第一：数据采集。数据采集是大数据产业链的起点。数据采集通常有三种渠道：传统信息系统、网络系统和物联网系统。数据采集需要操作系统、计算机网络和服务器的知识结构。一般来说，这部分知识相对容易掌握，适合于计算机基础薄弱的人学习。

第二：数据整理。数据整理最常见的操作是数据清理。数据整理是大数据技术的重要组成部分。它按照一定的规则完成数据处理的过程。数据整理通常需要掌握SQL语言，也需要掌握一定的数据处理逻辑，当然，这部分工作可以通过工具来完成。数据整理不是很难，适合于计算机基础薄弱的人学习。

第三：数据存储。数据存储通常需要云计算知识。存储是许多云计算技术（虚拟化、虚拟化网络、管理和控制等）的重要组成部分，也是云计算技术人员需要掌握的关键技术之一。学习和存储需要一个系统的过程，往往有一定的计算机基础。大型数据存储中使用的数据库结构包括关系型和非关系型两种，通常称为nosql数据库。

第四：数据分析。数据分析是衡量大数据价值的重要手段。数据分析通常有两种方法，一种是使用统计，另一种是使用机器学习。学习数据分析需要数学和编程的坚实基础。对于那些有良好数学基础的学生来说，学习数据分析是一个不错的选择。

第五：数据展示。数据表示技术是对大数据分析结果的呈现。这个过程通常需要一定的前端技术基础。这部分技术不难掌握，适合零基学习。