大数据与会计专业主要学习会计基础、经济法、税法、财务会计、成本会计、财务管理、管理会计、企业审计、会计电算化等课程，掌握扎实的专业知识，培养具有诚信、敬业的良好职业素质，熟悉国家经济法律法规，系统掌握会计基本理论和方法，熟悉经济、管理等相关知识，精通会计业务核算、财务分析和会计信息技术应用能力，能够胜任企事业单位出纳、会计、财务管理、办税会计等职业岗位的高级技术应用性专门人才。

大数据与会计专业就业前景∶

工作稳定：相对来讲，会计是份稳定的工作。因为会计掌握公司的机密信息，属于公司的核心工作岗位，所以企业的会计工作人员不会轻易发生变动。至于工作量和工作压力的大小，各个行业都有差别，不同行业或者同行业不同公司工作量和工作压力都会有所差异。

就业面广：每个公司都需要会计工作人员，所以会计专业学生毕业后，就业范围包括各种行业企业、银行、会计师事务所、事业单位等等，可选择余地非常大。

首先，大数据分析师是大数据时代背景下产生的一种新型技术岗位，与传统数据分析师的区别主要体现在三个方面，其一是技术体系结构不同;其二是岗位任务目的存在一定的区别;其三是工作场景具有一定的区别。

​对于大数据分析师来说，要具备更加全面的知识结构，涉及到大数据平台知识、算法设计知识、程序设计知识和具体的行业知识等，所以相对于传统的数据分析师来说，大数据分析师的从业门槛有了一定程度的提升。从目前行业领域的人才招聘情况来看，大数据分析岗位往往需要具有较高的学历要求，研究生往往更愿意从事相关岗位。

大数据分析的目的与传统的数据分析目的也存在一定的区别，主要体现在两个方面，其一是大数据分析比较注重数据的价值化，简单的说，大数据分析的结果会提升数据的价值，而传统数据分析的目的往往是以应用为导向的。另一个区别在于，大数据分析的结果往往是为了提供给智能体使用，比如人工智能领域的算法训练、验证等过程都需要大数据分析的参与。

在工作场景上，大数据分析与传统的数据分析也存在一定的区别，大数据分析往往需要借助于大数据平台进行，比如Hadoop、Spark，以及各种商用的大数据平台等，但是传统的数据分析往往会基于Excel或者是传统数据库进行。相对于传统数据分析工具来说，大数据分析的工具往往更加丰富，复杂程度也有明显的提升。

1、分类

检查未知分类或暂时未知分类的数据，目的是预测数据属于哪个类别或属于哪个类别。使用具有已知分类的相似数据来研究分类规则，然后将这些规则应用于未知分类数据。

2、预测

预测是指对数字连续变量而不是分类变量的预测。

3、关联规则和推荐系统

关联规则或关联分析是指在诸如捆绑之类的大型数据库中找到一般的关联模式。

在线推荐系统使用协作过滤算法，该协作过滤算法是基于给定的历史购买行为，等级，浏览历史或任何其他可测量的偏好行为或什至其他用户购买历史的方法。协同过滤可在单个用户级别生成“购买时可以购买的东西”的购买建议。因此，在许多推荐系统中使用了协作过滤，以向具有广泛偏好的用户提供个性化推荐。

4、预测分析

预测分析包括分类，预测，关联规则，协作过滤和模式识别(聚类)之类的方法。