谢请。

“咦，你今儿想当大牛是极好的，大牛的能力配上无数的光环，是极让人羡慕的了。你的宏伟大愿，虽说不知所谓，倒也不负我心。”

“大牛好是好，臣妾做不到啊.....做不到啊....."。

要想成为一位大数据大牛大概需要花多长时间？这个事情得分两头说起。

大牛的程度我可能不清楚，但是我认为一些应该掌握的工具和知识是必不可少，大数据方面是在传统数据上的升级，主要表现在数据量大，数据规律难发现等特征。

数学与统计知识

• 相似度
  

• 大数定理

• 抽样

• 假设检验

在大数据领域里，主要的技术点是数据挖掘、大数据、OLAP、数据统计这几个方面，下面我们来具体看一看。

大数据

大数据是一个大概念，是指用单台计算机软硬件设施难以采集、存储、管理、分析和使用的超大规模的数据集。大数据具有规模大、种类杂、快速化、价值密度低等特点。大数据的“大”是一个相对概念，没有具体标准，如果一定要给一个标准，那么10-100TB通常称为大数据的门槛。

大数据主要就是数据分析，我们可以把数据分析分为以下4个层次：数据统计，OLAP，数据挖掘、数字和趋势。

！

学习一门技术的时间长短由多种因素决定， 包括技术本身的难易程度、个人学习的意愿和毅力，学习的方式方法、学习者本身的学习能力以及其他机遇因素决定的（比如遇到好老师、一本好书等等）， 很难一概而论。

不过，“如果非要加个时间， 我想说是10000个小时”（好像大话西游里的经典台词，哈），但是这个一万小时定律不是我发明的， 一万小时定律是作家格拉德威尔在《异类》一书中指出的定律。“人们眼中的天才之所以卓越非凡，并非天资超人一等，而是付出了持续不断的努力。1万小时的锤炼是任何人从平凡变成世界级大师的必要条件。”他认为，要成为某个领域的专家，需要10000小时，就是不管你做什么事情，只要坚持一万小时，基本上都可以成为该领域的专家。如果按比例计算就是：每天工作八个小时，一周工作五天，那么成为一个领域的专家至少需要五年。这就是一万小时定律。

英国神经学家DanielLevitin认为，人类脑部确实需要这么长的时间，去理解和吸收一种知识或者技能，然后才能达到大师级水平。顶尖的运动员、音乐家、棋手，需要花一万小时，才能让一项技艺至臻完美。而且，“一万小时法则”在成功者身上很容易得到验证。作为电脑天才，比尔·盖茨13岁时有机会接触到世界上最早的一批电脑终端机，开始学习计算机编程，7年后他创建微软公司时，他已经连续练习了7年的程序设计，超过了1万小时。。。

要成为大牛，有很多因素的，如你之前的专业及专业水平层次，个人知识面，学习方式与学习时间，工作环境等，小成平均三年，大牛最少也要三年。大牛就是在大数据中你总比别人强，这个是靠实际经验历练出来的，经验是靠实践与实践累计的。

1.大数据学习主要有两块，数据库管理，大数据分析。首先数据库管理要有较强的数据库管理理论知识底子，不然很难理解的。

2.大数据分析，你就要熟练掌握数据分析工具，统计学知识等，并且要有很强的逻辑分析能力才能更好的分析数据。

3.学成时间跟你本专业的知识底子有很大关系的，如果你大学学的就是大数据方面，那你就有比别人有先天优势，如果你大学是跟大数据或者计算机等专业无一点关系，比如语言文学，那你学起来就很费劲了。

感谢官方！

首先，不幸的告诉你，要成为真正的大牛，这个时间是非常长久的，可能五年也可能十年，并且还要不间断的持续学习。

然后，大数据这个行业，分支非常多，但只从技术和业务层面上来说，无非是数据挖掘和数据分析这两个方向。具体来说，数据挖掘是偏向技术的，即它通常要有编程的基础，比如，java，scala，sql，python等需要至少学会其中两种，还要有linux，hadoop相关生态圈的基础。其中hadoop生态圈极为广大和渊博，通常不需要也不可能全部掌握，要看你在实际使用的架构中使用的工具是什么。而且作为数据挖掘，还需要有较高的数学基础，比如高等数学，线性代数，还要会各种挖掘算法。

而数据分析是面向业务的，当然搞技术的也可以搞数据分析，前提是能够看得懂数据中的业务含义。数据挖掘通常一年到两年可入门，多经历实际项目，增长经验方可成为大牛。数据分析需要编程的东西少些，因为这方面现成的工具软件较多，而且都非常专业，比如SAS，SPSS等。数据分析通常两到三个月可入门，剩下的就是磨业务和工具熟练度。

首先感请问题。

现在互联网的发展速度飞快，日新月异，编程已经成为新一代计算机基础之一了。

现在中国正在飞速的发展，想在第四次工业革命上进行超车，互联网，人工智能，这等等一切都得建立在大数据的基础之上。

数据的挖掘，数据的处理，等等一切都在考验着新时代的每一个人。

成为数据大牛不可以是一朝一夕的事情。首先最基础最基础你也得懂些代码的思想。

大数据大牛，如果是数据分析方面的话，对不同领域或行业，这个是差异很大的。在互联网的各种数据分析，在网上都有各种参考的分析思路，以及工具。相对来说时间上可能会少些，全投入半年到1年，最好在至少一个实际项目中有实践，应该就可以称之为大牛了。

其实学习大数据也挺快的，很多人利用半年的时间就能找到一份不错的工作，前提是你有足够的自律能力，而且要付出非常多的努力和汗水，只要入门后就能不断的进步，最好找一个好师傅。

但是成为大牛是一个很漫长的过程，也许你用一两年的时间就能成为大牛，但是也许你终其一生也不能被称之为大牛，因为IT行业新技术层出不穷，程序员行业本身就是一个不断学习新技术的行业。所以，这个也要看自己的努力程度和天分。