大家看上圖，創(chuàng)新平臺的主要課程那一項，大數(shù)據(jù)統(tǒng)計基礎里有抽樣技術、探索性數(shù)據(jù)分析、數(shù)據(jù)預處理、空間統(tǒng)計、數(shù)據(jù)可視化等，這些都是統(tǒng)計基礎必須要掌握的。后面還有數(shù)據(jù)挖掘與機器學習、大數(shù)據(jù)分布式并行計算（MapReduce框架）、大數(shù)據(jù)非結構數(shù)據(jù)分析（我們前面的分析就屬于非結構化的大數(shù)據(jù)分析），另外還有大數(shù)據(jù)統(tǒng)計建模、大數(shù)據(jù)開發(fā)基礎、面向數(shù)據(jù)編程語言、大數(shù)據(jù)分析案例等。大數(shù)據(jù)分析案例的課程操作起來比較困難，因為很多公司企業(yè)不愿意提供數(shù)據(jù)讓你去分析他們的情況，除非你的學生要到他那里去工作。但是這種情況下，企業(yè)會在學生去之前對他們進行挑選，非常的麻煩。那這個問題到底要怎么解決呢？現(xiàn)在我們鼓勵創(chuàng)業(yè)，就要靠老師去跟外界交流，達成緊密的商業(yè)合作。該項目的目標主要是培養(yǎng)大數(shù)據(jù)分析人才，重點是分析，至于軟件、硬件，自然有精通計算機的人去弄，這個需要相互配合。

大數(shù)據(jù)分析碩士培養(yǎng)協(xié)同創(chuàng)新平臺建立于2014年9月，第一期共招收了來自5所合作院校的55位學生，他們在2016年6月已經(jīng)畢業(yè)，現(xiàn)就職于阿里巴巴、騰訊、百度、京東等互聯(lián)網(wǎng)企業(yè)的總部，99%的同學擔任的都是數(shù)據(jù)分析、數(shù)據(jù)挖掘的崗位，薪酬都相當可觀，還有個別同學去攻讀數(shù)據(jù)科學的博士去了。他們受到了業(yè)界的認可，可以說已經(jīng)成長為真正的大數(shù)據(jù)領域的高端人才了。

在國內(nèi)，以計算機為依托的可以學習大數(shù)據(jù)技術的院校有北京航空航天大學、交通大學、中國科學技術大學、人民大學、山東大學等，其中不乏各個學校、各個部門相互合作開設的平臺。他們設置的課程比較偏技術范疇，比如數(shù)據(jù)庫。如果想了解大數(shù)據(jù)的軟件、硬件技術或系統(tǒng)，可以去上述學校找到一些門路。

以業(yè)務需求為依托的培養(yǎng)方式落腳點比較明確，專注于培養(yǎng)某個特定行業(yè)里的大數(shù)據(jù)人才，你可以根據(jù)想進入的行業(yè)對號入座。

怎么練，練什么內(nèi)容，需要花多長時間多少錢，國內(nèi)國外的各種途徑，前面我們大致都介紹到了，那么學成之后找不到好工作怎么辦？有兩種途徑，第一種是直接轉行，但是好不容易才學成，轉行的話就前功盡棄了。還有一種辦法是自立門派，自己去創(chuàng)業(yè)，接受市場的檢驗。市場是最好的檢驗標準，我們把市場上的人才招聘信息收集起來，與剛才講到的學習內(nèi)容和途徑相對照，就能看出它們之間的匹配程度。我們就能知道學成之后自己適合從事哪些工作，并且了解到大概的薪資情況。匹配度可以用0到1之間的數(shù)來表示，越往1靠近匹配度就越高，應用統(tǒng)計的匹配度就很高，達到了0.81，不過學成之后做數(shù)據(jù)分析師的話，在全國范圍內(nèi)的平均工資是不高的。比較之下，做數(shù)據(jù)挖掘的薪酬就高多了，相應的難度系數(shù)也會增加。凡是帶有大數(shù)據(jù)或數(shù)據(jù)分析字眼的職位我都把它們挑出來匯總到一起，比如大數(shù)據(jù)工程師。總體來說，有工作經(jīng)驗的普遍比沒有工作經(jīng)驗的工資水平高，但是大數(shù)據(jù)行業(yè)發(fā)展起步得比較晚，工作時間達到四年在這個領域里已經(jīng)是相當長的了。這個行業(yè)對學歷也有一定要求，80%的企業(yè)規(guī)定應聘者須具有本科以上學歷。剛才我們看國外的數(shù)據(jù)要求是碩士以上，這種差異主要是由于國內(nèi)對碩士的培養(yǎng)還沒達到普及的程度。招聘人數(shù)較多的職位主要集中在數(shù)據(jù)分析類，軟件類的則不是很多。

匹配程度和薪資高低應與其他因素綜合來看，不要一味追求高薪的職位，今年是高薪，到了明年不一定還高?？傊?，就市場的需求量來說，分析類的崗位是人才需求量最多的，管理類和軟件類的較少，對大數(shù)據(jù)的學習一定要適應市場的需求。