大資料行業只是一個泛泛的概念。大資料包括很多的方面。按照你的理解，你想做的是大資料的資料分析員這一塊業務。這一塊的業務主要使用的統計學，這是數學基礎。其次，就是這種能進行資料分析的軟體了。包括excel，spss等等，很多不一一列舉。

如果更為高階的話，就是那種演算法進行統計分析，這就需要對各種演算法有個比較深入的瞭解，同時也需要對程式語言有一些瞭解了。

最後，更為高階的話，就是資料探勘了。這就需要不光是知識了，還有就是行業的經驗了。

不管什麼時候，學習都不晚。主要是要對自己狠心。

目前為止，我就能理解到這個程度上。望指正。

你瞭解大資料是做什麼的嗎，大資料分為資料分析和運維兩塊，資料分析的主要工作是特徵工程和資料清洗，運維是用那些已有的資料和模型來跑軟體，前者一般要求碩士畢業，對機器學習演算法有了解。後者就是用一些開源大資料軟體做開發，相當於熟練使用工具。前段時間大資料確實很火，工資很高，但這有炒作和市場供需不平橫的原因，隨著市場逐漸飽和，工資會迴歸理性。如果你做大資料運維，這並不難，甚至沒有java開發難，即使是資料分析的崗位也不是你想的那麼高大上，也有搬磚的性質。你想做這個的出發點是什麼。如果是為了高工資還是算了。還有35歲確實年紀很大了，這個年紀還在做技術的都是專家級別的了。如果你是真的喜歡計算機技術，也可以業餘去學機器學習相關知識，如果你專研的深了，還是大有可為的，至於大資料運維，說白了就是在別人給你的工具上幹活，用的再熟練價值也不高。幹什麼都不晚，這句話確實很鼓舞人，但前提是你的才華配的上你的野心。一般公司都不會招你那個年紀的小白，所以希望你慎重考慮。

　　隨著大資料的爆發，中國IT業內環境也將面臨新一輪的洗牌，不僅是企業，更是從業人員轉型可遇而不可求的機遇。

　　中關村，被稱為中國矽谷，此間程式設計師比比皆是。然而一眼望去，大多數一執行緒序員的年齡均在20至30歲左右，40、50歲的人在這個行業內頗為罕見。相較於國外五六十歲仍奮鬥在一線崗位的老程式設計師，國內為什麼會出現這種現象？

　　國內四五十歲的程式設計師去哪兒了？

　　造成這種現象的原因是多方面的。首先，程式設計師的工作大致可劃分為兩類：開發和研發，相對應的崗位則是開發工程師和研發工程師。開發工程師直接為產品貢獻程式碼，以達成產品功能為主要目的，有比較多重複性工作。而研發工程師則更注重研究工作，任務目標一般沒有前車之鑑，多數情況下要靠自身研究創新。

　　在國內，大多數大型網際網路公司的程式設計師被稱作研發工程師，但實際情況是國內幾乎沒有研發專案，只能稱之為開發。開發程式設計師的工作大多是重複性勞動，容易產生疲憊感，薪資也許在工作2-5年內能達到一個峰值，但較難提升，導致很多程式設計師最終放棄寫程式碼，轉行做了其他。

　　此外，程式設計師多處於長時間加班、熬夜和超負荷的工作狀態，而年紀大的程式設計師往往在體力上疏於年輕人。若想繼續在IT行業內打拼的程式設計師便只能追求成為更高技術水平的架構師或轉至管理層這兩方面尋求職業生涯的突破。一旦轉型失敗，也只能黯然退出這個為之奉獻青春的行業了。一個行業內沒有老員工，這其實是病態的。雷軍曾在自己的一篇文章中提到，96年時美國主力工程師以30、40歲為主，國內開發的主力是35歲以下的年輕人，近20年過去，情況仍然沒有轉變。

　　但是越來越多的IT從業者發現，大資料技術來臨之後也許這個現象就能有所改變。

　　大資料時代，程式設計師的春天？

　　首先，大資料從事的是開源工作，更傾向於“研發”，能夠重新激起程式設計師研發程式的熱情，職業生涯有了新的追求，這意味著大資料會成為值得程式設計師長期奮鬥不斷突破的工作；其次，由於大資料屬新興領域，專業人才比較缺乏，高階人才更是企業爭搶的物件。薪資上升容易，職業發展潛力巨大。

大資料存在十多年了 基礎設施早已成熟，沒啥技術含量 可輕鬆入行，另外再提醒一點 國內絕大多數公司是不具備做大資料的條件的 搞了也是胡亂瞎整 最後無果而終！

一切皆有可能，中國的IT歷史太短暫，小鮮肉也終將變成大叔，唯一不變的是變化。沒有一個行業是憑空產生或者消失的，技術的門類或者分類同樣也是，沒有那一個具體的技術叫大資料，只是一個範疇甚至是一個商業名詞，積累好底層的技術並能解決實際問題才是王道，而這也需要時間的積累。中國的絕大多數網際網路公司還是應用為主，並不是科技公司，這也導致貌似小鮮肉學幾個框架也能玩的轉，但終究會改變的。

很多人都是因為看到人工智慧和網際網路行業的發展想要轉行，首先你得慎重考慮是否確定轉行，放棄你現在的工作。

其次，如果你真的想轉大資料，建議你找個靠譜的培訓機構參加學習。為什麼，首先自學要求自我控制力及強，還有持續不斷的堅持，還有你的理解能力各方面的要求，還有就是你的動手實踐能力。

很多人會覺得自己有基礎自學可以學下來，但當你真的自學的時候你會發現，剛開始基礎的東西還可以，越到後面要用到的東西越多，要求你的動手能力越強的時候，就會出現各種情況。

還有就是，自學的話，你有問題只能自己埋頭苦想，沒有人能及時給你指導。為什麼很多人會參加培訓，因為在自己不會的地方能及時有人幫你解決發現問題，有時候可能你自己想幾個小時都想不通的可能別人給你講幾句你自己就能想明白了。

你現在35歲，要轉就趁早；你可能會覺得自己學歷不錯學習能力還可以成本低，所以考慮自學，但這個行業更多要求你的動手能力。所以不想浪費時間可以選擇去學校專門培訓，如果只是因為興趣可以考慮自學。

加油把~想學的話就學.這個行業的發展前景很好的。不過除了悟性最主要的是耐力了，看能不能堅持。我比你小10歲，自學學習了個把月，雖然遇到了很多問題（就一個搭建平臺就花了很多時間）度娘都成了家常便飯了。不過收穫滿滿的。堅持住~總會有收穫的~

想起了曾經的一個回答，問如何快速成為資料分析師，答案是，無限可能啊！我曾經在SensorsDataCrop釋出過，感覺也可以回答題主這個問題。

回答如何『快速』前，我們先來界定下什麼是『資料分析師』。這是百度百科的一段定義：資料分析師指的是不同行業中，專門從事資料收集、整理、分析，並依據資料做出行業研究、評估和預測的專業人員。可以看到，一個數據分析師，不分行業，乾的事基本上包括了怎麼收集資料、怎麼分析資料、怎麼展現資料，並可能提供一定的預測、評估或分析建議等。我們再來看下市場上對分析師是如何要求的，摘了兩個公司在拉勾上的任職資格：

1）具有業務敏感度，反應迅速，能夠良好溝通；

2）具有資料分析和資料倉庫建模的專案實踐經驗；

3）3年及以上資料分析經驗，有網際網路產品、運營分析經驗；

4）熟悉R、SAS、SPSS等統計分析軟體，熟練使用 SQL、Hive等；

5）本科或以上學歷，數學、統計、計算機、運籌學等相關專業；

——滴滴出行

1. 數理統計相關專業本科，2年以上資料分析相關工作經驗

2. 對資料敏感，有較強的資料分析判斷能力

3. 熟悉電商業務運營，熟悉電商BI系統的相關產品和資料分析模型

4. 熟練使用各種數理統計、資料分析、工具軟體，Excel、R等

5. 良好的溝通能力，文字表達能力，具備較強的撰寫分析報告的能力

——噹噹網

大家可以自個去搜一下，整體的要求大同小異，我對上述資料分析師的界定，就是側重業務方向的資料分析師，這跟有些同學各種『高大上』的挖掘、資料工程不太一樣，這倒是可以反過來定義為偏技術方向的發展路線。當然，很多事，界限都是模糊的，尤其對牛人來說，技能都是通吃的。這兩個方向，很明顯，技術路線，小白是比較難『快速』的，這就跟你說要快速成為一個醫生差不多，還是外科。反倒是業務方向，的確是短期內，比如三個月，是可以成為一個能獨自處理運營或產品需求的『資料分析師』。限於本人經驗，下面分享的是在網際網路行業，如何快速成為一個數據分析師？我分幾個部分：

基礎

《計算機科學概論（第11版） (豆瓣)》，瞭解計算機基本原理，目標是知道一個網站或APP是怎麼執行的。《深入淺出統計學 (豆瓣)》養成每天看36氪之類的習慣，在這裡『讀懂』網際網路

資料採集

不論是自有平臺，還是第三方分析工具，這一步其實不需要你自個採集，但你需要知道採集什麼，而最主要的輸出物就是設計指標體系和埋點方案。《精通Web Analytics 2.0》《精益資料分析》

提數和處理

這一步分兩種，如果你在甲方做資料分析，且是自有平臺，你可能需要下面的技能：《SQL必知必會》或者看關於SQL 教程_SQL教程_w3cschoolHive而對於採用了第三方資料分析工具作為解決方案的時候，你可能需要了解並掌握第三方工具的使用，尤其是對於一些具有強大分析功能的工具，在完成資料接入後，基本上的統計和分析需求都可以直接在BI層面上拉取。功能比較簡單的比如百度統計、友盟、TalkingData，靈活的比如谷歌分析、Mixpanel，還有我們神策分析 ：）。這裡可以瞭解一些最基礎的網站分析概念：《人人都是網站分析師》

資料分析

同樣，這一步如果是自有平臺，你可能需要選擇會以下技能：《利用Python進行資料分析 (豆瓣)》 或者 《R語言實戰》學下 SAS或SPSS 軟體偉大的Excel當然，如果是第三方解決方案，很多分析需求都能直接透過視覺化操作解決。

資料視覺化

這一步最多的要麼是報表要麼是演示，你需要熟練得使用以下兩項技能：ExcelPPT

到這裡，基本上，你已經是個合格的網際網路資料分析師了，可以應付大部分運營或產品的人提出來的統計和分析需求。但回過頭來，這只是個速成方案，決定了你只是個菜鳥。至少在業務這個方向上，，當你掌握了各項技能後，決定你一份報表或一份報告所能輸出的價值的大小，甚至是該統計哪些指標，用什麼樣的分析思路，都取決於你對業務的認知。這個階段，建議你去看看營銷的書、運營的書、產品的書，去了解目前主流的推廣方式，去深入參與運營，去跟產品談使用者體驗......其實所有的職業都有門檻，只是有高有低，但是如果你走出了第一步路，後續都會迎刃而解的。

有可能。

首先，大資料行業的入行門檻至少是大專及以上學歷，按照大多數人受教育的年紀來說，大專畢業至少21+，本科生至少22+，研究生以上學歷年齡會更大，不少人的職業生涯是從本科或研究生起步的，那樣少說也得二十四五了，而大資料作為新興行業，從大資料工程師的長期發展來看，高學歷是有一定的優勢，學歷越高，也意味著年紀越大，高學歷走大資料研發方向優勢很明顯。

大資料開發需要學習什麼？

https://www.toutiao.com/i6710116016053027332/

其次，目前大資料相關的專業教育起步較晚，高校設立大資料專業也是近兩年的事，最早的幾家在2017年，培養大資料人才的週期較長，三四年內大資料人才缺乏的情況不會明顯得到緩解，等到最新一批高校大資料人才出爐，對大資料相關實踐工作還需要從0做起，那時已轉行大資料的人才早已積累了幾年大資料相關經驗，對於新行業來說這就是很大的優勢。