1、计算机编码能力 实际开发能力和大规模的数据处理能力是作为大数据工程师的一些必备要素。举例来说，现在人们在社交网络上所产生的许多记录都是非结构化的数据，如何从这些毫无头绪的文字、语音、图像甚至视频中拾取有意义的信息就需要大数据工程师亲自挖掘。
2、首先要学习Java基础，学大数据课程之前要先学习一种核算机编程言语。Java是大数据学习需求的编程言语根底，由于大数据的开发根据常用的高档言语。而且不论是学习hadoop，还是数据发掘，都需求有编程言语作为基础。因而，假如想学习大数据开发，把握Java基础是必不可少的。
3、④Hadoop：分布式计算和存储的框架，需要有java语言基础。⑤spring cloud：一系列框架的有序集合，他巧妙地简化了分布式系统基础设施的开发。⑤python：一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
4、如果要学习大数据，不管你是零基础，还是有一定的基础，都是要懂至少一种计算机编程语言，因为大数据的开发离不开编程语言，不仅要懂，还要精通！但这门编程语言不一定是java。比如说，如果你主攻Hadoop开发方向，是一定要学习java的，因为Hadoop是由java来开发的。
5、丰富的数据开发经验，对数据处理、数据建模、数据分析等有深刻认识和实战经验。熟悉SQL，有一定的SQL性能优化经验。熟练掌握Java语言，MapReduce编程，脚本语言Shell/Python/Perl之一。业务理解力强，对数据、新技术敏感，对云计算、大数据技术充满热情。
1、数据库语言SQL SQL语言作为一门编程语言，是数据分析师的必备能力，也是数据分析师必须要熟练掌握的基本功，可以作为数据分析的入门学习内容之一。对于SQL语言的编程基本特性，初学者们首先需要掌握基础的查询语句，从而进行复杂查询的学习。学习期间，不要忘了穿插各类函数的使用，如聚合函数、数值函数等。
2、知识储备 数据分析作为一门交叉学科，需要掌握多方面的知识。数学与统计基础，数据分析是指运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。其中当然离不开数学与统计学的知识，需要有微积分、线性代数、概率论与数理统计等相关的知识储备才行。
3、数据库能力，起码理解数据库的构架并懂得如何与数据库交流，获取所需要的数据。懂得SQL语言是基础。2）数据整理能力，熟悉数据结构，懂得如何清理数据，重新整理和组合数据。Python是很好的入门语言。3）数据分析能力，了解统计相关概念，运用统计工具将枯燥的数据转化为具有价值的结果。
4、了解一个职位或是行业，必然要先有一些基础理论和概念的理解，初级数据分析师首先需要进行基础理论知识的学习和掌握，比如统计学，数据分析、BI相关的概念和方法论；还需要学习数学和计算机相关的基础知识；此外，数据分析从数据抽取、数据准备到数据分析，再到实际应用的整体流程也需要掌握。
5、数理统计和数据运营方法论是数据分析师的理论基石。数理统计包括概率论，统计学，线性代数，以及基础的微积分理论。这些内容都不需要理解的很深，但是对它们的原理以及内涵都需要有所掌握。数据运营方法论实际上是学习各个行业所运营的分析模型。
6、从学科知识来看，数据分析涉及到一下的知识要点：（1）统计学：参数检验、非参检验、回归分析等 （2）数学：线性代数、微积分等。数据分析师需要的技能大致有这些：Excel、SQL、统计学及SPSS、Python/R等。
如果要学习大数据，不管你是零基础，还是有一定的基础，都是要懂至少一种计算机编程语言，因为大数据的开发离不开编程语言，不仅要懂，还要精通！但这门编程语言不一定是java。比如说，如果你主攻Hadoop开发方向，是一定要学习java的，因为Hadoop是由java来开发的。
④Hadoop：分布式计算和存储的框架，需要有java语言基础。⑤spring cloud：一系列框架的有序集合，他巧妙地简化了分布式系统基础设施的开发。⑤python：一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
转行方式 IT行业的人员需求量还是比较大的，需要各种各样人才，外行想去的路子很多，做好准备，一定可以的。报个培训班 通过参加培训班系统掌握UI、Web前端、数据分析类技术，之后找一份相关工作不难，工资待遇也可以。当然IT行业的技术更新的相对比较快，所以持续学习和自学能力很重要。
熟练掌握Java语言，MapReduce编程，脚本语言Shell/Python/Perl之一。业务理解力强，对数据、新技术敏感，对云计算、大数据技术充满热情。深入理解Map-Reduce模型，对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验。
大数据专业难度较大，建议本科毕业后再学，主要课程内容包括6大模块：①java：一门面向对象的计算机编程语言，具有功能强大和简单易用两个特征。②spark：专为大规模数据处理而设计的快速通用的计算引擎。③SSM：常作为数据源较简单的web项目的框架。④Hadoop：分布式计算和存储的框架，需要有java语言基础。
应该根据自身的知识基础、能力特点和兴趣爱好来选择学习方向。学大数据课程之前要先学习一种计算机编程语言。Java是大数据学习需要的编程语言基础，因为大数据的开发基于常用的高级语言。而且不论是学习hadoop，还是数据挖掘，都需要有编程语言作为基础。因此，如果想学习大数据开发，掌握Java基础是必不可少的。
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。
现在数据分析前景还是很不错的，做数据分析用python比较多。可以先去了解一下python，如果是转行的话，主要分为几个途径：自学：自学的话，成本低，但是时间长，而且对自身的要求更高一些。需要有很强的自制力和学习能力，另一方面，自学在项目实战这一块就比较缺乏。
你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。
BI商业智能工具 BI可以理解成Excel图表透视表的高级版。BI是将表与表相连，然后得出很多指标图。它是一个大屏的看板。有了这个看板，领导层在监控企业业务方面就有了非常直观的数据，以供他们及时做出决策调整。
沟通能力就是数据和业务的桥梁。再沟通中，我们不要固执己见，要采取他人的意见，尤其是智者的意见，可以帮我们降低犯错率，提高分析正确率，这样我们的分析才会更有说服力。技术能力 我们自己了解到的，相关技术像Excel，MySql，Python，SPSS等这些工具。
1、其实，现在数据分析业最缺的是既有深厚的技术功底、又有杰出的管理能力、熟悉业务的复合型人才，要具备这些条件，一般都需要六年以上的工作经验。随着数据分析行业的成熟，和其它传统行业一样也需要各种年龄段的人才，而且也是越有经验越吃香。
2、在具体求职策略上，建议选择数据运营岗位，尤其是互联网、电商、新零售等行业，这些行业能提供丰富业务背景和数据实践机会。在工作之余，持续提升个人技能，不断优化简历和面试准备，增加就业成功率。总结而言，转行数据分析需要系统地提升技能、理解业务，并通过实际操作积累经验。
3、一定要用细心、耐心、和平静的心态去做数据分析。数据分析是个细活，根据二八原则，其中数据的处理将占去数据分析中的八成时间，如果数据处理不当将影响接下来的分析，需要良好的心态减少犯错误的概率。具有独立思考与换位思考的能力。数据分析并不仅仅是为了完成一些业务上面的数据需求和论证。
4、还将从金融、医药、保险、电商、零售等行业需求出发，使用实际案例手把手将数据分析技术传授给学员，使CDA就业班课程更符合就业要求，达到企业用人标准，快速在大数据时代找准工作定位。学员毕业要求能够完成商业数据分析项目。