大家好，今天小编来为大家解答大数据适合普通人学吗这个问题，不建议做大数据很多人还不知道，现在让我们一起来看看吧！
本文目录
大数据有什么缺陷
即时获取实时数据可能看起来像是一个理想的场景，但具有优势，也有缺点。
在这个数据爆炸时代，组织正在以越来越多的速度收集和存储数据。但是，只需为您的组织收集数据就没有任何商业价值。这种大数据的实时分析和可视化将大量数据转化为有价值的统计数据。虽然这种实时洞察可以对您的组织有很大的价值，但它既有利弊。
什么是大数据，以及与实时大数据分析有何不同？
在进一步研究之前，我们来讨论大数据-究竟是什么？传统上，数据被储存得更加容易，因为数量少得多。当需要以更大的数量存储数据集时，大数据就会存在。它不仅是数据或数据集，而且是工具，技术，方法和框架的组合。
大量数据可能来自几乎任何产生数据的内容，包括搜索引擎和社交媒体，以及一些不太明显的来源，如电网和交通基础设施。这些数据可以分为三种类型：结构化，半结构化和非结构化。
通常以预定的间隔收集和分析大数据。然而，通过实时大数据分析，收集和分析是连续的，为企业提供最新的洞察力。（有关大数据分析的更多信息，请参阅大数据分析如何优化IT性能。）
Hadoop是用于分析大数据的最有名的工具，但它不适合处理实时大数据分析。一些实时大数据工具包括：
风暴-这是一种实时分布式计算系统，可与任何编程语言一起工作，并且可扩展。它目前由Twitter拥有。
GridGain-这是一个企业开源网格计算工具。它与HadoopDFS兼容，它可以替代Hadoop的MapReduce。
优点
现在我们来讨论实时大数据分析的一些优势。
快速识别错误-让我们假设发生错误，需要尽快解决。通过实时大数据分析，可立即识别此错误并快速修复。这可以帮助防止更多的和/或更严重的故障。从长远来看，这也有助于企业的声誉-快速的错误更正可以帮助获得更多的客户。
储蓄-尽管实时大数据分析的实施可能是昂贵的，但立即数据分析的高价值可以弥补这一支出。
逐步服务-通过大数据分析监控产品和服务可能会为客户带来更高的转化率，从而可能导致更高的利润。可以通过分析轻松预测即将发生的错误和问题，这也有助于更多地关注客户需求。
实时欺诈检测-管理系统和服务器安全性的团队可以快速，轻松地通知欺诈，一旦发现欺诈，就可以实时采取措施。（要了解有关欺诈检测的更多信息，请参阅下一代欺诈检测中的机器学习和Hadoop。）
对竞争对手的策略-竞争对手今天在市场上屡屡受挫，大数据分析可帮助您提供竞争对手的详细图片，例如推出新产品，降低/提高特定时间的价格或专注于特定地点的用户。
洞察-销售洞察对于了解销售的地位至关重要。这些见解可能导致额外的收入，例如长期不会失去客户，检查跳出率，并通过分析实时大数据分析找到最佳的销售增长方式。
趋势-通过分析客户趋势的决策可以通过实时大数据分析完成。这可能包括产品，广告，客户需求，特定季节可用的优惠等。因此，它也可以改善长期的决定。
缺点现在我们来看看这些缺点。
Hadoop不兼容-如前所述，Hadoop是最广泛使用的大数据分析工具，目前不能处理实时数据。因此，需要一些其他工具，期望在未来Hadoop将为实时方法添加功能。
需要新的方法-有些组织习惯每周接受一次洞察。然而，随着实时大数据的不断流入，需要一种完全不同的方法。这可能是一些组织的挑战，可能会导致一些决策和计划的重塑。
可能的失败-一些组织可能会将实时大数据分析视为一个闪亮的新玩具，并希望立即实施。但是，如果不能正确实施，可能会导致许多问题。如果一个企业不是以这么快的速度来处理数据，那可能会导致不正确的分析，这可能会给组织带来更大的问题。
结论
实时大数据分析对于企业来说可能是非常重要的，但企业必须先确定其优势是否超过其特定情况下的利益，如果是这样，那么这些缺点将如何克服。这仍然是一项相对较新的技术，因此预计未来会发展，希望能够解决当前的一些挑战。
大数据适合普通人学吗
不太适合
大数据还是比较难学的
需要理科比较好，而且逻辑能力和英语也都不错，所以零基础学起来会比较有难度。但是努力学习的话也还是能够学会的。
大数据主要学java、python语言和Linux，Hadoop，Scala,HBase,Hive,Spark等。
大数据华而不实吗
我是政府大数据的项目经理，我说下我的看法。
1.如果非要深究的话，大数据其实是一种数据运用工具，只是一个用数据的手段而已。
2.大数据目前真正能谈得上应用的，其实很少，最常见的应该算是百度地图的导航，滴滴打车，今日头条等，他们都是基于整合各方面的数据进行二次加工和评价，在建立适当分析模型的基础上，挖掘数据深层次的价值，使得数据焕发新的高度，新的价值，比如智能导航。
3.至于你说的华而不实，目前在大数据行业内确实存在这种现象，并且是很多，很多公司更多的是利用大数据的概念浑水摸鱼，更多的是在做数据的可视化展示，真正能建模，运用数据的真不多，因为大数据的运用是需要专业的，权威的业务专家的，举个例子，比如想运用大数据解决交通拥堵的问题，首先参与数据建模和分析的人员必须是交通方面的专家，懂得专业的交通学知识，又要懂业务又要懂技术背景的人其实是很少的，往往要请高价钱，大部分公司不愿意投入，除了像bat这种大厂。
4.大数据也并非是真的是华而不实，如果数据能够打通，互通起来，真正运用在民生上，对老百姓来讲绝对是重大利好，举个例子，比如整合公安的人口数据，位置数据，身份数据，指纹数据，信用数据，犯罪数据等一系列数据信息，再结合银联系统，人民银行和其他相关联的数据，其实是可以做到预防犯罪发生，杜绝网络诈骗，提高逮捕追踪等效果的，只是可惜，在大部分城市，大数据能真正利用起来的屈指可数，在这一点上，则更看好商业数据的利用了。
女生学大数据很累吗
如今的大数据领域，可谓已经深入到我们的生活的方方面面，对于现代社会的男女比例来说，我觉得女生学习大数据，可以说是我们女生的一个机会，我们可以利用这样的技术来让自己成为众多男人群体中独特且亮眼的那颗明珠。
很多人会疑惑女孩子学大数据会不会比男孩子要吃力，其实做大数据没有男女之分，女生做大数据开发也很厉害，只是愿不愿意学没有行不行。
学习大数据专业是有一定难度，因为大数据是一个比较典型的交叉学科，涉及知识面比较广，而且也有一定的学习难度，所以女生选择学习大数据还是比较辛苦的。
像数据科学和大数据技术，它是一个交叉性的专业，很难说它属于到底学什么，因为在不同的学校，你要看它所属的学院，有的属于信息学院，有的是计算机学院，有的在经管学院等等，但无论在哪一个学院，数学、统计学、计算机这三大块都是基础必须要学的课。
不管你是学这个专业还是说为了工作去学习大数据，只要你的英语不错，逻辑思维好，数学统计学学的还可以，还是支持你学大数据的，现在的高薪职业哪有不累的。
OK，本文到此结束，希望对大家有所帮助。
