大数据学习及建议是什么（一）

很多人在学习大数据的时候，可能缺少指导或经验，总会走一些弯路，使得学习大数据的效率大大降低，从而失去了持续学习的信心。在此。今天小编在这篇文章中好好分享一下大数据学习的建议，希望可以给正在拼搏路上的你提供一点点启发或借鉴。对于大数据学习，小编准备了四个建议，下面为大家一一介绍。

首先，我们应该知道的是，大数据学习要善用开源，这是因为数据科学的技术基因在于开源。信息技术前沿领域的开源化已成不可逆转的趋势，Android开源让智能手机平民化，让我们跨入了移动互联网时代，智能硬件开源将带领跨入物联网时代，而数据科学的标配语言R和Python更是因开源而生，因开源而繁荣，诺基亚因没把握开源大势而衰落。为什么要开源，这得益于IT发展的工业化和构件化，各大领域的基础技术栈和工具库已经很成熟，下一阶段就是怎么快速组合、快速搭积木、快速产出的问题，不管是linux,Android，其基础构件库基本就是利用已有开源库，结合新的技术方法实现，组合构建而成，另外，开源这种众包开发模式，是一种集体智慧编程的体现，所以需要我们善用开源和集体智慧编程，而不要闭门造车。

其次我们需要知道，大数据学习要业务驱动，不要技术驱动。这是因为数据科学的核心能力是解决问题。大数据的核心目标是数据驱动的智能化，要解决具体的问题，不管是科学研究问题，还是商业决策问题。所以学习之前要明确问题，理解问题，所谓问题导向、目标导向，这个明确之后再研究和选择合适的技术加以应用，这样才有针对性，在不同的业务领域需要不同方向理论、技术和工具的支持。大数据处理如采集需要爬虫、倒入导出和预处理等支持，存储需要分布式云存储、云计算资源管理等支持，计算需要分类、预测、描述等模型支持，应用需要可视化、知识库、决策评价等支持。所以是业务决定技术，而不是根据技术来考虑业务，这同样是我们需要注意的。

以上的内容就是小编为大家介绍的大数据的学习误区的具体内容了，也算是给大家分享了大数据学习的经验建议，说来就是大数据要学习使用开源，以及大数据学习要业务驱动，而不是技术驱动。我们在下一篇文章中继续给大家讲述剩余的内容。