其實，要想做出改變並非難事，你缺少的只是一個計劃（去做）。學習大數據分析更是如此，因為大數據是一門綜合性的學科，復雜且具有一定系統性，所以大數據的學習更加需要有一個明確的目標和計劃，然後按部就班的執行。

那麽如何才能制定出一份可行性強的大數據學習計劃呢？

我們可以從以下幾個方面去制定。

如何制定一份可實施的2018年大數據學習計劃？

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，初步掌握大數據基礎知識；比如，一年內熟悉並能在實際項目中應用；再比如，1年內達到市面上對大數據分析師的基本要求，成功找到一份大數據分析師的工作。

在預設目標的時候要註意明確目標的同時也要有個確切的應用方向。大數據是個很大的範疇，就好比寫程序，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，大數據也一樣，大數據挖掘、大數據構架、大數據分析、大數據咨詢等不同大數據崗位在工作中的具體應用和需要的能力不盡相同，學習大數據要結合自己的實際情況和應用方向。

明確了方向之後，你要明確，比如你是想要1年之後找到一份大數據分析師的職位，那麽你必須了解，要成為大數據分析師需要具備哪些能力，（可以從招聘網站整理總結），這裏以大數據分析方向為例，整理了所需技能圖譜，供參考。

如何制定一份可實施的2018年大數據學習計劃？

二、自我評估

在制定詳細計劃前，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，每天或者每周能預留多少學習時間、采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，現在想要學習大數據分析，目標是1年內達到招聘市場中對大數據分析師的基本要求，成功找到一份大數據分析師的工作（下文也以此畢業生為例）。那麽就要先分析自己的實際情況和要成為大數據分析的差距在哪裏，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紮實，數據庫、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；編程能力比較弱，對python、linux、hadoop、MapReduce、sas、數據倉庫、tebleau、可視化分析、分析報告等方面技能欠缺，需重點學習。

如何制定一份可實施的2018年大數據學習計劃？

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點和周末每天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，綜合下來每周可用學習時間18-20個小時。另外該畢業生從業統計方面的工作，有些業務與大數據分析相關，可以在工作中學習並積累經驗。綜合上述情況，該畢業生的目標計劃具有很高的可行性，只要堅持去做，就一定能有所收獲。

三、階段目標

大數據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數據分析師必須掌握現在自己所欠缺的技能，那麽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編程等）。學習順序可參考，大數據分析在實際應用中“基礎理論—大數據存儲技術—大數據架構設計—大數據實時計算—大數據數據采集—大數據實戰分析”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

這裏的計劃一定要做的具體，進一步將目標階段的每一個小目標確定到每周、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麽書、掌握什麽小知識點，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進行數據分析》。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，所以具體安排這裏就不再舉例。但可以給出大家一些讓計劃更具有執行性的建議。

1.機動性

人是即時性動物，俗話說計劃趕不上變化，再完美的計劃也無法考慮到所有信息，我們在做計劃時很容易低估自己完成一件事情所需要的時間。如果計劃排的太滿，久而久之，我們會在“一直失敗”中產生失落感甚至想放棄。所以在做計劃的時候，要學會給意外留下空間，在每件事的時間上增加10-20%那樣，增加自己計劃的靈活性。

2.穩定性

人在決策過程中是非常消耗能量的，所以我們做計劃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

大數據的實踐性非常強，如果只看書學習，只了解理論遠遠不夠，一定要盡可能多的實踐操作。可以采用多種學習形式，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、復盤調整

一段時間（如一個星期）後，評估你的計劃是否成功。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麽，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劃，那麽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劃和實施的不足，及時做出調整，這樣可以更有效地堅持計劃。

計劃模式只能在執行過程中不斷更正，不斷改進，入下圖PDCA循環所示。

如何制定一份可實施的2018年大數據學習計劃？

六、獎懲機制

計劃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。正反饋是最能激勵人行為的持續性的，我們可以建立一個學習賬戶，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

貴有恒，何必三更眠五更起；最無益，只怕一日曝十日寒。一份計劃，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劃，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...

如何制定一份可實施的2018年大數據學習計劃？

計劃的不錯，但執行卻是...

如何制定一份可實施的2018年大數據學習計劃？

為了不“繼續在2018年計劃原本在2017年應該完成的2016年的計劃。”為了能更好的激勵（督促）學習。

我們建立了：大數據學習群：199427210，在群內分享學習計劃，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。

2018，大數據學習，你我，一起努力。

如何制定一份可實施的2018年大數據學習計劃？