大数据网络营销学什么

一、0基础学习打基础：java语言、 Linux

java可以说是大数据最基础的编程语言，我接触的很大一部分的大数据开发都是从Jave Web开发转岗过来的。

二、大数据Hadoop体系

Hadoop是用Java语言开发的一个开源分布式计算平台，适合大数据的分布式存储和计算平台。Hadoop是目前被广泛使用的大数据平台，本身就是大数据平台研发人员的工作成果，Hadoop是目前比较常见的大数据支撑性平台。

三、Scala黄金语言和Spark

Scala和java很相似都是在jvm运行的语言，在开发过程中是可以无缝互相调用的。

Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是MapReduce的替代方案，而且兼容HDFS、Hive，可融入Hadoop的生态系统，以弥补MapReduce的不足。

四、 大数据项目实战

数据获取、数据处理、数据分析、数据展现、数据应用

1. 学习能力(Learning Ability)

有些东西不懂很正常，从不懂到懂，从懂到精通，自己想想，原来不会的东西，是否可以很快上手。学习能力，其实蛮难衡量，我更愿意看到产品经理在每次产品项目实践中的总结归纳，清楚的知道成功经验与失败教训。

2. 执行力(Execution)

完成预定目标及任务的能力，包含完成任务的意愿，完成任务的方式方法，完成任务的程度。这对于产品新人来说，或许是最重要的，刚刚开始步入职场，没啥决策权，先按照领导要求做出来吧，做之前，自己可以有个决策判断，产品出来后验证自己的决策。

3. 沟通能力(Communication)

有效传达思想、观念、信息，把握对方意图，就是自己和产品项目的干系人信息通畅，信息对称。沟通能力强的个人，有时候并不是能言善辩，而是让整个团队目标一致，各个岗位同事相互理解，共同推进项目进展。

4. 行业融入(Industry Intimating)

了解公司所属行业的上下游产业链，政策环境，最新的行业动态等。个人的产品项目在行业处于领先水平，有较高的知名度，同时个人能力为行业认知，有一定的影响力。

5.心态和情商(AQ&EQ)

积极主动面对困难及压力，以开放的心态迎接变化和挑战，并推动问题的最终解决。

学什么?

数据分析要学的内容大致分为6个板块，分别是：

Excel

精通Excel分析工具，掌握Excel经典函数，准确快速地完成数据清洗,利用Excel数据透视及可视化，可以透过现象看本质。

MySQL

理解MySQL数据库相关概念及存储原理，掌握SQL基本的增、删、改、查等语法掌握数据库性能调优策略，熟练使用SQL进行数据清洗与数据规范化。

BI商业智能工具

了解商业智能的核心价值，精通FineReport、FineBI，快速挖掘数据价值，掌握行业场景应用。

Python

学习Python基本编程语言知识，了解Python程序的计算机运行原理，能够使用Python编程处理工作中的重复性工作。 掌握网络数据抓取技术，Python数据库应用开发，实现Python数据可视化操作，提高数据收集和数据分析能力。 掌握Python数据分析处理基础库，具有应用Python语言解决数据分析中实际问题能力。

数据分析思维与理论

掌握微积分、线性代数、概率论、参数估计、假设检验、方差分析等数理统计基础 掌握基本的数学、统计学知识，学习数据运营方法论、机器学习夯实基础，提升数据敏感性，建立数据思维和数据素养。

掌握如何撰写行业分析报告和数据分析项目流程，能够独立完成数据分析项目。 掌握常见的数据运营方法如AARRR、漏斗、ABTset、描述性统计分析、相关分析、指数系统搭建等，培养利用多种数据分析方法解决实际工作问题能力。

机器学习

掌握机器学习常用经典算法原理及sklearn代码的实现、机器学习算法的选取、调优及模型训练、神经网络的特点及原理，增加个人核心竞争力，拥有能够用相关数据挖掘算法为解决实际问题能力；奠定人工智能算法入门基础。

如何学?

至少花三个月掌握技术

“磨刀不误砍柴工”，要想从为“工人”，甚至熟悉工，也需要很多技能，因为怎么说数据分析师也是技术工种。我觉得至少你要花3个月时间来学习一些最基础的知识。

花1个月学习数据库知识及基础的统计学知识。

花1~2个月学习最基础的数据分析软件操作。

花1个月时间进行时间项目操作及业务练习 数据分析入门容易提高难，题主目前处于初级阶段,可以通过自学观看视频,或者系统培训来提高自己,已工作来说,接受系统培训会更加快速，更推荐跟着课程系统性的学习，搭建好逻辑框架。