一是大数据平台本身 学习任何计算机相关的知识，配置环境是必备的。一般是基于某些Hadoop产品如CDH的产品部署后提供服务。部署的产品里面有很多的组件，如HIVE、HBASE、SPARK、ZOOKEEPER等。图片 二是ETL ETL是企业数据应用过程中的一个数据流（pipeline）的控制技术，把原始的数据经过一定的处理，放入数据仓库里。 可以想象一下一条大河的源头被污染，下游就无法作为饮用水源，也无法用于灌溉。如果想用于灌溉，就要将河上游工厂的污水进行处理之后再排入，如果想用于饮用，那就要用水淡化或者渗透过滤技术，对水质进行改造。同样，原始数据并不是完美的、洁净的，质量参差不齐的数据对于数据最终的使用会产生很大的影响。图片 三是数据分析 在数据收集完成后基于这些数据要做一些什么样的处理，典型的如报表应用，那每天可能就是写SQL开发报表了；还有一些如风险监测等平台，都要基于大数据平台收集的数据来进行处理。 1.统计学的背景知识是必要的.随便找个大学的数理统计教材都可以。 2.软件的是SPSS和SAS,SPSS应该可以找到免费的,但是SAS很难.它们各有优势.初学建议学SPSS,容易学,不需要写程序的技能。图片 其他方面的要求 如果要主攻大数据开发方向，那么应该重点培养一下自身的程序设计能力，可以从Java开始学起，目前Java语言在大数据开发领域的应用依然非常广泛。如果要主攻大数据运维方向，那么应该重点学习一下网络知识和操作系统相关知识，涉及到的内容也是比较的，而且要完成大量的实验。 当前大数据分析（算法）岗位也是一个高附加值岗位，但是不同于开发岗位和运维岗位，算法岗位的竞争比较激烈，所以如果想从事算法岗位，要继续读一下研究生。从事算法岗位对于数学和统计学知识的要求比较高，而且还需要具有一定的行业场景知识，所以从事算法岗往往需要更长时间的积累。 最后，虽然学习大数据技术需要各种不同的基础知识，但是由于大数据领域的岗位非常多，所以各种具备不同知识基础的初学者，都能够找到适合自己的切入点。
