| 企服解答

從大的知識體系結構來看，學習大數據需要具備三方面基礎，分別是數據庫知識、數學和統計學知識、計算機知識，選擇不同的主攻方向還需要有不同的學習側重點。

學大數據需要具備什么基礎

1、數據庫知識

數據庫知識是學習大數據相關技術的重要基礎，大數據的技術體系有兩大基礎，一部分是分布式存儲，另一部分是分布式計算，所以存儲對于大數據技術體系有重要的意義。初學者可以從Sql語言開始學起，掌握關系型數據庫知識對于學習大數據存儲依然有比較重要的意義。另外，在大數據時代，關系型數據庫依然有大量的應用場景。

2、數學和統計學知識

從大數據崗位的要求來看，大數據分析崗位（算法）對于數學和統計學知識的要求程度比較高，大數據開發和大數據運維則稍微差一些，所以對于數學基礎比較薄弱的初學者來說，可以考慮向大數據開發和大數據運維方向發展。

3、計算機基礎知識

計算機基礎知識涉及到三大塊內容，包括操作系統、編程語言和計算機網絡，其中操作系統要重點學習一下Linux操作系統，編程語言可以選擇Java或者Python。如果要從事大數據開發，應該重點關注一下Java語言，而如果要從事大數據分析，可以重點關注一下Python語言。計算機網絡知識對于大數據從業者來說也比較重要，要了解基本的網絡通信過程，涉及到網絡通信層次結構和安全的相關內容。

| 拓展閱讀

關于大數據技術主要具有以下四個方面的特點：

1、大數據技術可存儲巨量數據

大數據技術一般指的是芯片存儲技術，可存儲數據超過宇宙天體數的三倍以上，互聯網一天所產生的數據內容可以刻滿1.68億張DVD，相當于《時代》雜志770年的文字量。芯片存儲技術可存儲的數據能夠達到千萬億(PB)、百億億(EB)乃至十萬億億(ZB)的級別。

2、大數據技術可以抓取、收集類型繁雜的數據

包括各種各樣的語音、非結構化數據、圖像、文本信息、地理位置信息、網絡文章等。聯合包裹速遞服務公司(UPS)早在2009年就開發了行車整合優化和導航大數據技術系統(ORION)對快遞線路進行預測和優化，截至2013年底，ORI?ON系統已經在大約一萬條線路上得到使用，在多送出42萬件包裹的情況下，為公司節省燃料150萬噸，少排放二氧化碳1.4萬立方米，大數據技術正在引導物流企業將洞察力快速轉化為公司決策。

3、大數據分析具有較高的商業價值和應用價值。

物流領域的數據量是非常巨大的，包括來自企業、互聯網、港口、運載工具等的數據，如何從如此巨大的數據中挖掘企業所需的數據資料，就需要借助大數據分析技術，如利用大數據來分析集裝箱移動信息，物流企業就能知道哪些港口有剩余運載量，哪些港口吞吐量大，貨物周轉速度快，應在哪個位置的港口部署海運業務，大數據已經成為智慧物流的引擎。

4、計算速度快。

采用非關系型數據庫技術(NoSQL)和數據庫集群技術(MPP NewSQL)快速處理非結構化以及半結構化的數據，以獲取高價值信息，這與傳統數據處理技術有著本質的區別。