※ 引述《s00771book (320)》之铭言： : 想问问前辈们 : 目前小妹的工作只是个 : 用BI cognos 拉资料做数据分析的助理 : 再用Excel枢纽分析 写写函数 : 做报告给主管看的工作 : 薪水少之又少 也不算是一技之长 : 根本不足以与大数据相提并论 : 目前向往大数据工作的方向 : (也是很有未来的工作 大陆已经很成熟了) : 查看了104人力银行 : 大数据分析工作需要的条件: : MS SQL 资料探勘 R语言 Hedoop : 所以我去巨匠谘询了一下 : 课程规划师说要学 MCSA MCSE : 再考微软证照70-461.462.463.464.465 : 才算是完全学会这套软体 : 和证明给面试官看 : 但是学费竟然快要十万 : 想请问有在做这方面工作的朋友们 : 真的值得花这笔钱吗？ : P.S.我只是个国立科大 企管+金融的学士而已 : 没有漂亮的学历 只能学一技之长补足自己 : 也不是资工 资管的科系的 : 希望前辈们能给我建议 谢谢你们>////< 如果要走数据分析（抱歉，我不太喜欢用大数据这个词）的话， 从学R 入门也是一个方法。 资料科学有三个要素：programming, statistics, domain knowledge 我自己在台湾的职涯差不多是： 有programming --> 薪资为 n 有programming + statistics ( 差不多是 machine learning ) --> 2n 有programming + statistics + domain knowledge --> 4n 你目前已经在工作了，只要花心思就可以开始累积domain knowledge： 你们领域中在意的问题是什麽？哪些方向？各种问题的价值？... etc Programming的话坊间已经有很多自学教材了。 我这边推荐我与社群做的： R语言翻转教室 http://datascienceandr.org 你可以自由的使用它做自学R 语言，大概会花你12-18小时。 教材中我自认写的最满意的是Data Engineer的那段， 感谢社群朋友的捐献，拿一个利用Open Data计算房地产泡沫化指数的小专案当成作业 因为原始资料完全没有清理，所以这个作业差不多是一个期末报告的难度 但是它非常的贴近实际做资料科学与Open Data相关工作的情境。 这个教材对没有程式基础的同学比较挑战， 有问题，网页的右下角有聊天室可以问我， 或是你也可以考虑先使用其他教材。 台湾的R社群中还有： - ptt R_Language版的板主：andrew 的「R 演习室」 http://apansharing.blogspot.tw/p/r.html - Tony Yao-Jen Kuo 与 Data Camp合作的教材： https://goo.gl/KxjhIq 这套与R语言翻转教室很类似，差异在： - 是不用搞安装环境，想尝试可以更快开始尝试 - 课程内容差不多是R语言翻转教室RBasic的范畴，但是难度应该对新手更友善 （我最近正计画要降低R语言翻转教室的难度 ...） R还有非常多其他的线上自学资源，族繁不及备载 其实你也不一定要学R, python 也是和R 一样好的分析工具，网路上也可以找到很多 自学资源 我觉得你「能不能运用自学资源自学工具」其实是衡量自己Programming能力的指标。 如果不能的话，就先好好学一套工具，基本上就具备这个能力了。 最後分析的能力，我觉得这是自学比较难补充的部份。 如果数学够好，就去啃书本吧。 另一种作法，是去分析的单位做Data Engineer，或是做研究助理，然後一边工作一边学 但是最好还是去补个与你想投入领域相关的硕士学位。 因为分析这种事情，很看个人的信誉、声望，而且也离不开domain knowledge。 好的人做的分析报告，大家直接跳到结论。不好的人，就算你该做的都做了也没人信。 要走这条路，一辈子也都要学习，共勉之。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.163.178.87 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1482643139.A.2E2.html 大数据是个定义不明确的词汇，所以要介绍怎麽学大数据， 问100个人大概会有25个说法，然後就战了。 相对来说，资料科学是比较定义明确的词汇， 从公认的三个要素（programming, statistics, domain knowledge）分开来介绍， 也是比较好写的。 ※ 编辑: Wush978 (1.163.178.87), 12/25/2016 13:58:00