浅谈数据分析、大数据分析和大数据开发的区别_大数据开发和数据开发区别

自我介绍

在大学期间主要学习一些数据分析的课程例如，统计学，多元统计学，数据挖掘，matalb，R语言统计分析，时间序列分析，也参加了几次数学建模竞赛。对数据分析也有些了解。
实习时进了一家大数据公司，实习岗位为数据分析，主要为业务方面的数据分析。工作方面：
一、取数机器人，利用程序员开发的大数据平台的接口（一些封装的API）提取数据。
二、利用这些数据分析业务的异常点，利用SPSS、R语言和统计方面分析数据，找出原因。
三、推进算法落地，主要对业务的开发的算法进行落定。

大学中大数据专业的课程设置

第一个 大数据分析方向：

设在数学或者统计院
一般为本科数据科学与大数据，研究生为应用统计学。这方面一般学习的是大数据分析，专业包括，统计学，多元统计，R语言，Python,数据挖掘，C语言程序设计、数据结构、数据库原理与应用、计算机操作系统、计算机网络、Java语言程序设计、Python语言程序设计、大数据算法、人工智能、应用统计（统计学）、机器学习、数据建模、大数据平台核心技术、大数据分析与可视化、大数据预处理、大数据管理、大数据实践等课程

第二个 大数据开发方向：

设在计算机院
大数据开发方向（一般研究生才有），需要自学
第一阶段：Java部分
Java基础、JVM、并发、数据库、缓存、设计模式、计算机网络、操作系统、Linux
第二阶段：大数据框架
MapReduce、YARN、HDFS、HBase、Hive、Zookeeper、Spark、Storm、Flink、Kafka

**

再说下数据分析、大数据分析和大数据开发的区别

**
数据分析：
主要偏业务方向，需要对业务有深入了解。什么是业务（就是公司所在的行业知识）
理论知识:概率论 统计学
软件：需要掌握excel R语言 Python SQL

大数据分析：
主要偏业务方向，需要对业务有深入了解。什么是业务（就是公司所在的行业知识）
理论知识:概率论 统计学
软件：需要掌握excel R语言 Python SQL
额外技能：需要会使用Hadoop、Spark，Hive等数据工具
算法，数据挖掘方向还会一些算法：分类，聚类，回归，机器学习等

大数据开发：
以编程为主：
第一阶段：Java部分
Java基础、JVM、并发、数据库、缓存、设计模式、计算机网络、操作系统、Linux
第二阶段：大数据框架
MapReduce、YARN、HDFS、HBase、Hive、Zookeeper、Spark、Storm、Flink、Kafka