当前位置：首页 > 技能知识 > 正文

转行大数据后悔了,转行数据分析师后悔了？

技能知识 · Nov 04, 2023

本文目录一览：

学大数据专业后悔死了为什么 前景好不好

　　大数据专业就业前景良好，所谓的“千万别学某某专业”都是些不实或偏激的言论。从近两年大数据方向就业情况来看，大数据领域的岗位还是很多的，尤其是大数据开发岗位，目前正逐渐从大数据平台开发向大数据应用开发领域覆盖，大数据开发岗位的数量明显比较多，而且不仅需要研发型人才，也需要应用型人才，所以毕业生的就业机会也比较多。
　　大数据做什么岗位前景好吃香 　　(1)大数据系统研发工程师：负责大数据系统研发工作，包括大规模非结构化数据业务模型构建、大数据存储、数据库架构设计以及数据库详细设计、优化数据库构架、解决数据库中心建设设计问题。他们还负责集群的日常运作、系统的监测和配置、Hadoop与其他系统的集成。
　　(2)大数据应用开发工程师：负责搭建大数据应用平台、开发分析应用程序。他们熟悉工具或算法、编程、包装、优化或者部署不同的MapReduce事务。他们以大数据技术为核心，研发各种基于大数据技术的应用程序及行业解决方案，大数据应用开发工程师岗位前景广阔。
　　(3)大数据分析师：运用算法来解决分析问题，并且从事大数据挖掘工作。他们最大的本事就是能够让数据道出真相;此外，他们还拥有某个领域的专长，帮助开发数据产品，推动数据解决方案的不断更新。
　　(4)数据可视化工程师：该岗位就业前景非常好，需要具备良好的沟通能力与团队精神，责任心强，拥有优秀的解决问题的能力。他们负责在收集到的高质量数据中，利用图形化的工具及手段的应用，一目了然地揭示数据中的复杂信息，帮助企业更好的进行大数据应用开发，发现大数据背后的巨大财富。
　　大数据专业就业前景怎么样 　　大数据专业就业前景十分好。近年来越来越多的人开始从事大数据方向的工作，大数据将会是未来最有发展前景的行业。数据科学与大数据技术专业就业前景广阔，毕业生能够在计算机和互联网领域以及大数据相关产业从事数据科学研究、大数据相关工程应用开发、技术管理与咨询等工作。
　　智能科学与技术是面向前沿高新技术的基础性本科专业，覆盖面很广。专业涉及机器人技术，以新一代网络计算为基础的智能系统，微机电系统(MEMS)，与国民经济、工业生产及日常生活密切相关的各类智能技术与系统，新一代的人-机系统技术等。

为什么说学大数据专业后悔死了？女生大数据好找工作吗？

随着互联网的发展，大数据已经深入到我们生活的方方面面了，大数据领域的人才需求潜力也比较大，它即是热门专业，也是高薪专业，但一些人却说学大数据专业后悔死了。那么，事实到底如何呢？女生学大数据好不好找工作呢？且听老师分析。

一、为什么说学大数据专业后悔死了？
经过查询之后老师发展，说后悔的学生对这门专业吐槽的地方主要在两点：
第一，开设这门专业的学校实力参差不齐。
大数据专业在本科和专科都有设置。本科中全名叫数据科学与大数据技术，专科中叫做大数据技术。虽说学习内容类似，但由于办学实力、师资水平等方面的差异，能够提供给学生的教学资源也是有限的，这就意味着同学们的知识掌握程度不太一样。
第二，大学学习不深入。
在本科高校中，数据科学与大数据技术是在2016年才开设的专业，到2021年也不过过去了5年。但是它涉及的领域是非常前沿和精深的，想要在5年的时间内为这门专业匹配教学经验丰富的老师是很难的，招到优质的生源也并非易事。于是很多大数据专业的学生仅仅学习了一两门基础语言，比如C++、Python，外加一些大数据的基础，比如Hadoop等就要快毕业了，还来不及学习深入的知识。 对比一些网络上的大数据速成班，大部分高校的教学并没有太大的优势。

二、女生大数据好找工作吗？
女生大数据好找工作，但前提是具备深入的大数据的知识，同时还具备很强的时间经验。
一直以来大家都觉得计算机类专业是男生的专属，但事实并非如此，很多女生也很适合学习计算机专业而且可能比男生学得更好。
从行业前景上来讲，大数据专业领域的人才需求量仍然比较大，所以找工作并不难。但正如老师在上文提到的那样，这门专业还比较新，高校的教学还没能跟上，同学们在学习的时候一定不能仅仅只学习课本上的知识，还需要自己关注领域里的新发展和新技术，及时更新自己的知识储备，以便应对高速的互联网发展，匹配企业较高的从业要求。
大数据专业主要学习如何进行大数据的挖掘、分析和存储，需要有深厚的数学功底和统计学基础。它的主干学科是统计学和计算机科学与技术，大学期间会学习Java、Python，也会学习Spark、大数据技术原理、数据挖掘及其应用等知识。毕业之后同学们可以进入企业的数据分析岗或者软件开发岗，但就业压力会比较大，需要常常熬夜加班，这一点女生在报考之前一定要考虑清楚。另外，这门专业是对实践技能要求非常高，大家要是想找到不错的工作，在大学期间就要积极争取实习机会以增加实践技能。

35岁转行大数据，他向我诉说悔不该当初

35岁的老王在某地做税务员，自从大学毕业后就考上了公务员，本以为自己的生活在小县城里很滋润。后来，同学聚会，见到了很多年前学习成绩不如他的舍友，舍友现在在某互联网公司做架构师，年薪百万。他有些羡慕了，回去后在网上搜了互联网行业的薪资：
他向我诉说了现在自己的生活有些过于平淡，每天朝九晚五的生活，还要看上级的脸色。但是，自己现在已经是35了，现在去转型互联网公司还有人会要吗？
我向他说明了目前互联网公司的现状，互联网公司在18年开始处在寒冬阶段，别说今年遇到了疫情，更是难上加难。但是春江水暖鸭先知，大数据行业目前的岗位需求还是比较多的。
当然，空口无凭！我向他展示了一些可靠的新闻数据，让他自己考虑：
百度指数上大数据、Java、Python三者的咨询指数对比
百度指数上大数据、Java、Python三者的媒体指数对比
新闻数据：
从传智播客官网上查到的大数据毕业岗位：
但是，现在市场上的某些培训机构在用Javaee课程冒充大数据，Javaee课程的占比高达60%。不仅如此，现在都2020年了，它们竟然还在用记事本教大数据，无异于让学人工智能的学员先去石器时代体验生活。
根据我早期学习前去搜集比较过程来看，每家机构都宣传自己的课程内容怎么好怎么全，这个时对菜鸟来说可就要擦亮眼睛啦。但这点对新手来说，又是比较难的。咱都不懂我怎么知道内容好坏？只试听一部分听老师吹吹牛舒服就是好？坦率说真不好判断。但这里有一个坑，我觉得可以绕开。大家可以先去各家培训机构的视频库对比一下，例如：
黑马程序员视频库 （点击进入）
我得出的结论就是，内容好坏我们最好找有经验的人去分辨，但对那种课程大而全要啥有啥的千万不能报，讲得太多就意味着讲得浅，讲得浅就等于面试时稍一深入你就答不上来，答不上来的后果就是game over或狠压薪水。
技术还是专注，钻得深更好。
早期我担心，招聘要求上别人写的要求比较多，这个我不会怎么办，那个我不会怎么办，后来面试两三周拿了几个offer才发现。很多公司希望招个多面手，要啥会啥，但实际上也知道不可能，招聘信息上写得多，实际看的还是你最核心的技能点是否能胜任工作，还有就是定位薪资预期是否合理。
数仓项目时长对比：
-----------------------------------------------------------------------------------------------------分割线--------------------------------------------------------------------------------------------
最近我参加活动领到了大数据8天线上体验课程，是真的大数据基础体验课程，并非Java基础以假乱真！
名额有限，领完即止！已经亲测是真实的活动！
活动领取地址： http://baoming.itcast.cn/page/7fdb6837b930a-5d9d44cdbfedc
活动领取地址： http://baoming.itcast.cn/page/7fdb6837b930a-5d9d44cdbfedc

转行数据分析师后悔了？

转行这个词汇，一直是职场上此起彼伏的一个热门话题，相信很多朋友都想过或已经经历过转行。工作可谓是我们生存乃至生活的主要收入来源，谁都希望拥有一份高薪又稳定的工作，以此来改善自己的生活和实现自己的大大小小的梦想！但又担心转行后的工作待遇达不到自己的预期，顾虑重重…… 时下的大数据时代与人工智能热潮，相信有许多对数据分析师或大数据分析师非常感兴趣、跃跃欲试想着转行的朋友，但面向整个社会，最不缺的其实就是人才，对于是否转行数据分析行列，对于能否勇敢一次跳出自己的舒适圈，不少人还是踌躇满志啊！毕竟好多决定，一旦做出了就很难再回头了。不过如果你已经转行到数据分析领域，就不要后悔，做到如何脱颖而出才是关键。下面对于希望转行数据分析的零基础小白们，在对于进入数据分析行业需要学什么、数据分析行业薪酬待遇如何、如何更好地掌握数据分析领域的技能，都是一脸茫然。因此本文给出一些建议，针对想要转行数据分析行列且是零基础转行的小伙伴们，希望对你们有所裨益，也希望你们将来学有所成，不后悔，更不灰心！ 一、知识储备 数据分析作为一门交叉学科，需要掌握多方面的知识。 1)数学与统计基础： 数据分析是指运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。其中当然离不开数学与统计学的知识，需要有微积分、线性代数、概率论与数理统计等相关的知识储备才行。 2)分析工具： 掌握基础的数据分析工具Excel与统计分析工具SPSS的用法。 3)SQL数据库语言： 数据的存储便离不开使用数据库，需掌握SQL数据库语言在关系型数据库系统中进行增删改查等操作才行。 4)编程语言： 数据分析的进阶需要会使用一门或多门编程语言，如Python和R，这将会使你的数据分析变得更加高效。 5)机器学习算法入门： 如果需要的话可以学习常用的分类、回归、聚类和降维等的常用算法以及它们的优缺点和使用场景，这将是你转行进入公司的加分项哦。 二、行业分析 在学习数据分析的知识方面也不能落下对各个数据岗位的了解，接下来介绍数据分析行业中岗位，大致分为四个方向：数据分析、数据挖掘、数据开发、数据产品。 1)数据分析师 从事数据采集、整理、分析，发现问题，分析问题，得出结论，为公司的决策层提供数据支持。偏向于业务。 2)数据挖掘工程师/算法工程师 利用模型训练数据，从海量数据中挖掘规律，预测或分类对象，主要偏向编程和算法，对统计理论知识要求偏高。 3)数据开发工程师 设计、搭建并维护基础设施，以提供数据收集、存储、处理、计算等平台。偏代码开发，需要在代码能力上弥补，但与纯技术栈的程序员相比需要一定的业务逻辑。 4)数据产品经理 主要负责以数据为导向提炼需求、设计、规划、项目排期至项目落地，以及后期的产品改进和优化等。 三、心态历练 1)一定要用细心、耐心、和平静的心态去做数据分析。 数据分析是个细活，根据二八原则，其中数据的处理将占去数据分析中的八成时间，如果数据处理不当将影响接下来的分析，需要良好的心态减少犯错误的概率。 2)具有独立思考与换位思考的能力。 数据分析并不仅仅是为了完成一些业务上面的数据需求和论证。数据分析者应该在理解业务的基础上，要有自己独特的见解，扩大自己的思考范围，提升洞察力。同时要换位思考，从多角度看待数据和使用数据。不同的人，不同的角度看问题都能得到不同的效果。

千万不要学数据科学和大数据吗？学大数据专业后悔死了？

随着互联网越来越深入人们的日常生活，而且可以预见的是未来人们的生活肯定是会越来越智能化。这就让一些相关专业受到越来越多的人关注，本文将介绍为什么说千万不要学数据科学和大数据吗，以及学大数据专业后悔死了是真的吗等内容。

一、为什么说千万不要学数据科学和大数据
①学校实力太参差
因为近几年相关专业越来越热门，所以开设该专业的学校也越来越多，但是不同学校的办学实力却相差很大。
在一些学校中大数据专业是挂在统计学专业的下面，更多的是统计披了计算机的皮，在统计的基础上教点hadoop，教点Python，教点Linux。
有的学校是放在计算机下面，对实际操作要求高，编码能力要强，而且极有可能会开编译原理，计算机组成原理等偏硬的课，如果挂在统计或者数学下面这是不可能开的。
还有的学校则是有专门的院系，比如华东师范的数据科学学院，就有自己比较独立的一套培养方案，在学生的培养上会更有体系。
关于大数据就业，你学的东西并不是你都能用到，能力强可以做大数据算法，深度学习之类的，能力较弱也可以做大数据可视化这一块，还有专门处理数据写sql，hql之类的，还有维护和管理节点的。所以说能学好一个方向就不亏。
②学习难度较大
该专业的重点分为两部分，数据科学偏向于数学，大数据偏向于计算机，从学科方面说是由数学、统计学和计算机科学三个组成，因此数据科学与大数据专业并不能完全说归结在哪一类学科，它算是交叉学科中的专业。
因此就导致该专业的学校会同时学习多个专业的课程，因此在课程跨度上较大，并且需要一定的数学基础。
二、学大数据专业后悔死了
并不是，不可否认的是在IT大行其道的时代，国家需要更多的相关人才。
上文说到过不同层次的学校因为实力不同，因此在学生的培养上也就有很大差别。该行业又是一个很注重个人实力的专业，但由于培养方案不成熟，加上本科阶段的学习博而不精，真正能上的专业课是非常非常少的。因此考生在如果考生的分数，不能够选择该专业中比较好的学校，建议考虑别的专业。
如果是想在该专业中发光发热，在大一大二时尽量完成语言基础的铺垫，不要满足于学校开设的基础课程，可以试着尝试更高级的题目。也可以选择参加各种相关的竞赛，如果学校没有集体组织参加，可以自己找老师进行辅导。
不要过多的注重成绩绩点，在企业招聘时时更注重应聘者的个人技能和实力。关于这一点可以选择尽可能参加各种实习，进一步了解行业真实的要求和规则。
最后就是这个专业是否要读研究生，如果在本科毕业后能够拿到自己满意的offer，那么可以选择就业，但是在这一行中就业并不意味着学习的结束，因为技术更迭太快所以需要永远不停的学习，才能保证自己能够一直被需要。

程序员转行做大数据工程师怎么样？

大数据时代的到来，很多人都想搭着市场的顺风车，让自己更加快速地走向成功。很多程序员小伙伴也想做这个行业，但是心中又纠结，不知道程序员转行做大数据工程师怎么样，有前途没有，电脑培训会详细讲讲，程序员转行做大数据工程师怎么样，有前途没有，这个话题，解答大家心中的疑问。
1：随着大数据、人工智能和VR技术的大力发展，大数据技术也将涉及到更多的领域，这一趋势也使得大数据工程师成为了热门的抢手人才，很多企业都急需大数据工程师。物以稀为贵，大数据工程师是IT薪酬榜的榜首，而且已经到达50万难求一个大数据工程师的局面。
2：随着近年来中国互联网市场环境不断壮大，很多数据工程师都是从程序员等升职而来，因为有一定的基础，学起来不是很难，所以程序员转行做大数据工程师，还是很不错的选择。再有就是中国大数据技术还处于萌芽状态，因此，现在正是学习大数据技术的最佳时期。
3：大数据的高速发展，中国IT业内环境也面临新一轮的洗牌，是转型可遇而不可求的机遇。目前一线城市的高级大数据工程师，月薪都是20K起，随着能力的增加，薪资待遇也会跟着稳步上升，而且发展空间还很大。退一万步讲，实习期的薪资都是8000起，远超其他大众行业。

选择大数据与会计专业，会后悔吗？

大数据与会计专业不会后悔。
大数据与会计是中国普通高等学校专科专业。该专业修学年限是三年。会计主要研究会计理论知识，包括基本的会计概念、假设、原则，使学生能够根据企业的实际经济业务填制凭证、登记帐簿和编制会计报表，运用所学的知识为企业降低生产经营成本。
例如：搜集与整理原始凭证、根据原始凭证编制记账凭证、汇总编制资产负债表和现金流量表、为公司做好成本分析等。
职业能力
1、具备对新知识、新技能的学习能力和创新创业能力。
2、具备正确运用会计信息化系统软件处理会计信息的能力。
3、具备办理支付结算业务的能力，能够依法保管现金、有价证券和管理银行账户。
4、掌握会计核算与监督的基本方法，具备按照会计准则对会计事项进行确认、计量、记录、报告的能力。
5、掌握会计基本理论，了解相关财经法规。
6、掌握 Excel 及其他办公软件的操作技能，具备运用软件辅助进行会计核算、财务管理、税费计算等工作的能力。
7、掌握财务管理的基本理论与方法，具备基本的财务分析和管理能力。
8、熟悉税收法律制度，熟悉纳税申报的流程，具备税费计算和申报的能力。

大数据行业的数据精准吗？

大数据需要采集非常多的数据，越详细越好，有时候为了追求数据的量，确实会有无用的数据，大数据的分析结果也不一定准确，只是一个概率统计而已
第一，用户行为与特征分析。显然，只要积累足够的用户数据，就能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。有了这一点，才是许多大数据营销的前提与出发点。无论如何，那些过去将“一切以客户为中心”作为口号的企业可以想想，过去你们真的能及时全面地了解客户的需求与所想吗？或许只有大数据时代这个问题的答案才更明确。
第二，精准营销信息推送支撑。过去多少年了，精准营销总在被许多公司提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。相对而言，现在的RTB广告等应用则向我们展示了比以前更好的精准性，而其背后靠的即是大数据支撑。
第三，引导产品及营销活动投用户所好。如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。例如，Netflix在近投拍《纸牌屋》之前，即通过大数据分析知道了潜在观众最喜欢的导演与演员，结果果然捕获了观众的心。又比如，《小时代》在预告片投放后，即从微博上通过大数据分析得知其电影的主要观众群为90后女性，因此后续的营销活动则主要针对这些人群展开。
第四，竞争对手监测与品牌传播。竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。
第五，品牌危机监测及管理支持。新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。
第六，企业重点客户筛选。许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。
第七，大数据用于改善用户体验。要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理
第八，SCRM中的客户分级管理支持。面对日新月异的新媒体，许多企业想通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。
第九，发现新市场与新趋势。基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。例如，阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如，在2012年美国总统选举中，微软研究院的David Rothschild就曾使用大数据模型，准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果，准确性高于98%。之后，他又通过大数据分析，对第85届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中。
第十，市场预测与决策分析支持。对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。要知道，似是而非或错误的、过时的数据对决策者而言简直就是灾难。

转行做大数据行业怎么样？

大数据时代则对从业人员素质的要求越来越高，因为数据处理变得越来越复杂，数据人才的竞争也越来越激烈，很多大公司都在寻找尖端人才。而且，大到国防、金融，小到跟生活息息相关的物流、购物、医疗、交通等，都日益需要大数据的支撑。
大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支zhi撑性学科;生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。
此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。
目前转行做大数据行业是不错的。
大数据目前发展确实很好，当前大数据应用尚处于初级阶段，根据大数据分析预测未来、指导实践的深层次应用将成为发展重点。各大互联网公司都在囤积大数据处理人才，从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例，入门月薪已经达到了8K以上，工作1年月薪可达到12K以上，资深的hadoop人才年薪可达到30万—50万。
想要转行的话，的确是个很好的方向。既然想要转行大数据，那么肯定要具备大数据的相关知识与技能。
这里介绍一下大数据要学习和掌握的知识与技能：
①java：一门面向对象的计算机编程语言，具有功能强大和简单易用两个特征。
②spark：专为大规模数据处理而设计的快速通用的计算引擎。
③SSM：常作为数据源较简单的web项目的框架。
④Hadoop：分布式计算和存储的框架，需要有java语言基础。
⑤spring cloud：一系列框架的有序集合，他巧妙地简化了分布式系统基础设施的开发。
⑤python：一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
互联网行业目前还是最热门的行业之一，学习IT技能之后足够优秀是有机会进入腾讯、阿里、网易等互联网大厂高薪就业的，发展前景非常好，普通人也可以学习。
想要系统学习，你可以考察对比一下开设有相关专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能力，能够在校期间取得大专或本科学历，中博软件学院、南京课工场、南京北大青鸟等开设相关专业的学校都是不错的，建议实地考察对比一下。
祝你学有所成，望采纳。

程序员转行做大数据可以吗，会有什么困难吗？

这两大行业都算得上是计算机行业，其实想转行也并没有太大的困难。
只不过需要提前准备好大数据的基础，特别是对于大数据的软件来说，一定要提前更加熟练的操作，这样在参加面试的时候优势也会更略胜一筹。
自己的上班态度也一定要保证，作为初学者也应该有一个求学校态度去上班，这样上班才会觉得更加充实。
转行自然是可以，其实不是程序员，也可以转行做大数据，毕竟找到人生的方向是一件很难得的事情。
但自己学真的没什么用，大数据相关的技术栈，其实编码的难度都不怎么高，关键困难的是你没有那么大的数据集，很多 know how 根本无从理解。
所以与其自己在家闭门造车试图学点啥，不如以 generalist 的身份去加入某个大型互联网公司，比如 BAT微软什么的还有很多数据驱动的初创公司。 然后你工作的时候自然有机会上手，多做多想更有意义。
只要你有这个心，那么转行做大数据也不是不行。目前来说，就有很多Java程序员转行做了大数据，有的人照样混得很好。
困难方面，那肯定得学一些大数据方面的技能知识。不过这对于程序员来说，想必也不是问题。因为程序员本身就是一直在学习新技术的过程中进步的。那么学习大数据方面的知识想必也不在话下。
有计算机技术，程序员自然对计算机软件应用方面都还是有一些基本的知识的，在转行做大数据方面还是有专业的技术的，我觉得转行不会太困难，当然到了一个新的行业呢，自然有不同的东西，还有这么多开始学，但是绝对比那些什么都不懂的有好入行的多。
主要的困难，就是要从零开始学习大数据的处理软件。
大数据其实和程序员的思维很接近，都是理性思维。
只要学好SPSS的基本操作，基本就可以处理简单的数据。
而且SPSS里面也会用到编程知识，程序员转行到大数据，相对来说难度不大。
程序和大数据是两个东西联系不是很多，如果一个程序员想要转行做大数据的话，困难挺多的，但也不是不可以。
其中主要的困难包括这几天跟大家分享一下。
需要学习的东西特别的多，大数据是包括多个方面的，比如说收集，储存，治理，组织，管理等等。而一个程序员只弄了一两个部分而已。很多东西你都是需要从零学起，当然你有基础，学习也比较快。
刚刚接触一个新的行业，圈子里面的人不一样，所以自己以前的圈子里的人已经不能用了，需要重新树立一个圈子，那能保证你以后做大数据的时候，有足够的人脉。