大数据给很多人的感觉是，专业性强，操作繁琐，属于“高大上”的技术。大数据人才供不应求，有一些人则看到了大数据带来的机遇，想经过专业的培训来学习大数据，那么大数据从0开始需要学习些什么内容呢?
一、0基础学习大数据需要Java基础
Java：开发需求zui多的编程语言之一，可以从事网站开发、桌面程序设计、游戏开发、安卓后台开发、全栈开发等。它可以说是大数据zui基础的编程语言，
一是大数据的本质是海量数据的计算，查询与存储，后台开发很容易接触到大数据量存取的应用场景;
二是Java天然的优势，大数据的组件很多是用Java开发的。
零基础小白想学习大数据，需要从Java基础开始学起，可以把Java语言作为个入门语言。一般来说，学会JavaSE就可以了，但能掌握JavaEE的话会更好。
JavaSE：变量、循环、if等等;面向对象;I/O输入和输出(HDFS会用到);反射、泛型，MR查询;JDBC：操作关系型数据库(RDBMS)(HIVE会用到)。
二、大数据需要学习Linux系统管理、Shell编程设计、Maven
Linux是一套0元使用和自由传播的类Unix操作系统，是一个基于POSIX和UNIX的多用户、多任务、支持多线程和多CPU的操作系统。Shell是一个用C语言编写的程序，它是用户使用Linux的桥梁;Shell既是一种命令语言，又是一种程序设计语言。Shell是一个命令解释器，解释执行用户所输入的命令和程序。Maven是一个项目管理工具，可以经过一小段描述信息来管理项目的构建，报告和文档的项目管理。
大数据技术往往运行在Linux环境下，大数据的分布式集群(Hadoop，Spark)都是搭建在多台Linux系统上，对集群的执行命令都是在Linux终端窗口输入......想从事大数据相关工作，需要掌握Linux系统操作方法和相关命令。
Linux：Linux安装、CentOS、目录结构......
随着大数据时代的到来，大数据分析也应运而生，大数据分析简单的来说就是指对大型数据的分析。大数据分析也分为很多不同的类型。那么大数据分析分为哪些类型?
预测型分析
事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点，这些都可以**预测模型来完成。预测型分析主要用于进行预测。预测模型是怎么实现预测的呢?
描述型分析
在业务中，这是zui常见的分析方法，zui简单的理解就是描述发生了一件什么事情。利用可视化工具，能够有效的增强描述型分析所提供的信息。这种方法向数据分析师提供了重要指标和业务的衡量方法。
诊断型分析
经过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心。描述性数据分析的下一步就是诊断型数据分析。
指令型分析
通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，zui后需要完成的分析方法。数据价值和复杂度分析的下一步就是指令型分析。