數據被譽為新時代的石油，隨著大數據市場的發(fā)展，數據開始流通，越來越多人也開始挖掘數據的價值。本文盡可能全面地介紹國內的數據源、搜索數據的方法以及數據交易的平臺，幫助數據工作者們快速全面地找數據。文中涉及的數據交易方式包括API數據接口、數據包下載、數據定制等，涵蓋免費的公開源數據以及付費數據。以下是小編為你整理的大數據新手學習教程 ?

統(tǒng)計數據 ?

*統(tǒng)計局/*數據 ?

最正統(tǒng)、最官方的數據，數據范圍涵蓋各行各業(yè)，時間跨度也較大，可下載為各種常見格式 ?

*網站通常有統(tǒng)計數據，但不同*數據量有多有少，目前為止數據并不算深入，但隨著數據開放政策的深入，相信*網站會成為很好的數據源 ?

*列表可以在**網找，下文中的各行業(yè)數據都可以在相關的*網站找到數據，就不一一列舉了

數據需要申請或購買，公開的并不多，但不失為一個選擇 ?

咨詢、金融、市場調研公司，尤其是業(yè)內頂尖的，通常有自己的數據，但同樣并不免費公開，部分數據可購買 ?

大部分主要行業(yè)都有自己的年鑒，數據比較寶貴，只是給機器用之前還需要處理;價值高的年鑒通常需要付費獲取;這里推薦一下人大經濟論壇，氛圍較好 ?

如何統(tǒng)計數據 ?

公開信息及整理比如統(tǒng)計局的數據、公司自己發(fā)布的年報、其他市場機構的研究報告、或者根據公開的零散信息整理; ?

購買的數據庫市場上有很多產品化的數據庫，比如Bloomberg、OneSource、Wind等等，這個一般是以公司的名義買入口，不光咨詢公司還有很多高等院校及研究機構也買了; ?

自己的數據庫自己維護的數據庫有，但是比較少，一是專業(yè)的數據公司差不多能想到的都做了，二是自己做數據庫其實是一件很麻煩的事情。在有些數據是外界無法得到的情況下有可能自己維護一個小型的數據庫; ?

咨詢行業(yè)專家當然是有償的，這個在項目中應該蠻常見的。有些行業(yè)專家會專門收集和銷售數據，想要的基本能買到。 ?

發(fā)問卷有時候為了單獨的項目也會收集很特別的數據，如果外界實在沒有但是項目上沒有不行就只有自己做了，比如自己發(fā)發(fā)問卷之類的，但是這類數據需求要控制工作量，因為除非數據本身是交付內容之一，要不然不能為了個中間件花費太多時間和精力; ?

客戶有些數據就是來源于客戶，甚至是咨詢公司的產品。舉個例子，比如HR咨詢公司的行業(yè)工資數據、四大的一些數據庫等等，這些數據的采集需要比較強的專業(yè)性或者時間積累，很大一部分是通過調查客戶的HR收集來的數據進行統(tǒng)計的。 ?

HBase集群及其管理 ?

1、集群的搭建過程 2、集群的監(jiān)控 3、集群的管理 ?

Pig基礎知識 ?

Pig是進行Hadoop計算的另一種框架，是一個高級過程語言，適合于使用 Hadoop 和 MapReduce 平臺來查詢大型半結構化數據集。通過允許對分布式數據集進行類似 SQL 的查詢，Pig 可以簡化 Hadoop 的使用。 ?

1、Pig概述 2、安裝Pig 3、使用Pig完成手機流量統(tǒng)計業(yè)務

?

Hive ?

hive是基于Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張數據庫表，并提供簡單的sql查詢功能，可以將sql語句轉換為MapReduce任務進行運行。 其優(yōu)點是學習成本低，可以通過類SQL語句快速實現簡單的MapReduce統(tǒng)計，不必開發(fā)專門的MapReduce應用。 ?

1、數據倉庫基礎知識 2、Hive定義 3、Hive體系結構簡介 4、Hive集群 5、客戶端簡介 6、HiveQL定義 7、HiveQL與SQL的比較 8、數據類型 9、表與表分區(qū)概念 10、表的操作與CLI客戶端 11、數據導入與CLI客戶端 12、查詢數據與CLI客戶端 13、數據的連接與CLI客戶端 14、用戶自定義函數(UDF) ?

Scala ?

Scala是另一種基于Java的語言，并且和Java相同的是，它正日益成為大規(guī)模機器學習，或構建高層次算法的工具。它富有表現力，并且還能夠構建健壯的系統(tǒng)。 ?

“Java就像是建造時的鋼鐵，而Scala則像黏土，因為你之后可以將之放入窯內轉變成鋼鐵，”Driscoll說。 ?

Cetas項目關注點

及時乃至實時的決策提供了投資的成功可能性!隨著各式各樣應用產生不規(guī)則的數據產生，這些數據到底想告訴你我什么呢?我們相信大數據將提供一個遠見，一個對客戶的洞察。那就沒有理由去懷疑，基于用戶的產品和服務會成功!Cetas提供了一個易于管理，自助服務的虛擬環(huán)境，支持企業(yè)自定義創(chuàng)建多種應用。這里提供了多維度的行為分析和大量高級的分析算法。 ?

除了提供在線應用實時的高級分析之外，還能分析IT運營管理，提供企業(yè)的管理運營能力。這為企業(yè)提供了對企業(yè)IT運營效果的面面觀。 ?

為企業(yè)或個人提供可擴展，高性能的Hadoop自助分析平臺，也提供了可視化的數據發(fā)現功能，并且嵌入了大量先進的機器學習算法，這些都促進研究和深度挖掘大數據所隱藏的內容。甚至如果你有建模的需要，這個平臺也能滿足你!! ?

從虛擬化的基礎上創(chuàng)建起的這三項服務，分別面向私人，公共，甚至是公私混合。從而Cetas使得大數據分析更加輕量化，這也是VMware公司收購Cetas之后加大投入的方向。 ?

如今Cetas加入VMware的大家族，未來將被賦予更重要的角色和作用。這方面也讓我們拭目以待VMware這架虛擬化馬車駛出的大數據分析之路。