大数据技术和数据分析有什么关系

从大数据的技术链来看：

数据分析是其中的重要一环，也是目前大数据价值化的核心环节，所以很多人也把大数据就理解为数据分析了。虽然数据分析比较重要，但是在大数据时代，要想学习数据分析也需要掌握一系列大数据技术，包括大数据平台知识、统计学知识和机器学习知识，目前统计学和机器学习是大数据分析的两种基本形式。

从岗位划分上来看：

大数据领域目前的岗位主要集中在三个领域，分别是大数据开发岗、大数据分析岗和大数据运维岗位，目前大数据开发岗的人才缺口相对比较大，所以目前很多大数据方向的研究生也会选择开发岗，虽然大数据分析岗位也不少，但是岗位竞争还是非常激烈的，很多博士研究生也比较愿意选择分析岗(算法岗)。

从知识结构上来看：

学习大数据分析和学习大数据开发还是有区别的，大数据开发比较侧重程序设计能力，而数据分析则比较侧重算法知识的学习和运用，目前很多团队也要求算法工程师要具备一定的编程能力。

学习数据分析对于数学基础的要求相对比较高，所以如果数学基础比较薄弱，可以考虑一下开发方向和运维方向。

大数据人才需求趋势：

1、当前大数据领域的人才需求有三个较为明显的趋势，这些趋势一定要引起从业者的重视，其一是大数据岗位的划分逐渐行业化，更多行业领域出现了自己的大数据岗位，这些岗位不再仅仅以开发岗、算法岗来划分，而更趋向于全栈化，这就要求从业者的知识结构要更加全面化。

2、大数据领域的创新会更趋向于数据价值出口的打造，这个过程会要求大数据与更多技术相结合，比如大数据与区块链的结合就有很多创新点。从大的发展和创新趋势来看，大数据未来将是互联网(包括产业互联网)价值的主要承载方式之一，所以互联网的价值越大则大数据的价值就越大，基于这个创新思路，大数据技术必然要与众多技术手段相结合。

3、大数据的生产将从被动变为主动，传统的数据采集方式将发生变化，传统的数据采集概念会逐渐被数据生产概念所取代，而如何生产数据则是大数据从业者需要重点考虑的核心问题之一，所以掌握大数据生产技术将会有更大的发展空间。

4、大数据不论如何发展，大数据的背后都是各种资源，随着行业资源和社会资源纷纷向互联网迁移，资源和数据的边界也在逐渐模糊，资源即是数据，从这个角度来看，未来更多的行业从业者都可以看成是大数据从业者。