大数据管理与应用专业 李晓菲
大数据引领了数据分析时代的到来，“大数据分析师”应运而生，大数据分析师究竟做何工作？如何成为大数据分析师？需要什么技能？大家或多或少都面临学习方向的疑问和困惑。大数据分析相关专业是近些年设立的新专业，市场上现有大数据分析相关人才的供给非常有限，而市场需求方面则呈现另一番景象，对大数据分析方向的人才需求很旺盛，就业市场呈现人才供求关系的不平衡和供求匹配的不契合。无论是大数据方向择业就业的炙手可热，还是国家战略和大数据产业发展要求，大数据分析都可谓前景可观，既能够赋能个人的职业发展，又能驱动经济的高质发展。
大数据分析涉及广泛的学科交叉（计算机、数学、统计学等）、复杂的专业知识体系、快速的技术迭代，从事大数据分析工作既要具备数据素养和数理统计基础，又要掌握大数据分析技术和编程技能，更要熟知分析对象的业务领域知识以解决实际问题，所以说大数据分析师是对从业者知识、能力和素质的综合型复合性要求，并非一朝一夕的速成塑造，而是一场漫长的升级打怪之行，需要长期的知识学习和大量的实战积累。大数据分析学习者和从业者，始终都要抱有一种“在路上”的初学者心态（活到老，学到老），方能积跬步以至千里，积小流以成江海，在数据分析的海洋世界如鱼得水。
大数据分析学习之路，既要沉下去埋头苦学（掌握扎实的数理统计基础和计算机处理技能），又要浮出来抬头看路（培养业务领域知识的洞察力和解读力）。工欲善其事，必先利其器。小编也是学中用、用中学，仅就个人理解和学习体悟，结合专业开设课程和学生学习基础，谈谈关于大数据分析学习（偏大数据分析管理与应用方向）的一点理解和体会，希望精心梳理的学习路径，能够成为大数据学习者精进路上的有益参考。
第一阶段：入门学习阶段——“观其大略”而非“顾及细微”
- 适用对象：大数据专业低年级学生，大数据分析初级爱好者
- 专业开设课程：
数理基础——《概率论与数理统计》、《高等数学》、《线性代数》、《运筹学》
统计基础——《管理统计学》
编程基础——《数据结构（Python）》、《数据分析基础（Python）》
大数据基础 ——《大数据导论》《数据库与数据仓库》
经管基础——《管理学》《会计学基础》《经济学基础》
- 课外资源：
（1）推荐书目：《大数据导论》（林子雨著）
（2）视频课程：《大数据导论》MOOC视频（林子雨主讲）
（3）公众号：书圈、大数据文摘、计量经济学服务中心、数学中国、超级数学建模、菜鸟学Python、小象学院
- 学习路径
步骤1：前期知识基础决定后续学习高度，要重视基础阶段知识的积累学习和理解掌握，为后续大数据分析深入系统的学习奠定基础。充分利用课堂学习时间和学习资源，理清基本概念、了解领域概貌，通过课程学习形成自己对于大数据分析的认识和把握。
步骤2：在校内开设课程的基础上结合课外学习资源，培养数据素养和数据思维，基于大数据分析的全链路知识体系，建立对大数据分析学习的全局认识。
第二阶段：基础夯实阶段——不仅要见“森林”，更要见“树木”
- 适用对象：大数据专业中、中高年级学生，大数据分析学习者（具备一定的计算机编程知识）
- 专业开设课程：
大数据分析技术：《大数据采集与预处理技术》、《大数据分析与挖掘》、《多元统计分析与R建模》、《仿真建模与分析》等
分析业务背景：《电子商务概论》、《市场营销学》、《客户关系管理》
- 课外资源
- 推荐书目：大数据分析与挖掘（石胜飞著）、大数据挖掘与统计机器学习（吕晓玲等著）、《机器学习》（周志华著）、《Python大数据分析算法与实例》（邓立国著）
- 视频课程：Coursera、中国大学MOOC、腾讯课程、网易云课堂（数据挖掘、数据分析、机器学习相关课程）
- 电子资源链接：（下载书目对应电子书、课件、案例数据和程序等）
http://www.tup.com.cn清华大学出版社
http://www.crup.com.cn/ 中国人民大学出版社
http://download.dutpbook.com/，大连理工大学出版社资源下载中心
- 学习重点：
重点1：理解大数据的数据特征，比如非结构化、多源、异构等，常用的数据采集方法和网络爬虫，通过数据清洗转换获得高质量的输入数据。
重点2：结合专业课程及推荐书目的阅读，弄清搞懂各类统计模型、数据挖掘和机器学习算法，如回归、分类、预测、关联规则、推荐算法等，重点掌握各种模型算法的应用场景和实现解释。
重点3： 熟练掌握一两门数据分析工具，如SPSS（SPSS Statistics偏统计功能； SPSS Modeler偏数据挖掘）、R（开源软件）、Python、Matlab等
第三阶段：技术进阶阶段——乘风破浪会有时，直挂云帆济沧海
- 适用对象：大数据专业中、中高年级学生，大数据分析技术学习和从事者
- 专业开设课程内容：
大数据时代的数据存储与管理技术（SQL、NoSQL数据库、云数据库、分布式数据库MapReduce等）、大数据处理架构Hadoop、大数据处理与分析技术、数据可视化
- 课外资源：
（1）推荐书目：《大数据技术原理与应用（第2版）》（林子雨著）
《大数据基础编程、实验和案例教程》（林子雨著）
（2）视频课程：《大数据技术原理与应用》MOOC视频（林子雨主讲）
（3）分析工具：在单机分析工具（例如SPSS等）和单机编程语言（例如Python、R）基础上，掌握大数据处理与分析技术（例如MapReduce、Spark、Hive等）。
（4）数据可视化工具：入门级工具Excel、信息图表工具（Echarts、D3、 Tableau
等）、地图工具（ Leaflet等）、 时间线工具（ Xtimeline）、高级分析工具（R、Python）
- 学习路径
步骤1：参照推荐书目《大数据技术原理与应用（第2版）》，观看《大数据技术原理与应用》MOOC视频
步骤2：在学习过程中，可以参照与教材配套的实验指导书《大数据基础编程、实验和案例教程》，在自己电脑上搭建大数据实验环境，并完成相关上机实践操作。对所学知识进行体统“串联”，融会贯通。
第四阶段：综合实战阶段——海阔凭鱼跃，天空任鸟飞
- 适用对象：大数据专业高年级学生，大数据分析学习者
- 开设课程：
《商务数据分析》、《互联网营销分析》等
- 课外资源：
（1）纸质教材：《新媒体数据分析:概念、工具、方法》（秋叶著）、《大数据实训案例——电影推荐系统》（林子雨著）、 《大数据实训案例——互联网广告预测分析》（林子雨著）
（2）网站资源：https://wk.askci.com/前沿报告库、阿里研究院-阿里行业研究报告、 腾讯大数据-腾讯云数据分析行业报告、百度数据研究中心-百度数据中心报告
百度开放服务平台-百度云数据分析出来的行业报
（3）相关竞赛：阿里云天池大赛、SODA上海开放数据创新应用大赛 ；数据城堡、数据嗨客、数据火车、大数据研究中心等大数据竞赛平台
罗马不是一天建成的，大数据分析师也不是一天炼成的。初心易有，贵在坚持！最后希望大家通过努力和坚持能成为你想成为的自己！