如何制定一份可实施的2018年大数据学习计划？

我们习惯了“间歇性踌躇满志、持续性混吃等死”，那么2018年快过了一半了，又该做点什么呢？

其实，要想做出改变并非难事，你缺少的只是一个计划（去做）。学习大数据分析更是如此，因为大数据是一门综合性的学科，复杂且具有一定系统性，所以大数据的学习更加需要有一个明确的目标和计划，然后按部就班的执行。

那么如何才能制定出一份可行性强的大数据学习计划呢？

我们可以从以下几个方面去制定。

一、目标

首先你需要制定一个明确的你想要实现的长远的目标。比如，半年内学习相关课程，初步掌握大数据基础知识；比如，一年内熟悉并能在实际项目中应用；再比如，1年内达到市面上对大数据分析师的基本要求，成功找到一份大数据分析师的工作。

在预设目标的时候要注意明确目标的同时也要有个确切的应用方向。大数据是个很大的范畴，就好比写程序，有写前端的，写后端的，有写嵌入式的，有写APP的，从语言上来讲主流的语言就几十种，这些的入门方法都不一样，大数据也一样，大数据挖掘、大数据构架、大数据分析、大数据咨询等不同大数据岗位在工作中的具体应用和需要的能力不尽相同，学习大数据要结合自己的实际情况和应用方向。

明确了方向之后，你要明确，比如你是想要1年之后找到一份大数据分析师的职位，那么你必须了解，要成为大数据分析师需要具备哪些能力，（可以从招聘网站整理总结），这里以大数据分析方向为例，整理了所需技能图谱，供参考。

二、自我评估

在制定详细计划前，还需要进行一个自我评估，结合自己的实际情况知识背景，评价你的现实，分析总结如果想要达成目标，自己已掌握哪些技能，哪些方面还有前所欠缺，评估时一定要对自己诚实，不要好高骛远。

并且要有一个对大目标的可行性分析，对自身的学习能力，每天或者每周能预留多少学习时间、采用何种学习手段等情况进行预设分析。

比如：数学统计专业毕业生C君，现在想要学习大数据分析，目标是1年内达到招聘市场中对大数据分析师的基本要求，成功找到一份大数据分析师的工作（下文也以此毕业生为例）。那么就要先分析自己的实际情况和要成为大数据分析的差距在哪里，画出技能差异图，如下图所示。该学生数学及统计概率方面的基础知识比较扎实，数据库、量化统计分析、指标体系等属于已有技能；对R语言、excel这类分析工具方面也有一定基础，但是还需深入学习；编程能力比较弱，对python、linux、hadoop、MapReduce、sas、数据仓库、tebleau、可视化分析、分析报告等方面技能欠缺，需重点学习。

该毕业生处于实习阶段，白天需要上班，没有时间去参加线下培训班集中学习，而且平时可用学习时间较少，只有晚上8点-10点和周末每天4小时左右，这种较持续的学习时间可通过阅读书籍、慕课讲解、配合实验操作等方式进行学习，而平时的一些碎片时间只能阅读单知识点的文本、技术帖或者相关课程视频进行学习，综合下来每周可用学习时间18-20个小时。另外该毕业生从业统计方面的工作，有些业务与大数据分析相关，可以在工作中学习并积累经验。综合上述情况，该毕业生的目标计划具有很高的可行性，只要坚持去做，就一定能有所收获。

三、阶段目标

大数据需要学习的技能比较多，就要先确定好学习内容的先后顺序和方向，由浅入深、由简至繁的学习。然后再把制定的大目标分割成一个个阶段性的小目标。

比如：毕业生C君通过技能差异对比，知道了自己要成为大数据分析师必须掌握现在自己所欠缺的技能，那么学会每一个欠缺技能就可以是自己的阶段目标，比如：1-2月，掌握Python语言，可以用Python做爬虫和分析开发。比如，3月学习linux（linux的安装、基本命令、shell编程等）。学习顺序可参考，大数据分析在实际应用中“基础理论—大数据存储技术—大数据架构设计—大数据实时计算—大数据数据采集—大数据实战分析”这样的顺序来学习各个技能，主要还是要结合自己实际情况。

四、具体时间安排

这里的计划一定要做的具体，进一步将目标阶段的每一个小目标确定到每周、每天，而且一定要有确切的数字，具体到每本书、每个章节。比如之前举例的“1-2月掌握Python语言这一阶段目标”，就可具体到每天看什么书、掌握什么小知识点，列出学习资料清单，书籍等，比如：1月15-1月30日，每天晚上2小时，学习《利用python进行数据分析》。在做具体时间安排的时候需要创建一个时间表，按部就班进行。因为每个人的实际情况不同，学习能力、可安排时间、知识储备等都天差地别，所以具体安排这里就不再举例。但可以给出大家一些让计划更具有执行性的建议。

1.机动性

人是即时性动物，俗话说计划赶不上变化，再完美的计划也无法考虑到所有信息，我们在做计划时很容易低估自己完成一件事情所需要的时间。如果计划排的太满，久而久之，我们会在“一直失败”中产生失落感甚至想放弃。所以在做计划的时候，要学会给意外留下空间，在每件事的时间上增加10-20%那样，增加自己计划的灵活性。

2.稳定性

人在决策过程中是非常消耗能量的，所以我们做计划时应该尽可能让自己在固定的时间和固定的地点进行学习，那样比较容易培养其时间感和空间感，并且时间的设定最好能够符合正常生物钟，这样也有助于提高学习效率。

3.实操性

大数据的实践性非常强，如果只看书学习，只了解理论远远不够，一定要尽可能多的实践操作。可以采用多种学习形式，结合书籍、文档、教材、慕课视频、实验等，找到最适合自己的学习方式。

五、复盘调整

一段时间（如一个星期）后，评估你的计划是否成功。你是否完成了你预期这一周可以完成的所有事情？如果没有，导致无法完成的原因是什么，把问题找出来才能很好地解决和调整；如果顺利完成了这一周的计划，那么取得的效果是否满意，满意就再接再厉，不满意分析原因进行改进。通过总结和回顾，我们能更清晰的看到自己的计划和实施的不足，及时做出调整，这样可以更有效地坚持计划。

计划模式只能在执行过程中不断更正，不断改进，入下图PDCA循环所示。

六、奖惩机制

计划最重要的就是坚持下去，但是人都有怠倦心理，外部的奖励和惩罚机制，能够更好的约束自己，让自己在执行过程中更具有方向性和动力。正反馈是最能激励人行为的持续性的，我们可以建立一个学习账户，完成相应的小目标就获得奖励，反之，如果没有完成就扣除。

比如：完成一周的阶段目标后奖励自己500元，积累一段时间之后，可用于旅游、购物等。

七、激励督促

贵有恒，何必三更眠五更起；最无益，只怕一日曝十日寒。一份计划，最重要的是去“做”，去执行，而最怕的就是虎头蛇尾、半途而废。花了半天的时间做了个感觉很不错的计划，信心满满，感觉改变就在眼前，奇迹由我创造！然而第二天的情况却是...