數學基礎：他決定你在這條路上的上線，在大量的資料處理中，必然要用到數學方法來處理資料，如資料資訊熵、資料模組度等，尤其是事實中大量高維度的資料，涉及到資料特徵工程如資料降維和矩陣分解等；

程式語言：他決定你走上這條路的下線，目前流行的程式語言中也有幾十種，到底選擇哪一種語言，其中主流的為java，python，R語言等，排名第一的java，功能比較全面，但也很複雜，你可能需要花費很長一段時間來仔細學習，而python和R語言，相對比較簡單，也是當前最主流的資料探勘語言，就好比安卓系統（java）和蘋果系統（python,R）。

數學基礎建立需要長期的學習，結合一些演算法的數學應用，不可一蹴而就，程式語言的基礎，可以買一本全面的基礎程式語言書，就像你小時候學習漢語一樣，得買一本字典，方便你平時查閱，然後報一個好點培訓班，現在這種線上的也比較多，主要便於建立比較完善的程式語言系統。

　　為著以後未來的發展和薪資考慮，很多程式設計師都非常看好大資料這個方向，剛畢業的應屆生想做大資料開發，傳統的Java後端工程師、Web開發工程師也都想轉型大資料崗位。

　　但面對高階的大資料技術，沒有兩把梳刷子是不可企及的。想要成為大資料工程師，你需要具備以下技能：

　　(1)基礎程式設計能力

　　至少掌握一門程式語言，Java，Python等深入理解資料結構、計算機網路等。

　　(2)大資料生態環境

　　熟悉Hadoop生態架構，瞭解MR以及分散式計算。

　　(3)業務抽象能力

　　資料說到底都是一些業務日誌，要求你對資料敏感，並能把握問題的本質，追根溯源，將業務邏輯抽象出來。

　　也就是說，大資料開發工程師的核心工作，就是抽象業務邏輯，利用技術實現工程自動化，包括資料採集、實時處理、儲存等等。

　　在學習大資料之初，不要盲目學習，需要循序漸進，為了避免從入門到放棄，要先從一個方向開啟，比如:

　　你想做大規模離線處理，那你就先深入學習hadoop;

　　如果你想先做實時處理，學習重點就放在Storm或者Spark Streaming上;

　　想做ETL，你就要熟悉ETL流程。然後，慢慢再往大領域中擴充自己的大資料知識庫存。

　　如果你沒有什麼計算機基礎，建議可以選擇專業的學習方式。學習大資料不是件容易的事，但是隻要你能多努力，積極地解決自己的疑惑，多練手，相信你一定可以掌握這門技術。