1、熟练精通至少一门编程语言

掌握Java是必不可少的，要是能同时熟悉Python、Scala就更好了。

2、掌握Linux操作系统

百分之八十以上的企业使用Linux操作系统进行云计算、大数据平台的构建，所以做大数据开发，Linux必备。

3、掌握大数据主流框架及组件

主要是Hadoop、Spark、Storm、Flink等一系列框架，及其生态圈组件，这部分是重中之重。

软实力，就相对来说要虚一些了，逻辑思维能力、沟通能力、学习能力等等，通常在HR面试的时候，主要就是考察这些方面。

1、Java基础阶段

Html静态网页、CSS层叠样式表、JavaScript动态技术、MySql数据库开发、J2SE面向对象等

2、JavaWeb进升阶段

Servlet实现及五大对象、JSP原理及九大对象、EL表达式、JSTL标签库、AJAX异步技术、JQuery框架、XML、JSON数据共享及交换等

3、Java技术提升阶段

多线程、反射、过滤器、监听器、连接池、事务、静态代理、动态代理、AOP、IOC等

4、框架及项目实训阶段

Mybatis框架、spring框架、springMVC、redis缓存、maven项目构建等，说了这么多，还有一条最重要的就是不光要掌握理论知识，一定要多做项目，多敲练习，毕竟代码才是我们的最终根本。

实际上，虽然在大数据时代背景下，统计学的知识体系产生了一定程度的调整，但是统计学本身的理念与大数据还是具有一定区别的，统计学注重的是方式方法，而大数据则更关注于整个数据价值化的过程，大数据不仅需要统计学知识，还需要具备数学知识和计算机知识。从另一个角度来说，统计学为大数据进行数据价值化奠定了一定的基础。

从技术体系结构来看，统计学知识主要应用在大数据分析领域，统计学方式是大数据分析的两种主要方式之一，另一种数据分析方式是机器学习。所以，对于主攻大数据分析方向的研发人员来说，掌握统计学知识还是很有必要的，统计学在数据分析方面已经形成了一个较为系统的知识体系，而且很多技术已经经过了实践的检验。其实对于很多职场人来说，平时大部分的数据分析任务都是基于统计学理论进行的，包括采用的数据分析工具也都属于统计学领域的范畴。

从未来的发展趋势来看，一方面统计学会进一步向大数据倾斜，包括目前不少统计学专业的研究生课题，都逐渐开始向大数据方向拓展，另一方面大数据会在发展的初期大量采用统计学相关理论和技术，这也能够提升大数据相关技术的落地应用能力。