前兩天去了業界內非常出名的一家培訓機構，去聽了他們的大數據的半天課程。到結束時，才發現，他們是基于JAVA去培訓的。這樣，就聯想到大數據的落地。大數據如何落地，從事IT其他非編程專業方向的人員如何擇業。這是一個需要深入思考的問題。

[[132010]]

現在有關IT技術的培訓越來越多，線上的，線下的。好的，不好的。到底那一種培訓比較適合我們這些IT從業人員。記得當時臺上的老師說的很好，任何軟件都 是工具，掌握一項技術，五天完全可以入門，其他的時間就是練習跟熟悉。現在由于APP使得安卓的工程師水漲船高。但照市場經濟規律來說，這種現像不會長 久。線上的好處是節省成本，可以達到一對多的目的，但是一對多的效果就會很好嗎？這個不見得。而線下的培訓，主要是基于學員之間的互動，想想大學時的自習 室，我們真正在課堂上掌握的知識若沒有自習室的溫故，加深。勢必也會還給老師。所以線下的培訓主要在于學生之間的互動學習。

在大數據時代，真正學習的重點不在于老師。而在于老師與學員的互動，現在任何的知識都可以從百度或其他地方搜索得到。那么老師要教的是什么？有的時候，也 在想這個問題？后來發現，我們不是要教會學生標準答案是什么，而是要讓他們掌握如何去思考，如何去辯偽存真。因為百度一搜，任何我們想要的，不想要的答案 都會出來。而如何去分辨他們是很重要的。尤其是技術這一行，有的時候，我們看英文原版的資料要比中文的好很多。更何況，國內的一些資料翻譯者還不是技術從 業人員。對相關專業名詞也許理解不那么到位。

至于說線上還是線下的學習，建議可以結合在一起學習。分配好我們效率***的時候用于學習線上的課程，效率***時間用于看書或者逛論壇。線上的學習，主動權 在于老師，雖說廉價，但效果相對面對面授課大打折扣。而線下的授課，如何調動學員的積極性又尤為重要。對于實驗來說，如何去設備難點，如何讓學習在實驗中 有所收獲。一直很反對用虛擬機或者仿真軟件來代替真實的設備，因為仿真軟件達到的效果不如學生親手操作后所得到的答案。

大數據現在已經到了可以落地的階段，個人認為任何技術歸根到底不是熟練程度的高低，而是技術思維之高下。原理掌握的越多，實踐起來就會越發的快捷。就如 《倚天屠龍記》里的張無忌，他后來的武功都是前期九陽神功的內功基礎。所以對于大數據來說，什么是他的內功心法，個人認為有以下幾點：

1，去中心化 曾經的高帥富的大型主機一直占據著核心位置，而在大數據時代，取而代之的就是數以萬計的簡單PC來取代他的地位，把計算分到各個小計算機來運行。就如有人說過的那種話，一百個窮吊死頂一個高富帥。

2，要全體而不要抽樣  我們要用全體的數據來預估趨勢，而不再是傳統的抽樣數據，抽樣數據雖然在長期以來帶來很多便利，但是準確度不高。比如曾經的那個小故事，我們都是被平均的一代。當從全體的角度來看待問題時，也可以更好的把握趨勢方向。

3，數據可視化  決策者不再面對一些冷冷的統計報表，取而代之的是一張張鮮活的統計圖表，而且在這些圖表上加入相關代碼，可實現動態顯示功能。從而可以達到輔助決策的目的。讓數據說話，而不是拍腦袋決定。

4， 多維分析  當我們面對大數據的來臨，將多個維度的數據進行相關的ETL，抽取出我們所需要的數據后，我們要能夠結合業務分辯出那些是對我們來說很重要的數據，那些 是次要的。這里就應用到降維的思路。這一部分可以參照《數據挖掘里的“降維”----從五階魔方的玩法思考http://bingyang.blog.51cto.com/533655/1532652〉這篇文章。

5，營銷思維  當大數據來臨，我們如何做一次營銷策劃，如何尋找到目標人群。里邊需要規避的地方在那里？風險在那里？一件產品，一年賣出10000件跟一天買出10000件的效果是不同的，前者是傳統營銷，而后者勢必會用到大數據營銷的東西。

先總結這么多，是自己學習大數據這兩年來的感悟。現在已經寫了一個五天的大數據膠片。感覺還是不充實，因為大數據每一個分支都能夠構成一個單一的行業， 這是一個顛覆傳統的內容。不是一個簡單的互聯網+，而一個融合，將傳統與數據的融合。就像我經常會說，現在對分析來說，真正有價值的不是大數據，而是企業 積累起來的小數據，當你對企業業務理解的越好，就越來使用所會的技術來進行分析。