1，什么是大数据开发2，大数据如何处理数据3，如何进行大数据分析及处理4，大数据都有哪些就业方向5，什么是大数据6，大数据以后能干什么1，什么是大数据开发
大数据开发其实分两种，第一类是编写一些hadoop、spark的应用程序，第二类是对大数据处理系统本身进行开发。第一类工作感觉更适用于data analyst这种职位吧，而且现在hive spark-sql这种系统也提供sql的接口。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。这种工作的话对理论和实践要求的都更深一些，也更有技术含量。
2，大数据如何处理数据
大数据处理数据的方法：1、通过程序对采集到的原始数据进行预处理，比如清洗，格式整理，滤除脏数据等，并梳理成点击流行模型数据。2、将预处理之后的数据导入到数据库中相应的库和表中。根据开发elt分析语句，得出各种统计结果。3、将分析所得的数据进行数据可视化，一般通过图标进行展示。
3，如何进行大数据分析及处理
这个问题有点大哦这个可不是一两句话可以讲清楚明白的数据分析本身就已经挺复杂的了，要说大数据分析，那就更复杂了虽说只是多了一个“大”字，但是意义已经不同了大数据是一个非常系统的东西，大数据包含了很多的非机构化的数据比如说，图片、声音、视频，都属于大数据的原始数据，这些都要进行分析的那就涉及到了非机构化数据的结构化处理工作，是非常系统并负责的过程所以说，大数据分析和处理，是要经过学习，掌握了方法才能做到的
4，大数据都有哪些就业方向
主要有二个方向：一是大数据维护、研发、架构工程师方向；所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等；二是大数据挖掘、分析方向；所涉及的职业岗位为：大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等大数据的就业大致有三大方向：一、大数据开发，顾名思义，主要是对大数据本身进行的开发工作；二、大数据系统研发，或者说是大数据平台开发，一般只有大型企业才会有此类岗位，主要是为公司内部做大数据平台的开发；三、大数据分析，这也很好理解大数据的就业大致有三大方向：一、大数据开发，顾名思义，主要是对大数据本身进行的开发工作；二、大数据系统研发，或者说是大数据平台开发，一般只有大型企业才会有此类岗位，主要是为公司内部做大数据平台的开发；三、大数据分析，这也很好理解大数据的就业大致有三大方向：一、大数据开发，顾名思义，主要是对大数据本身进行的开发工作；二、大数据系统研发，或者说是大数据平台开发，一般只有大型企业才会有此类岗位，主要是为公司内部做大数据平台的开发；三、大数据分析，这也很好理解大数据（big data），it行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》 [1] 中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5v特点（ibm提出）：volume（大量）、velocity（高速）、variety（多样）、value（低价值密度）、veracity（真实性）。
5，什么是大数据
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。什么是大数据大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据历史和当前考虑因素虽然术语“大数据”相对较新，但收集和存储大量信息以进行最终分析的行为已经很久了。这个概念在 21 世纪初获得了动力，当时行业分析师 doug laney 将现在主流的大数据定义表达为三个 v：1.卷，组织从各种来源收集数据，包括业务交易，社交媒体和来自传感器或机器到机器数据的信息。在过去，存储它将是一个问题 – 但新技术（如 hadoop）减轻了负担。2.速度，数据以前所未有的速度流入，必须及时处理。rfid 标签，传感器和智能电表正在推动近乎实时处理数据的需求。3.品种，数据有各种格式 – 从传统数据库中的结构化数字数据到非结构化文本文档，电子邮件，视频，音频，股票报价数据和金融交易。在 sas，我们在大数据方面考虑两个额外的维度：1.变化性，除了速度和数据种类的增加之外，数据流还可能与周期性峰值高度不一致。社交媒体中有什么趋势吗？每日，季节性和事件触发的峰值数据负载可能难以管理。非结构化数据更是如此。2.复杂，今天的数据来自多个来源，这使得难以跨系统链接，匹配，清理和转换数据。但是，有必要连接和关联关系，层次结构和多个数据链接，否则您的数据可能会迅速失控。为什么大数据很重要？大数据的重要性不在于您拥有多少数据，而在于您使用它做了多少。您可以从任何来源获取数据并进行分析，以找到能够降低成本，减少时间，新产品开发和优化产品，以及智能决策的答案。将大数据与高性能分析结合使用时，您可以完成与业务相关的任务，例如：1.近乎实时地确定故障，问题和缺陷的根本原因；2.根据客户的购买习惯在销售点生成优惠券；3.在几分钟内重新计算整个风险组合；4.在欺诈行为影响您的组织之前检测它。5g大数据专业。5g时代已经来临，信息传播的速度更快，在这样的时代环境下，传播行业无疑是最好的发展行业，也最适合女生，因为相比于其他计算机专业，新媒体技术专业比较创意和策划，对于女生来说，这些都是强项。关于就业，毕业生可从事新闻出版行业书刊、杂志、报纸的数字化出版与传播工作或者是从事新媒体、网络与电子商务企业信息的采集、组织与印制工作等，这些工作岗位也是非常适合女生的。
6，大数据以后能干什么
目前在国内来说，大数据行业大概有以下几种岗位：数据分析师，数据架构师，数据挖据工程师，数据算法工程师，数据产品经理。接下来为大家详细介绍一下各岗位的工作内容。1. 数据分析师。数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。作为一名数据分析师、至少需要熟练spss、statistic、eviews、sas、大数据魔镜等数据分析软件中的一门，至少能用acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。2. 数据架构师。数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。从事数据架构师这个职位，需要具备较强的业务理解和业务抽象能力，具备大容量事物及交易类互联网平台的数据库模型设计能力，对调度系统，元数据系统有非常深刻的认识和理解，熟悉常用的分析、统计、建模方法，熟悉数据仓库相关技术，如 etl、报表开发，熟悉hadoop，hive等系统并有过实战经验。3. 数据挖掘工程师。一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。成为数据挖据工程师需要具备深厚的统计学、数学、数据挖掘理论基础和相关项目经验，熟悉r、sas、spss等统计分析软件之一，参与过完整的数据采集.整理.分析和建模工作。.具有海量数据下机器学习和算法实施相关经验，熟悉hadoop，hive，map-reduce等。4. 数据算法工程师。在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。需要具备的知识有：扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法；熟悉大数据生态，掌握常见分布式计算框架和技术原理，如hadoop、mapreduce、yarn、storm、spark等；熟悉linux操作系统和shell编程，至少熟悉scala/java/python/c++/r等语言中的一种编程；熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力。5. 数据产品经理。数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。需要具备的技能有：有数据分析/数据挖掘/用户行为研究的项目实践经验 ；有扎实的分析理论基础，精通1种以上统计分析工具软件，如spss、sas，熟练使用excel、sql等工具； 熟悉sql/hql语句，工作经历有sql server/my sql等的优先 ；熟练操作excel，ppt等办公软件,熟练使用spss、sas等统计分析软件其中之一 ；熟悉hadoop集群架构、有bi实践经验、参与过流式计算相关经验者加分 ；熟悉客户端产品的产品设计、开发流程 。