，但我已经提前经历了困难的时期，在我即将寻找实习岗位之前，我就已经比较熟练的掌握了对于复杂问题拆分的思维模式、利用数据建模去解决问题的实战经验，以及对常用的数据分析软件（Matlab、SPSS、Excel）使用。
那如果按照这样的故事背景，这篇文章对于大部分缺乏基本数据经验的入门者来说，还有借鉴的意义？毫无疑问，所谓的学术背景经验在面对企业中的工作场景，还是会显得力不从心，而我自己当初也确确实实从最基本的数据知识开始去学习，筹备即将到来的实习面试。
如果把数据分析的工作内容比喻成建筑一座城堡，一砖一瓦比喻成数据指标，则Excel这些数据分析工具则是各种高效的建筑工具，而你也会是伟大的城堡创造者，向众人展示精妙绝伦的艺术品。
回到学校以后，我从图书馆借阅了很多与Excel相关的书籍，很疯狂的提升企业中必要的Excel使用技能。而我现在也对每一个从事数据的朋友强调，无论你扮演什么样的数据人角色，你都或多或少需要掌握一定的Excel使用技能，因为你会常常使用到它，甚至是向领导反馈你的工作价值，这种专业性会间接性提升你在部门的核心价值。
当然，还有一个被大家忽视的硬技能，那就是SQL能力，那个阶段我对它也是一无所知，但是我知道我必须要熟练使用它，因为泥坯进窑烧制方能出炉使用，它就好比一砖一瓦的炼制。在这些年的工作中，我接触了一些业务分析人员，他们写的SQL语句很不堪入目，有些甚至能把服务器拖垮，但他们却不以为意，反正能得到数据就行了。所以这些人正在逐渐丢失数据人最核心的优势（让数据为自己服务），最终也会影响到他们数据分析的深度，这句话有些微妙。
另外，任何数据分析都必须依托于扎实的业务知识，否则就是天方夜谭。对于所有转型的朋友来说，在筹备基本功底时，一定要结合时代发展与个人兴趣选择一个有前景的行业方向，并且不要轻易的调整行业，否则学习成本很昂贵。而我实习的那个阶段选择了电商行业，理由也是因为它很火，同时我也督促自己每天去了解一些行业资讯以及商业分析案例，因为所谓的业务能力并不是一朝一夕就能够提升，而是在于长时间的日积月累。
大数据学习路线图——让自己系统学习，知道每一个阶段的学习内容
阶段一、大数据基础——java语言基础方面
（1）Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类
（2）HTML、CSS与JavaScript
PC端网站布局、HTML5 CSS3基础、WebApp页面布局、原生JavaScript交互功能开发、Ajax异步交互、jQuery应用
（3）JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
此阶段是针对没有编程基础，或者对基础不扎实的同学一次补习，这个很重要，就像建一座大厦，这就是地基，地基不稳，就算修再高，总有一天会轰然倒塌！
阶段二、Linux&Hadoop生态体系
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架
这章是基础课程，帮大家进入大数据领域打好 Linux基础，以便更好地学习Hadoop、hbase、NoSQL、Spark、Storm、docker、kvm、openstack等众多课程。因为企业中无一例外的是使用 Linux来搭建或部署项目。
Hadoop生态系统的课程，对HDFS体系结构和shell以及java操作详细剖析，从知晓原理到开发的项目，让大家打好学习大数据的基础。
详细讲解 Mapreduce，Mapreduce可以说是任何一家大数据公司都会用到的计算框架，也是每个大数据工程师应该熟练掌握的。Hadoop2x集群搭建前面带领大家开发了大量的 MapReduce程序。
阶段三、分布式计算框架和Spark&Strom生态体系
（1）分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统（某一线公司真实项目）、实战二：新浪网（www.sina.com.cn）
（2）storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战
Spark大数据处理本部分内容全面涵盖了 Spark生态系统的概述及其编程模型,深入内核的研究,。不仅面向项目开发人员,甚至对于研究 Spark的学员,此部分都是非常有学习指引意义的课程
阶段四、大数据项目实战（一线公司真实项目）
数据获取、数据处理、数据分析、数据展现、数据应用
项目练习其实是穿插课程其中的，在讲解大数据理论的同时，将实践知识穿插其中，增加学生对大数据技术的理解和应用。
阶段五、大数据分析 —AI（人工智能）
Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习
1、Python机器学习2、图像识别&神经网络、自然语言处理&社交网络处理、实战项目：户外设备识别分析
此阶段是深入提升阶段，为学生想转行人工智能打下良好的基础，多重技能，更能大大提升就业质量。
