谢谢邀请！

大数据开发和大数据分析是大数据领域比较常见的岗位，与大数据应用开发和大数据运维岗位不同的是，大数据分析工程师的知识结构更偏重于算法设计和算法的实现。

大数据分析师的任务是在一堆杂乱无章的数据中找到数据背后的规律，并把这些规律通过清晰的图表给呈现出来。

要学习大数据分析需要经过以下几个阶段的学习：

第一：掌握扎实的基础知识。大数据分析师的基础知识包括三方面内容，分别是数学、统计学和计算机学。数学是数据分析的重要基础，包括高数、线性代数、概率论等，数据分析说到底就是算法设计和实现，所以数学基础是非常重要的。统计学是小数据时代的主要分析手段，统计学形成了一个关于数据分析的知识体系，这些内容对于大数据分析依然是非常重要的。计算机则是大数据分析的重要手段，重点在于算法设计和编程语言的掌握。

第二：系统的学习一下大数据平台相关知识。不论是对于大数据开发还是大数据分析来说，掌握大数据平台的相关知识都是比较重要的。目前Hadoop和Spark是比较常见的解决方案，而且由于Spark相对于Hadoop来说更“轻”一些，所以目前Spark更受欢迎。

第三：实践环节。对于大数据分析师来说，采用比较多的编程语言是Python，由于Python有丰富的库支持，包括Numpy、Scipy、Matplotlib等，所以通过Python实现数据分析是比较方便的方式。另外，目前采用机器学习完成数据分析也是一个比较常见的方案，需要学习一些比较常见的算法，包括Knn、K-mean、Apriori等。

不论是大数据开发岗位还是大数据分析岗位，在掌握了基本的知识之后，最好参加一个项目组进行相关的实习。一方面原因是单纯的学习很难深入，另一方面也会有数据来源方面的困惑。

大数据和人工智能是我的主要研究方向，目前也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！