大数据行业的从业者获取数据的方式有多种，这就是我们常说的数据源。具体有几个:

1.官方数据(政府部门或企业直接提供的数据或数据接口)；

2.半官方数据:如各种行业协会、俱乐部等；

3.各种平台的数据:比如淘宝、JD.COM、唯品会，有的会免费开发数据，有的会是付费数据软件；

4.然后就是从业者自己收集的数据，一般使用一些数据收集工具或者软件，比如爬虫软件，百度蜘蛛等。；

5.最后是购买的数据。一般有一些专门从事数据收集的组织，比如iResearch、Inspur、传统研究企业等。

获取数据的方法有很多。同样，数据的使用方式也有很多，比如行业销售趋势，有的人用销售数据，有的人用销售数据。数据就像一个被任何人打扮过的女孩。用户将选择他们想要显示的数据。所以要考虑数据的真实性，一是数据源，二是数据选择是否合理。

误区：大数据就是“大量数据”

大数据的核心是描述结构化或非结构化数据如何与社交媒体分析、物联网数据和其他外部来源相结合，以讲述一个“更大的故事”。这个故事可能是对一个组织运作的宏观描述，也可能是传统分析方法无法捕捉到的大画面。从情报收集的角度来看，所涉及的数据规模可以忽略不计。

误区：大数据必须非常干净

在商业分析的世界里，没有“太快”这种说法。相反，在IT世界里，根本不存在“垃圾出黄金”这种说法。你的数据有多干净？一种方法是运行您的分析应用程序，它可以识别数据集中的弱点。一旦这些弱点得到解决，再次运行分析以突出“已清理”的区域。

误区：所有人类分析师都将被机器算法取代

数据科学家的建议并不总是被一线业务经理执行。行业高管Arijit Sengupta在TechRepublic的一篇文章中指出，这些建议通常比科学项目更难实施。然而，过于依赖机器学习算法也具有挑战性。森古普塔说机器算法告诉你做什么，但没有解释你为什么要做。这使得很难将数据分析与公司战略规划的其余部分结合起来。

基础阶段：

Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。

hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。

大数据存储阶段：hbase、hive、sqoop。

大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。

大数据实时计算阶段：Mahout、Spark、storm。

大数据数据采集阶段：Python、Scala。

大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。

在掌握Java基础的前提下，各阶段的大数据学习需要掌握的专业技术。

个人基础情况

个人基础因素摆在第一位,这是最重要的一个因素。在开始考察培训机构之前,一定要清楚了解自己的技术水平、性格特点,才能挑选到最适合自己的培训机构。

课程内容

一次培训最重要的就是授课内容，内容好坏我们找有经验的人去分辨比较好，但对那种课程大而全要啥有啥的千万不能报,讲得太多就意味着讲得浅，讲得浅就等于面试时稍一深入你就答不上来,答不上来的后果就是game over或狠压薪水。