如何制定一份可實施的2018年大資料學習計畫？
溫馨提示：本篇文章3082字，閱讀需12分鐘左右
建議收藏留看
沒錯，福利要放最前面
50G大資料學習資料
百餘本大資料學習書籍
Excel全方位技能視頻教程
回復【學習計畫】
獲取進群資格領取學習資料
給大家講一個恐怖故事
那就是
2018年已經不知不覺過去了10天
四捨五入也相當於1個月了
（就是這樣算的，不服來打我啊）
回頭想想剛過去的2017
這一年，自己年初定的目標都實現了嗎？
曾經立下的Flag都還記得嗎？
是不是想要學習大資料分析，卻連如何入門都沒搞清；
是不是想要讀20本書，卻發現最終連一本都沒有完整讀完；
是不是想要存夠10萬塊錢，卻依然月光、靠著透支的信用卡和螞蟻花唄來度日；
是不是想要出去旅行、認識新朋友，卻整個週末都宅在家，連床都不想下...
我們習慣了“間歇性躊躇滿志、持續性混吃等死”， 那麼2018年又該做點什麼呢？
其實，要想做出改變並非難事，你缺少的只是一個計畫（去做）。學習大資料分析更是如此，因為大資料是一門綜合性的學科，複雜且具有一定系統性，所以大資料的學習更加需要有一個明確的目標和計畫，
那麼如何才能制定出一份可行性強的大資料學習計畫呢？
我們可以從以下幾個方面去制定。
一、目標
首先你需要制定一個明確的你想要實現的長遠的目標。比如，半年內學習相關課程，初步掌握大資料基礎知識；比如，一年內熟悉並能在實際項目中應用；再比如，
在預設目標的時候要注意明確目標的同時也要有個確切的應用方向。大資料是個很大的範疇，就好比寫程式，有寫前端的，寫後端的，有寫嵌入式的，有寫APP的，從語言上來講主流的語言就幾十種，這些的入門方法都不一樣，大資料也一樣，大資料採擷、大資料構架、大資料分析、大資料諮詢等不同大資料崗位在工作中的具體應用和需要的能力不盡相同，
明確了方向之後，你要明確，比如你是想要1年之後找到一份大資料分析師的職位，那麼你必須瞭解，要成為大資料分析師需要具備哪些能力，（可以從招聘網站整理總結），這裡以大資料分析方向為例，整理了所需技能圖譜，供參考。
二、自我評估
在制定詳細計畫前，還需要進行一個自我評估，結合自己的實際情況知識背景，評價你的現實，分析總結如果想要達成目標，自己已掌握哪些技能，哪些方面還有前所欠缺，評估時一定要對自己誠實，不要好高騖遠。
並且要有一個對大目標的可行性分析，對自身的學習能力，每天或者每週能預留多少學習時間、採用何種學習手段等情況進行預設分析。
比如：數學統計專業畢業生C君，現在想要學習大資料分析，目標是1年內達到招聘市場中對大資料分析師的基本要求，成功找到一份大資料分析師的工作（下文也以此畢業生為例）。那麼就要先分析自己的實際情況和要成為大資料分析的差距在哪裡，畫出技能差異圖，如下圖所示。該學生數學及統計概率方面的基礎知識比較扎實，資料庫、量化統計分析、指標體系等屬於已有技能；對R語言、excel這類分析工具方面也有一定基礎，但是還需深入學習；程式設計能力比較弱，對python、linux、hadoop、MapReduce、sas、資料倉庫、tebleau、視覺化分析、分析報告等方面技能欠缺，需重點學習。
該畢業生處於實習階段，白天需要上班，沒有時間去參加線下培訓班集中學習，而且平時可用學習時間較少，只有晚上8點-10點和週末每天4小時左右，這種較持續的學習時間可通過閱讀書籍、慕課講解、配合實驗操作等方式進行學習，而平時的一些碎片時間只能閱讀單知識點的文本、技術帖或者相關課程視頻進行學習，綜合下來每週可用學習時間18-20個小時。另外該畢業生從業統計方面的工作，有些業務與大資料分析相關，可以在工作中學習並積累經驗。綜合上述情況，該畢業生的目標計畫具有很高的可行性，只要堅持去做，就一定能有所收穫。
三、階段目標
大資料需要學習的技能比較多，就要先確定好學習內容的先後順序和方向，由淺入深、由簡至繁的學習。然後再把制定的大目標分割成一個個階段性的小目標。
比如：畢業生C君通過技能差異對比，知道了自己要成為大資料分析師必須掌握現在自己所欠缺的技能，那麼學會每一個欠缺技能就可以是自己的階段目標，比如：1-2月，掌握Python語言，可以用Python做爬蟲和分析開發。比如，3月學習linux（linux的安裝、基本命令、shell程式設計等）。學習順序可參考，大資料分析在實際應用中“基礎理論—大資料存儲技術—大資料架構設計—大資料即時計算—大資料資料獲取—大資料實戰分析”這樣的順序來學習各個技能，主要還是要結合自己實際情況。
四、具體時間安排
這裡的計畫一定要做的具體，進一步將目標階段的每一個小目標確定到每週、每天，而且一定要有確切的數字，具體到每本書、每個章節。比如之前舉例的“1-2月掌握Python語言這一階段目標”，就可具體到每天看什麼書、掌握什麼小知識點，列出學習資料清單，書籍等，比如：1月15-1月30日，每天晚上2小時，學習《利用python進行資料分析》。在做具體時間安排的時候需要創建一個時間表，按部就班進行。因為每個人的實際情況不同，學習能力、可安排時間、知識儲備等都天差地別，所以具體安排這裡就不再舉例。但可以給出大家一些讓計畫更具有執行性的建議。
1.機動性
人是即時性動物，俗話說計畫趕不上變化，再完美的計畫也無法考慮到所有資訊，我們在做計畫時很容易低估自己完成一件事情所需要的時間。如果計畫排的太滿，久而久之，我們會在“一直失敗”中產生失落感甚至想放棄。所以在做計畫的時候，要學會給意外留下空間，在每件事的時間上增加10-20%那樣，增加自己計畫的靈活性。
2.穩定性
人在決策過程中是非常消耗能量的，所以我們做計畫時應該盡可能讓自己在固定的時間和固定的地點進行學習，那樣比較容易培養其時間感和空間感，並且時間的設定最好能夠符合正常生物鐘，這樣也有助於提高學習效率。
3.實操性
大資料的實踐性非常強，如果只看書學習，只瞭解理論遠遠不夠，一定要盡可能多的實踐操作。可以採用多種學習形式，結合書籍、文檔、教材、慕課視頻、實驗等，找到最適合自己的學習方式。
五、複盤調整
一段時間（如一個星期）後，評估你的計畫是否成功。你是否完成了你預期這一周可以完成的所有事情？如果沒有，導致無法完成的原因是什麼，把問題找出來才能很好地解決和調整；如果順利完成了這一周的計畫，那麼取得的效果是否滿意，滿意就再接再厲，不滿意分析原因進行改進。通過總結和回顧，我們能更清晰的看到自己的計畫和實施的不足，及時做出調整，這樣可以更有效地堅持計畫。
計畫模式只能在執行過程中不斷更正，不斷改進，入下圖PDCA迴圈所示。
六、獎懲機制
計畫最重要的就是堅持下去，但是人都有怠倦心理，外部的獎勵和懲罰機制，能夠更好的約束自己，讓自己在執行過程中更具有方向性和動力。正回饋是最能激勵人行為的持續性的，我們可以建立一個學習帳戶，完成相應的小目標就獲得獎勵，反之，如果沒有完成就扣除。
比如：完成一周的階段目標後獎勵自己500元，積累一段時間之後，可用於旅遊、購物等。
七、激勵督促
貴有恆，何必三更眠五更起；最無益，只怕一日曝十日寒。一份計畫，最重要的是去“做”，去執行，而最怕的就是虎頭蛇尾、半途而廢。花了半天的時間做了個感覺很不錯的計畫，信心滿滿，感覺改變就在眼前，奇跡由我創造！然而第二天的情況卻是...
計畫的不錯，但執行卻是...
為了不“繼續在2018年計畫原本在2017年應該完成的2016年的計畫。”為了能更好的激勵（督促）學習。
我們建立了：大資料學習交流群，在群內分享學習計畫，學習心得與小夥伴一起學習、抱團成長，互相督促鼓勵，相信一定能事半功倍。
並且準備了50G大資料學習資料、百餘本大資料學習書籍、Excel全方位技能視頻教程供大家學習參考。
部分資料截圖
2018，大資料學習，你我，一起努力。
二、自我評估
在制定詳細計畫前，還需要進行一個自我評估，結合自己的實際情況知識背景，評價你的現實，分析總結如果想要達成目標，自己已掌握哪些技能，哪些方面還有前所欠缺，評估時一定要對自己誠實，不要好高騖遠。
並且要有一個對大目標的可行性分析，對自身的學習能力，每天或者每週能預留多少學習時間、採用何種學習手段等情況進行預設分析。
比如：數學統計專業畢業生C君，現在想要學習大資料分析，目標是1年內達到招聘市場中對大資料分析師的基本要求，成功找到一份大資料分析師的工作（下文也以此畢業生為例）。那麼就要先分析自己的實際情況和要成為大資料分析的差距在哪裡，畫出技能差異圖，如下圖所示。該學生數學及統計概率方面的基礎知識比較扎實，資料庫、量化統計分析、指標體系等屬於已有技能；對R語言、excel這類分析工具方面也有一定基礎，但是還需深入學習；程式設計能力比較弱，對python、linux、hadoop、MapReduce、sas、資料倉庫、tebleau、視覺化分析、分析報告等方面技能欠缺，需重點學習。
該畢業生處於實習階段，白天需要上班，沒有時間去參加線下培訓班集中學習，而且平時可用學習時間較少，只有晚上8點-10點和週末每天4小時左右，這種較持續的學習時間可通過閱讀書籍、慕課講解、配合實驗操作等方式進行學習，而平時的一些碎片時間只能閱讀單知識點的文本、技術帖或者相關課程視頻進行學習，綜合下來每週可用學習時間18-20個小時。另外該畢業生從業統計方面的工作，有些業務與大資料分析相關，可以在工作中學習並積累經驗。綜合上述情況，該畢業生的目標計畫具有很高的可行性，只要堅持去做，就一定能有所收穫。
三、階段目標
大資料需要學習的技能比較多，就要先確定好學習內容的先後順序和方向，由淺入深、由簡至繁的學習。然後再把制定的大目標分割成一個個階段性的小目標。
比如：畢業生C君通過技能差異對比，知道了自己要成為大資料分析師必須掌握現在自己所欠缺的技能，那麼學會每一個欠缺技能就可以是自己的階段目標，比如：1-2月，掌握Python語言，可以用Python做爬蟲和分析開發。比如，3月學習linux（linux的安裝、基本命令、shell程式設計等）。學習順序可參考，大資料分析在實際應用中“基礎理論—大資料存儲技術—大資料架構設計—大資料即時計算—大資料資料獲取—大資料實戰分析”這樣的順序來學習各個技能，主要還是要結合自己實際情況。
四、具體時間安排
這裡的計畫一定要做的具體，進一步將目標階段的每一個小目標確定到每週、每天，而且一定要有確切的數字，具體到每本書、每個章節。比如之前舉例的“1-2月掌握Python語言這一階段目標”，就可具體到每天看什麼書、掌握什麼小知識點，列出學習資料清單，書籍等，比如：1月15-1月30日，每天晚上2小時，學習《利用python進行資料分析》。在做具體時間安排的時候需要創建一個時間表，按部就班進行。因為每個人的實際情況不同，學習能力、可安排時間、知識儲備等都天差地別，所以具體安排這裡就不再舉例。但可以給出大家一些讓計畫更具有執行性的建議。
1.機動性
人是即時性動物，俗話說計畫趕不上變化，再完美的計畫也無法考慮到所有資訊，我們在做計畫時很容易低估自己完成一件事情所需要的時間。如果計畫排的太滿，久而久之，我們會在“一直失敗”中產生失落感甚至想放棄。所以在做計畫的時候，要學會給意外留下空間，在每件事的時間上增加10-20%那樣，增加自己計畫的靈活性。
2.穩定性
人在決策過程中是非常消耗能量的，所以我們做計畫時應該盡可能讓自己在固定的時間和固定的地點進行學習，那樣比較容易培養其時間感和空間感，並且時間的設定最好能夠符合正常生物鐘，這樣也有助於提高學習效率。
3.實操性
大資料的實踐性非常強，如果只看書學習，只瞭解理論遠遠不夠，一定要盡可能多的實踐操作。可以採用多種學習形式，結合書籍、文檔、教材、慕課視頻、實驗等，找到最適合自己的學習方式。
五、複盤調整
一段時間（如一個星期）後，評估你的計畫是否成功。你是否完成了你預期這一周可以完成的所有事情？如果沒有，導致無法完成的原因是什麼，把問題找出來才能很好地解決和調整；如果順利完成了這一周的計畫，那麼取得的效果是否滿意，滿意就再接再厲，不滿意分析原因進行改進。通過總結和回顧，我們能更清晰的看到自己的計畫和實施的不足，及時做出調整，這樣可以更有效地堅持計畫。
計畫模式只能在執行過程中不斷更正，不斷改進，入下圖PDCA迴圈所示。
六、獎懲機制
計畫最重要的就是堅持下去，但是人都有怠倦心理，外部的獎勵和懲罰機制，能夠更好的約束自己，讓自己在執行過程中更具有方向性和動力。正回饋是最能激勵人行為的持續性的，我們可以建立一個學習帳戶，完成相應的小目標就獲得獎勵，反之，如果沒有完成就扣除。
比如：完成一周的階段目標後獎勵自己500元，積累一段時間之後，可用於旅遊、購物等。
七、激勵督促
貴有恆，何必三更眠五更起；最無益，只怕一日曝十日寒。一份計畫，最重要的是去“做”，去執行，而最怕的就是虎頭蛇尾、半途而廢。花了半天的時間做了個感覺很不錯的計畫，信心滿滿，感覺改變就在眼前，奇跡由我創造！然而第二天的情況卻是...
計畫的不錯，但執行卻是...
為了不“繼續在2018年計畫原本在2017年應該完成的2016年的計畫。”為了能更好的激勵（督促）學習。
我們建立了：大資料學習交流群，在群內分享學習計畫，學習心得與小夥伴一起學習、抱團成長，互相督促鼓勵，相信一定能事半功倍。
並且準備了50G大資料學習資料、百餘本大資料學習書籍、Excel全方位技能視頻教程供大家學習參考。
部分資料截圖
2018，大資料學習，你我，一起努力。