大数据方向的工作目前分为三个主要方向:
01.大数据工程师
02.数据分析师
03.大数据科学家
04.其他（数据挖掘本质算是机器学习，不过和数据相关，也可以理解为大数据的一个方向吧）
一、大数据工程师的技能要求
二、大数据学习路径
很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：199427210，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系
阶段一：Java基础
掌握JAVA基本语法、面向对象、集合、IO流、多线程、网络编程
阶段二：MySQL
CRUD
阶段三：Linux
常用的操作命令
阶段四：Hadoop生态系统
HDFS、YARN、MapReduce、Hive、HBase、Zookeeper、Flume、Kafka、Sqoop、Spark
阶段五：Spark生态系统
Spark Core、Spark SQL、Spark Streaming、MLlib、Graphx
阶段六：项目实战
用户推荐系统
阶段七：Python
学习python的基础语法。后面的数据爬去、算法的实现、机器学习、深度学习中会用到，学习numpy和panada。
阶段八：HTML
学习HTML的基础语法，了解网页的构成。
第一：系统化课程+经验丰富讲师
0基础学大数据开发一定要系统化的学习，毕竟没有基础。如果没有一个系统化的课程，既不利于学习的高效性，也不利于形成完整的知识体系。另外，大数据包含的内容很多，0基础的求学者如果没有专门的老师带着去学习，在学习的过程会遇到很多的瓶颈，从而降低学习的效率。
第二：测验+实训项目，保障学习效率
在学习的过程中，不仅是需要努力去向前学习，更需要不断的去复习。但是，很多求学者在复习的时候却往往找不到方向，而这，就需要定时的测验来帮助求学者去检验自己学习效果，当然，也能够为求学者提供复习的方向。
对于实训项目的操作，并不只是让求学者提高实战能力，还是让求学者能够在真实的实训项目当中，找到自己的欠缺，以便自己及时的去复习，及时的去完善和提升自己。
进入大数据领域，被很多人看成是实现自己快速发展的一个契机，但是，谁都不可能一下吃成个胖子。学习必须脚踏实地的来。
