1、首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。学会了这些的话这无疑是极好的开头和奠基，可谓是赢在了起跑线上，接收和吸收大数据领域的知识会比一般人更加得心应手。
2、怎样学习大数据如下：数据汇集 在进行大数据融合分析应用场景中，数据是最基础的保障，需要汇聚多类数据。面向多源异构数据源进行指标与标签的构建和融合，将不同的数据源的数据进行有效的整合，构建预警预测的能力，形成面向各个领域的动态感知能力。
3、第三阶段：主要学习java的三大框架，SSM框架，说实在的，现在学完这个框架也只能简单的找一份五六千的工作，大学生出来大部分也都会做！第四阶段：到这个阶段，你会真正接触到大数据，学习大数据的知识，学完能够独立开发爬虫系统，能够独立开发搜索系统，能够完成实时数据采集、存储、计算及商业应用。
带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。
技能二：掌握数据整理、可视化和报表制作。数据整理，是将原始数据转换成方便实用的格式，实用工具有DataWrangler和R。数据可视化，是创建和研究数据的视觉表现，实用工具有ggvis，D3，vega。数据报表是将数据分析和结果制作成报告。也是数据分析师的一个后续工作。这项技能是做数据分析师的主要技能。
数据收集是数据分析的最根柢操作，你要分析一个东西，首要就得把这个东西收集起来才行。因为现在数据收集的需求，一般有Flume、Logstash、Kibana等东西，它们都能通过简略的配备结束杂乱的数据收集和数据聚合。二，数据预处理 收集好往后，我们需求对数据去做一些预处理。
就是数据分析的流程。一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实现一个数据分析师的学成之旅。按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。
第二级别：在第一级别的基础上，第二级别包括建模分析师与大数据分析师，即为企业决策提供及时有效、易实现、可信赖的数据支持。建模分析师，指在ZF、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。
数据可视化：学习数据可视化基础，包括数据图表、数据地图等，能够将数据分析结果以直观、易懂的方式呈现出来。数据挖掘和机器学习：了解数据挖掘和机器学习的基本概念、算法和技术，能够应用相关技术进行数据分析和预测。
机器学习：机器学习是利用算法和模型从数据中学习和预测的过程。数据分析师可以通过学习机器学习算法、模型评估和调优等内容，提升他们在数据预测和建模方面的能力。数据库管理：了解数据库的基本原理和数据库管理系统（DBMS）的使用，对于数据分析师来说是非常重要的。
新手学习大数据可以通过自学或是培训两种方式。想要自学那么个人的学历不能低于本科，若是计算机行业的话比较好。非本专业也可以，只要学历够，个人的逻辑思维能力以及个人的约束能力较好，就可以去网上找找免费的教程，选择适合自己的自学试试看。
我们先搞清楚，大数据分析要学哪些内容，让自己的心中有一个大概的概念。一名合格的大数据分析师，需要熟练掌握Linux操作系统，了解shell等脚本编程；通数据抓取，数据清洗（ETL），数据仓库建模；了解HADOOP大数据平台架构，熟悉HDFS/HBase/Hive/MapReduce，熟练掌握Mapreduce程序开发。
分类 分类是一种根本的数据剖析方法，数据依据其特点，可将数据对象区分为不同的部分和类型，再进一步剖析，能够进一步发掘事物的本质。
数据科学并没有一个独立的学科体系，统计学，机器学习，数据挖掘，数据库，分布式计算，云计算，信息可视化等技术或方法来对付数据。
我们先了解清楚，大数据要学什么东西，让自己的心中有个数。
数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。
1、学习大数据分析的知识需要掌握以下几个方面：数学基础：大数据分析涉及到很多数学知识，如线性代数、概率论、统计学等。因此，首先需要具备扎实的数学基础。编程技能：大数据分析通常使用编程语言进行数据处理和分析，如Python、R等。因此，需要学习并熟练掌握至少一种编程语言。
2、第一：掌握扎实的基础知识。大数据分析师的基础知识包括三方面内容，分别是数学、统计学和计算机学。第二：系统的学习一下大数据平台相关知识。不论是对于大数据开发还是大数据分析来说，掌握大数据平台的相关知识都是比较重要的。
3、培养数据分析思维 我们要通过训练数据分析思维，帮助在遇到问题时，大家脑中能快速梳理出分析的切入点以及思路，这一点很重要。Excel技能进阶 学习Excel是一个循序渐进的过程：基础的：简单的表格数据处理、筛选、排序；函数和公式：常用函数、高级数据计算、数组公式、多维引用、function。
4、HBase分布式存储：HBase-HadoopDatabase是一个高可靠性，高性能，面向列，可伸缩的分布式存储系统，利用HBase技术可在廉价PC上搭建起大规模结构化存储集群，介绍其入门的基础知识，以及设计原则，需实际操作才能熟练。
5、了解大数据的理论知识 要学习大数据课程，首先需要对课程有一个简单的了解，了解课程的内容，并学习主要知识。最重要的是需要知道什么是大数据。开始应该简单地了解大数据，看看您是否真的对大数据学习感兴趣。
1、熟悉常用的数据挖掘算法：回归分析、决策树、分类、聚类方法；高效的学习路径是什么？就是数据分析的流程。一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实现一个数据分析师的学成之旅。
2、学习分成3个阶段：0基础水平（毛都不会）、略懂皮毛（能监测到转化率）、中级水平（会制作你自己的自定义报告）。知道你只看文字理解起来费尽，往后翻，每个知识点都给你做截图示例了，我现在有一种深深的老妈子赶脚。
3、数据分析师最重要的就是商业方面的知识，比如EDA、促销分析、产品管理、品类管理、库存管理、成本分析、定价策略、价格管理、顾客管理等，同时也要会如何与数据相结合，去解决企业面临的问题。
4、评：学习效率的提高，很大程度上决定于学习之外的其他因素，这是因为人的体质、心境、状态等诸多因素与学习效率密切相关。 总结学习必须讲究方法，而改进学习方法的本质目的，就是为了提高学习效率。 可以这样认为，学习效率很高的人，必定是学习成绩好的学生。因此，对大部分学生而言，提高学习效率就是提高学习成绩的直接途径。