大数据如果简单的讲就是描述资料量非常的大，
这种大是无法在一台电脑储存或处理的，内存也许会爆掉。
通常要设计平行化的处理架构，
或是用一些框架来处理，像是熟知的Hadoop、Spark。
当然也不一定是资料量大，
而是有时候产生的复杂度过高，也可能尝试用此方式处理。
像是有些问题产生O(N^2)的计算空间，
就可以把计算空间分给不同电脑。(例如相似度计算问题)
然而所有问题的核心，都是要回归到基本的算法。
也就是资料量比较小的情况，
单机版是怎么做的，然后多机板又可能会是那样做。
(像是一台电脑怎么做KNN群集计算，多台电脑又是怎么做KNN群集计算?)
因此熟知每一种资料分析常见算法是非常重要的。
虽然套件提供的算法可以直接马上用，
但是熟悉算法，对于优化算法有很大的重要性。
甚至是可以不用这些现成的套件，直接写自己量身订造的算法，
这样效率更高。
并且，几乎所有的时间，都是资料前处理问题，
把资料整理需要的格式，放到算法的程式套件去计算，
实际真正的处理时间通常都是非常快的。
因此你的程式能力的基本功，就会变得非常的重要。
当你程式的基本功(资料结构、OOP......)越能掌握得越好，
你处理资料分析的专案速度也就会越快，
(像是如何从档案或数据库把资料读出来，
如何使每笔资料占用的内存最小..诸如此类的)
也就是你能把各类资料玩弄于股掌之间。
并且Hadoop、Spark、R的相关说明，
只要有受过相关程式训练的，并且熟悉资料分析的算法的，都是非常好理解的。
你学的只是知道如何去用和呼叫。
然而，很多公司的资料，并没有达到BigData的层级，
大部分一台电脑就可以处理，
其实很多老板认为的Big Data = 单机资料分析。
因此只要把基本的程式能力学好，
并且去了解基本的算法，我想会是当务之急。
比你花十万去学还更有价值。
PS:
本身研究所主修为Big Data，
目前为资料分析师，有兴趣可以来信讨论。
※ 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
: 所以我去巨匠咨询了一下
: 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件
: 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>////<