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。

1、Java

大数据的本质无非就是海量数据的计算、查询与存储，后台开发很容易接触到大数据量存取的应用场景，所以 Java 语言有着天然优势，现在大数据的组件很多都是用 Java 开发的，比如 HDFS、Yarn、HBase、MapReduce、ZooKeeper等等。

2、Python

Python 的优势在于资源丰富，拥有坚实的数值算法、图标和数据处理基础设施，建立了非常良好的生态环境。并不是所有的企业都能自己生产大量数据用于决策辅助，更多的互联网企业都是靠爬虫来抓取互联网数据进行分析，而 Python 在网络爬虫领域有着强势地位。Python 的战略定位就是做一种简单、易用但专业、严谨的通用言语组合。Python 语法简捷而清晰，对底层做了很好的封装，是一种很容易上手的高级语言。更重要的是， Python 的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在 Python 模块里，暴露出漂亮的接口。

3、Scala

Scala 在 JVM 上运行，基本上成功地结合了函数范式和面向对象范式。目前，它在金融界和需要处理海量数据的公司企业中取得了巨大进展。Scala 通常采用一种大规模分布式方式来处理数据，它还驱动着像 Spark 和 Kafka 这样的大数据处理平台，也被 Twitter 和 LinkedIn 这样的大型企业所使用。

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。