大数据项目： 如何选择大数据分析项目技术？

越来越多的企业开始关注BI和分析供应商，希望可以解决大数据环境中的业务问题。不幸的是，要在大数据中获得可见性是说起来容易做起来难。而且，随着供应商不断攻破大数据分析项目的各种难题，投放到市场的产品种类越来越繁多，企业要想选择最能满足...展开全部

其他答案:国外推荐tableau，国内果断推荐大数据魔镜，大数据魔镜免费，很实用，拥有众多可视化效果，还有上卷下钻，数据预测，聚类分析，相关性分析，数据联想，决策树等很多功能。

大数据项目： 到底什么是大数据项目

大数据”作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地...展开全部

其他答案:自己没有经验，可以参考别人的经验，以下仅供参考： 1、明确大数据项目的目标 大数据项目并不只是收集资料和信息，最重要的是从这些海量的数据信息中获取对企业有价值的东西。所以在做大数据项目以前，首先要有一个明确的目标，再由此来分析大数据项目中需要收集哪些信息，哪些信息更重要。 2、基于数据做决定 这点貌似有点多余，但是有些商家往往做出的决定是依据直觉而不是数据。所以收集到的数据一定要善加利用，不然大数据项目就失去了存在的意义。 3、选择合适的人来使用大数据项目 解释和分析大数据需要很多技巧和专业知识，因此使用大数据项目的人一定要精挑细选（最好是有一些相关经验），以免不正确的决策给企业带来巨大的损失。 4、拥有合适的设备 全球范围内产生的海量数据是很难由人为控制的，为了使这些海量数据真正发挥它们的作用，并且更好的被人脑理解，企业需要使用最新的自动化技术来处理这些信息。合适的设备不仅可以保证计算机安全，保护这些宝贵的数据，还能有效防止可能存在的安全威胁。 5、合理使用社交媒体数据 企业的用户很有可能正在使用社交媒体，从社交媒体可能获取更多的数据，比如客户是怎么想的，他可能在某些方面做出某些举动。通过社交媒体数据，企业可以更深入地了解客户，以为客户提供更合适的产品和服务。

大数据项目： 学完大数据可以做什么

如果你是合格的大数据开发技术人员，那当然有高薪的工作，并不是说你学完了之后就一定有高薪工作的，那需要看你学习怎么样。<img src=＂

其他答案:目前各处都在讨论大数据前景如何好，大数据就业机会如何多，很多人都对大数据这个行业充满了向往。但是可能大多数人都不清楚大数据学出来后究竟能做什么？大数据行业到底有些什么岗位？ 目前在国内来说，大数据行业大概有以下几种岗位：数据分析师，数据架构师，数据挖据工程师，数据算法工程师，数据产品经理。接下来为大家详细介绍一下各岗位的工作内容。 1. 数据分析师。 数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。 作为一名数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。 2. 数据架构师。 数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。 从事数据架构师这个职位，需要具备较强的业务理解和业务抽象能力，具备大容量事物及交易类互联网平台的数据库模型设计能力，对调度系统，元数据系统有非常深刻的认识和理解，熟悉常用的分析、统计、建模方法，熟悉数据仓库相关技术，如 ETL、报表开发，熟悉Hadoop,Hive等系统并有过实战经验。 3. 数据挖掘工程师。 一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。 成为数据挖据工程师需要具备深厚的统计学、数学、数据挖掘理论基础和相关项目经验，熟悉R、SAS、SPSS等统计分析软件之一，参与过完整的数据采集.整理.分析和建模工作。.具有海量数据下机器学习和算法实施相关经验，熟悉hadoop,hive,map-reduce等。 4. 数据算法工程师。 在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。 需要具备的知识有：扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法；熟悉大数据生态，掌握常见分布式计算框架和技术原理，如Hadoop、MapReduce、Yarn、Storm、Spark等；熟悉Linux操作系统和Shell编程，至少熟悉Scala/Java/Python/C++/R等语言中的一种编程；熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力。 5. 数据产品经理。 数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。 需要具备的技能有：有数据分析/数据挖掘/用户行为研究的项目实践经验 ；有扎实的分析理论基础，精通1种以上统计分析工具软件，如SPSS、SAS，熟练使用Excel、SQL等工具； 熟悉SQL/HQL语句，工作经历有SQL server/My SQl等的优先 ；熟练操作excel,ppt等办公软件，熟练使用SPSS、SAS等统计分析软件其中之一 ；熟悉hadoop集群架构、有BI实践经验、参与过流式计算相关经验者加分 ；熟悉客户端产品的产品设计、开发流程 。

其他答案:我们知道大数据的火爆，知道大数据的就业前景好，但学习大数据能找什么工作呢？这个是很多学生的困惑。为学生提供了以下几个就业方向。 当前医疗行业、能源行业、通信行业、零售业、金融行业、体育行业等各行业都可以从其数据的采集、传输、存储、分析等各个环节产生巨大的经济价值，而提供大数据基础设施的企业、大数据软件技术服务的企业、行业大数据内容咨询服务的企业都将从大数据的广泛应用而得到迅速发展。 学习大数据可以从事很多工作，比如说：hadoop 研发工程师、大数据研发工程师、大数据分析工程师、数据库工程师、hadoop运维工程师、大数据运维工程师、java大数据工程师、spark工程师等等都是我们可以从事的工作岗位！不同的岗位，所具备的技术知识也是不一样的，需要从各个方向学习，逐个击破！ 比如说：Hadoop开发工程师 你需要具备一下技术： a. 基于hadoop、hive等构建数据分析平台，进行数据平台架构设计、开发分布式计算业务； b. 应用大数据、数据挖掘、分析建模等技术，对海量数据进行挖掘，发现其潜在的关联规则； c. 对hadoop、hive、hbase、Map/Reduce相关产品进行预研、开发； d. 通过Hadoop相关技术解决海量数据处理问题、大数据量的分析。 e. Hadoop相关业务脚本的性能优化与提升，不断提高系统运行效率； 数据工程师 职责： a. 分析各类用户不断变化的行为； b. 预测各类营销对用户的影响，定位精准市场投放； c. 帮助实现自动化监控平台。 Hadoop运维工程师 你需要具备以下技术知识： a. 平台大数据环境的部署维护和技术支持； b. 应用故障的处理跟踪及统计汇总分析； c. 应用安全，数据的日常备份和应急恢复； 数据挖掘分析师 你需要具备以下技术： a.对优先考虑的账户进行统计分析，从而更大限度的成功化。 b.与主管或客户端沟通行动计划，并找出需要改进的地方。 c.执行战略数据分析和研究，以支持业务需求。 d.找准机会从而用复杂的统计建模提高生产率。 e.浏览数据来认准机会并提高业务成效。 f.指定业务流程，目标和战略的理解，以提供分析和解释。 g. 针对内部讨论的理解，在适当情况下获得业务需求和必要的分析。 正所谓，术业有专攻，即使同为大数据技术，也是有不一样的，主要还是看自己感兴趣的方向！

其他答案:1.可以从事：hadoop 研发工程师、大数据研发工程师、大数据分析工程师、数据库工程师、hadoop运维工程师、大数据运维工程师、java大数据工程师、spark工程师等等都是我们可以从事的工作岗。 2.学习大数据可以去专业的电脑学校学习。电脑学校从办学开始就是为了培训计算机型人才，有专业领域的老师，设备齐全。

其他答案:今天主要给大家说说大数据分析行业的就业方向，大数据分析怎么学，怎么入门。很多同学知道这个很火，但是不清楚这是干啥的。今天就先给大家讲大数据分析工程师。当下，大数据分析方面的就业主要有三大方向：一是数据分析类大数据人才，二是系统研发类大数据人才，三是应用开发类大数据人才。他们的基础岗位分别是大数据系统研发工程师、大数据应用开发工程师、大数据分析师。对于求职者来说，大数据只是所从事事业的一个方向，而职业岗位则是决定做什么事？大数据从业者/求职者可以根据自身所学技术及兴趣特征，选择一个适合自己的大数据相关岗位。下面为大家介绍十种与大数据相关的热门岗位。一、ETL研发 企业数据种类与来源的不断增加，对数据进行整合与处理变得越来越困难，企业迫切需要一种有数据整合能力的人才。ETL开发者这是在此需求基础下而诞生的一个职业岗位。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。二、Hadoop开发 Hadoop是一个分布式文件系统（Hadoop Distributed File System），简称HDFS。Hadoop是一个能够对大量数据进行分布式处理的软件框架，以一种可靠、高效、可伸缩的方式进行数据处理。随着数据规模不断增大，传统BI的数据处理成本过高企业负担加重。而Hadoop廉价的数据处理能力被重新挖掘，企业需求持续增长。并成为大数据人才必须掌握的一种技术。所以说Hadoop解决了大数据如何存储的问题，因而在大数据培训机构中是必须学习的课程。 主要涉及的技术有：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分布式日志框架等。三、可视化工具开发 可视化开发就是在可视化工具提供的图形用户界面上，通过操作界面元素，有可视化开发工具自动生成相关应用软件，轻松跨越多个资源和层次连接所有数据。过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项独立的专业技能和岗位。四、信息架构开发 大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。五、数据仓库研究 为方便企业决策，出于分析性报告和决策支持的目的而创建的数据仓库研究岗位是一种所有类型数据的战略集合。为企业提供业务智能服务，指导业务流程改进和监视时间、成本、质量和控制。六、OLAP开发 OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。七、数据科学研究 数据科学家是一个全新的工种，能够将企业的数据和技术转化为企业的商业价值。随着数据学的进展，越来越多的实际工作将会直接针对数据进行，这将使人类认识数据，从而认识自然和行为。八、数据预测分析 营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。九、企业数据管理 企业要提高数据质量必须考虑进行数据管理，并需要为此设立数据管家职位，这一职位的人员需要能够利用各种技术工具汇集企业周围的大量数据，并将数据清洗和规范化，将数据导入数据仓库中，成为一个可用的版本。十、数据安全研究 数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。十一、数据分析师 大数据分析师是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。作为一名大数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的大数据分析师，应该业务、管理、分析、工具、设计都不落下。十二、数据挖掘工程师 做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapReduce写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。大数据分析培训课程培养的是德智体美全面发展，具有良好的职业道德和创新精神，且掌握计算机技术、hadoop 、spark、storm开发、hive 数据库、Linux 操作系统等知识，具备分布式存储、分布式计算框架等技术，熟悉大数据处理和分析技术，面向大数据平台建设与服务企业的技术人才。1、大数据开发方向； 所涉及的职业岗位为：大数据工程师、大数据维护工程师、...

大数据项目： 中国将建设哪些大数据工程

大数据（big data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。有人把数据比喻为蕴 藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据...展开全部

其他答案:您好！大数据中心是近几年才发展起来的，仅2011年到2013年上半年全国共规划建设数据中心255个，已投入使用173个，总用地约万平方米，总机房面积约400万平方米。数据中心建设条件主要包括以下方面： 一、能源供应：数据中心三分之一以上的预算将是环境成本。数据中心约60%的资产支出和50%的运营成本都与能源有关。在确保高性能的同时，将冷却散热降至最低是云数据中心实现“绿色”所必须要做的，这就要求更科学、更合理的供电方式和制冷系统的配置。 二、气候因素：虽然气温、台风、洪水、干旱等自然气候因素都是云数据中心布局的影响因素，但温度条件是需要重点考虑的气候因素。所在地的常年平均气温是影响云数据中心能耗的决定性因素之一，甚至是决定pue高低的重要因素。 三、地质条件：地壳稳定，发生地质灾害的可能性小，为数据中心的阶段内的稳定运营提供保证。 目前我国数据中心产业虽然已经开始呈现出向规模化、集中化、绿色化、布局合理化发展的趋势，也涌现出一些成功的案例。比如鄂尔多斯大数据中心，该数据中心机房严格按照国际领先的行业设计标准，集idc设计理念和绿色节能技术于一体，与世界一流idc保持同步，能够为全社会提供同等级服务的数据中心。

大数据项目：大数据项目涉及到的存储、安全、数据分析等等，一直感觉很迷茫，该如何去学习？

大数据是我的主要研究方向之一，这个问题也比较有代表性，所以我来回答一下。

大数据项目不仅涉及到数据的存储、安全、分析，还涉及到数据的采集、整理、呈现和应用等内容，并且与物联网、云计算关系密切。下面我从大数据的产业链入手，来谈一下如何开始学习大数据。

大数据的产业链

我们谈到大数据首先要了解到底什么是大数据，大数据都涉及到哪些技术，大数据都能做什么事情？

早期我们在谈论大数据的时候，我们更多的强调数据的规模大、结构多样、速度快、价值密度低等概念，而目前的大数据代表了围绕数据的整个产业链，包括数据的采集一直到数据的分析、呈现等内容。

那么，大数据又是哪儿来的呢？一个来源是传统的信息系统，包括ERP系统等，另一个重要的来源是物联网系统，目前这是大数据最重要的数据来源之一，可以说物联网的发展直接导致了大数据的出现。所以，要学习大数据首先就要了解物联网。

接下来，数据通过网络传送到云计算平台，在云计算平台的支持下，大数据完成数据的存储、安全和分析的一系列操作，可以说云计算平台给大数据提供了支撑环境。所以，要学习大数据也要了解云计算。

现在的大数据不仅仅能够做数据分析，更是为人工智能提供了支撑，比如在机器学习领域，需要大量的训练数据来训练算法，而大数据恰恰可以提供数据。可以说现在的大数据为科技领域的发展起到了重要的助力作用。

大数据的技术组成

大数据是一个典型的多学科交叉领域，需要计算机专业、数学、统计等专业人才共同合作。大数据平台有两个重要基础，一个是分布式存储，一个是分布式计算，在这两个基础功能之上再完成各个场景的应用。

比如，目前比较流行的大数据平台有Hadoop和Spark，Hadoop平台是基于Java语言开发的，包括了HDFS和MapReduce两个大部分，Hadoop生态健全，应用广泛，目前很多商业大数据系统都是基于Hadoop构建的。Spark采用基于内存运算的模式，所以在速度上要比Hadoop快一些，另外Spark所采用的Scala语言更灵活一些，得到了很多Java程序员的喜爱。

当然，搭建Hadoop、Spark平台只是第一步，接下来要对数据进行分析、呈现和应用。大数据算法工程师要根据不同的应用场景来设计不同的算法，常见的算法包括支持向量机、朴素贝叶斯、k近邻、决策树等等，这些算法往往也是机器学习的常见算法，所以从大数据转向机器学习是非常方便的，我就是从大数据开始进入机器学习领域的研究。

对于统计专业人才来说，大数据是一个重要的舞台，大数据能为统计提供丰富的数据，可以使用很多工具完成数据分析任务，R语言就是一个好选择。

相信通过我的介绍，大家对大数据有了一个概要的了解。

总之，大数据的学习要找到一条适合自己的切入点，然后逐步深入。如果是程序员，完全可以从平台搭建开始。

作为我的主要研究领域，我非常关注大数据的应用，我在头条上也会陆续写一些这方面的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。

如果有大数据方面的问题，也可以咨询我。

谢谢！

大数据项目：做大数据项目，前端需要用到什么技术？

不知道场景是什么，如果题主想做大数据工程师其实不用纠结前端，因为给到前端用于展现的一般就是json之类的数据格式，而且都是在后端已经被处理好了。如果真的是要学前端，按照应用分的话可以分为前台项目和后台项目。前台项目，例如app、网页、客户端都可以使用数据分析的成果为用户提供服务，其实就和一般应用开发一样了。后台项目，例如运维平台、管理平台、监控等等，可能会用到很多图表的前端技术，echarts和d3都是很好的选择，如果是应用数据分析的成果其实就和通用的前端技术一样，用框架或者一些模板都可以实现。主要还是看业务逻辑，现在前后端基本都是分离的，所以前端技术的通用性很高，也并没有所谓大数据项目特定的前端技术。

大数据项目：实施大数据项目到应用，要经历哪些步骤和环节？

抱歉！不懂难装懂。

感谢您邀请！