隨著大數據技術開始逐漸落地應用，未來不僅IT互聯網領域的從業者需要掌握大數據技術，傳統行業從業者也需要掌握一定的大數據技術，尤其是管理類崗位，掌握大數據技術對于提升自身的資源整合能力，以及擴展自身的能力邊界，都有比較積極的意義。

從我近些年帶大數據方向研究生的情況來看，早期選擇大數據方向的同學，往往都來自于數學、統計學和計算機大類專業的同學，近兩年管理學專業的同學也開始選擇大數據方向了，這是一個明顯的變化。

大數據是一個典型的交叉學科領域，而且大數據的技術體系非常龐大，這導致學習大數據的切入點也非常多，所以不同知識基礎和專業背景的同學，可以根據自身的發展規劃來制定入門規劃。

大數據技術與場景的結合非常緊密，不同的生產場景往往需要采用不同的大數據技術，所以一定不能脫離應用場景來學習大數據技術，這會導致很多問題。

對于在讀的大學生來說，可以結合自身的專業特點來選擇學習路徑，如果未來要從事大數據開發崗位，那么可以從編程語言開始學起，然后學習數據庫、大數據平臺等知識，接著通過實習崗位，或者參加老師的實驗室，來構建實踐場景。

對于要從事數據分析類崗位的同學來說，可以從統計學知識開始學起，然后學習機器學習，這也是目前進行大數據分析的兩種主要分析方式。當然了，數據分析同樣不能離開生產場景來學習，不同的行業背景對于數據價值化的方式也有不同的要求。

對于職場人來說，最好能夠結合自己的行業背景來學習大數據技術，對于很多從事管理類崗位的職場人來說，學習大數據可以從報表（Excel）開始學起，然后進一步學習BI相關知識。

學習大數據分析，一定離不開統計學、機器學習相關知識，即使工具再強大，包括一些低代碼平臺的運用，往往也需要掌握一定的編程知識。

總之，學習大數據技術一定要重視最新技術的發展，同時要重視給自己開辟出更多的交流和實踐渠道。