1. 数据分析挖掘网站
获得数据分析师认证证书，取得行业敲门金砖，并进而成功拿到心仪企业的Offer，是不少求职者的梦想。市场中的证书较多，有些是含金量高的，而有些是价值低的，大家一定要选择到好的认证。在这里给大家比较下目前市场中的数据分析类证书。
一般认证机构是两种类型，一种是国家部门认证，一种是行业性质认证。
l 国家部门认证
目前国家部门关于数据分析的认证还没有一个权威的机构。大数据属于新兴科技，一般前沿技术会先实践于企业之中，而相关部门的了解会有滞后性，所以关于大数据和数据分析的专业化技能、知识体系等主要是流行于高科技企业之中，在这个行业成熟之前，国家部门是无法颁发具备专业性兼具认可度和权威性的证书。目前有发证的机构是工信部、教育部、人社部，这几个部门发的证书更多是一个技能的证明，因为在他们管理的上千个认证中，根本无法做到专业，这些证书可能会在国有企事业单位中有一定的参考作用，但并不具有评职称作用，在大数据行业内也无人问津。
l 行业性质认证
1. SAS认证
SAS全球专业认证是由SAS公司颁发的、国际上公认的数据挖掘和商业智能领域的权威认证，随着我国DT环境和应用的日渐进步，以上两个领域将有极大的行业发展空间。获取SAS全球专业认证，会让您在数据挖掘、数据分析领域积累丰富经验奠定良好的基础。但是SAS面临的问题在于，越来越多的竞争性开源软件进入市场，如R语言，PYTHON，Spark等等，由于SAS昂贵的费用，导致自身软件的使用率下降，市场占有率低，在中国一般是大型银行有用到SAS，而其他单位的使用逐年减少。因此SAS证书对于大多数的数据分析人士来讲，如果你是倾向于找国有大型银行的工作，可以考虑；如果你是希望去北美发展，也可以考虑；但如果没有这种机会，最好还是考个其他的认证。by the way， Oracle的认证也类似，不过Oracle的认证没有SAS的好使
2. Coursera
Coursera是免费大型公开在线课程项目，由美国斯坦福大学两名计算机科学教授创办。旨在同世界顶尖大学合作，在线提供免费的网络公开课程。Coursera的首批合作院校包括斯坦福大学、密歇根大学、普林斯顿大学、宾夕法尼亚大学等美国名校。
Coursera证书是每门课程的结业证书，代表修过这门课程并具备相关技能，在美国来讲一些学校是认可的，对申报留学也许有一些作用，但是在国内来讲也更多是一个技能参考作用。by the way， edx也类似
3. CDA数据分析师认证
CDA认证是由CDA Institute发起，在国内由经管之家承办的数据分析师专业证书。是一套专业化，科学化，国际化，系统化的人才考核标准，分为LEVELⅠ ，LEVEL Ⅱ，LEVEL Ⅲ，涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能，符合当今全球大数据及数据分析技术潮流。每年6月与12月底在全国范围举办线下数据分析师考试，通过考试者可获得CDA数据分析师认证证书。CDA认证目前已被德勤（Deloitte）、苏宁、中国电信、重庆统计局等企业单位纳入到了内部员工的考核之中，并且来自百度、阿里、京东、惠普、中国银行、IBM、联想、移动、华为、尼尔森宝马、奔驰及政府部门等企业单位的员工有考取CDA认证，并获得了不错的薪资和职位。由于CDA数据分析师专注于数据分析和大数据领域，每年投入大量的资金和人力用于研发，目前CDA认证算是国内最具认可度、含金量最高的证书。
4. BDA认证
BDA是由中国商业统计学会设立的数据分析师培训与考试项目，为提高数据分析工作人员的业务素质。分为初、中、高三个级别，该认证近两年才出来，属于一个新的证书，目前还没有一定的知名度。相关的宣传网站建设还不完善，知识体系还不够强，不推荐大家考取。
5. CPDA认证
CPDA是中国商业联合会下面的二级分会颁发的证书，CPDA的实际意思是项目数据分析师，之前的培训重点在财务方向，自大数据火起来后，逐步往统计和软件方向靠，从品牌定位来讲不明确统一，并且这是培训绑定证书，必须缴纳高额的培训费用才能参加考试，并且多年来一直是只有一门几天的课程内容，不具有完整的知识体系，加上中国商业联合会也是一个非数据科学技术的协会，从专业角度来讲有一些水分。因其在宣传上推广力度大，知道其品牌的新人小白人士较多，但是从企业的认可来讲，参考意义不大。
其他的一些机构认证大多是自己公司的培训证书，就更没有参考价值了。
2. 大数据搜索与挖掘平台
“中国与世界其他国家一样，都处在大数据发展的初期阶段。在收集和应用数据方面，中国表现不俗。但在处理分析数据的技术和工具方面，中国与发达国家相比还比较落后。”中国电子信息产业发展研究院副院长樊会文接受《经济日报》记者采访时说。
产业结构有差距
中国大数据在世界上处于第几方阵？对此，工信部赛迪研究院软件所所长潘文表示，大数据产业是新兴产业，中国和世界各国都处于起步阶段，综合排名缺乏统一标准。从大数据产业收集端、处理端和应用端来看，中国在收集端和应用端全球领先，在处理端核心技术方面还有差距。
目前，公开数据中还没有对大数据强国的排名，但对全球大数据公司的排名却很多，虽然标准不一，但总体来看，公认的领军企业是亚马逊、SAP、谷歌、IBM等，仍是国外企业居多。
“各个国家在大数据方面的优势各有不同，目前还没法评判谁做得更好。”运满满研究院院长徐强表示，比如，日本在医疗交通方面做得不错，欧洲在数据保护方面领先，新加坡在电子政务方面独树一帜。而即使是大数据核心技术比较领先的美国，在智慧物流、移动支付等部分垂直应用领域也逊色于中国。
“与发达国家相比，中国大数据产业结构落后于全球市场的发展步伐。尤其是美国的大数据产业结构非常好，服务占比很大，而我国的产业结构还处于中低端。”潘文坦言。
从大数据核心产业结构来看，服务是大数据产业的最核心部分。全球市场数据分析服务占整体收入的47.6%，而国内市场数据分析服务在整体收入中占比却比较低，主要企业仍停留在前期的基础软硬件设施投入和部署阶段。樊会文表示，从这个对比可以判断，国内大数据市场虽然已经进入快速增长通道，但仍处于增长的早期阶段。
工信部信息化和软件服务业司副司长李冠宇指出，与发达国家相比，中国在新型计算平台、分布式计算架构、大数据处理、分析和呈现等相关核心技术方面与国外相比仍存在较大差距，对开源技术和相关生态系统的影响力弱。
“目前，美国、英国、法国、澳大利亚等国在大数据核心技术方面居于领先地位。”潘文指出，相关核心技术薄弱还带来数据主权保护的问题。由于数据在网络虚拟空间进行传播，各国都在加强对本国数据的控制力，关注数据主权。美国、欧盟等纷纷利用技术优势和法律法规加强本国数据主权保护，但目前，我国由于基础核心技术支撑能力较弱、数据跨境流动保护规则缺失等，在数据主权保障能力方面还显不足。
应用端一马当先
“中国大数据对世界的贡献主要是三点。”潘文分析说，一是引领大数据的创新应用，特别是在消费领域；二是互联网公司、初创企业引领技术创新步伐，特别是语音识别、图像理解、文本挖掘等方面已涌现出明星企业；三是我国已成为产生和积累数据量最大、数据类型最丰富的国家之一。
苹果在美国推广移动支付多年，效果一直不佳。而在中国，从饭馆到超市，甚至许多菜市场的每个摊位都实现了移动支付。公开数据显示，2016年中国移动支付规模是美国的50倍。
“我国在大数据应用方面处于世界前列，特别是在服务业领域，蓬勃发展的电子商务衍生出一系列基于大数据的互联网金融及信用体系产品，互联网创新应用普及速度非常快。”潘文说。以互联网金融领域为例，蚂蚁金服推出了芝麻信用，其芝麻分来自淘宝、支付宝的数据占30%-40%。通过综合考虑个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系等信息，直接与其信用挂钩，准确率非常高。
与世界各国相比，中国大数据体量位居前列。我国大型数据中心跨地区经营互联网数据中心业务的企业已达到295家。李冠宇指出，目前中国网民数量超过7亿，移动电话用户突破13亿，均居全球第一。中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。
“中国网络用户规模大，终端数量多，产业经济规模大，因此在数据规模上具有天然的优势。”樊会文说。
在今年的电子信息博览会主论坛上，科大讯飞董事长刘庆峰播放了一段视频——美国前总统奥巴马感谢科大讯飞让他学会了中文。其实这段视频是由科大讯飞人工智能语音合成系统完成的一次逼真模仿。2016年，科大讯飞在国际语音识别大赛、国际（机器）认知智能大赛中超过了IBM、微软等行业巨头获得大赛指标第一名。
“在许多垂直领域，中国的大数据核心技术处于全球领先。比如在智慧物流领域，中国就比美国发展得好。”徐强表示，调研表明，菜鸟网络、运满满等企业的智慧物流建设，通过为货主和司机提供实时信息数据匹配，可以降低物流运价5%至10%，单车运行效率可以提升30%以上，降本增效效果显著。
中国发展大数据已经具备一定的技术和产业基础。作为信息产业大国和互联网大国，2016年中国软件和信息技术服务业产值4.9万亿元，全球10大互联网企业中国占据4席，为大数据应用奠定了基础。百度、阿里巴巴、腾讯等国内的龙头互联网企业利用自身掌握大量数据资源的优势，不断创新和积累数据处理分析等关键技术，并基于大数据分析优化提升现有业务、开拓新业务，已经具备了建设和运维超大规模大数据平台的技术实力。
加快建设数据强国
2017年，全球大数据市场结构继续向服务化转变，同时从垄断竞争向完全竞争格局演化。典型的表现是，企业数量迅速增多，服务的差异度增大，技术门槛逐步降低，市场竞争越发激烈。据美国国际数据公司（IDC）统计，2017年世界大数据产业市场规模将达1508亿美元，比前一年增加12.4%。其中美国为788亿美元，西欧为341亿美元，两者之和占全世界市场规模的四分之三。
“不同国家、不同公司的统计标准不一样，因此无法绝对比较中国大数据产业市场规模在全球的占比。但可以肯定的是，中国大数据产业规模发展迅速，将很快步入全球前列。”潘文介绍说，赛迪研究院统计数据显示，2016年，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业达到3100亿元，大数据关联产业规模达到6万亿元，大数据融合产业规模达到3.5万亿元。工信部发布的《大数据产业发展规划（2016-2020年）》提出，到2020年，大数据相关产品和服务业务收入将突破1万亿元。
中国发展大数据有集中力量办大事的优势。据李冠宇介绍，目前我国已经颁布实施了《促进大数据发展行动纲要》《大数据产业发展规划（2016-2020年）》等一系列重大政策，有20多个地区出台了相关的政策措施，还有20多个地方设立了专门的大数据管理机构，已先后建立8个大数据综合试验区。中国大数据发展呈现良好势头，形成了京津冀、长三角、中西部和东北地区等一批聚集发展区。
潘文认为，中国大数据产业发展将迎来“黄金期”。随着国家大数据战略配套政策措施的制定和实施，我国大数据产业的发展环境将进一步优化，大数据的新业态、新业务、新服务将迎来爆发式增长，产业链进一步成熟和扩张。同时互联网的高速发展，将带动社会各领域对大数据服务需求进一步加强，政务、工业、电信、金融、交通、医疗等领域的应用层出不穷。预计2017年我国大数据核心产业规模有望达到4185亿元，未来3年中国大数据市场规模还将维持40%左右的高速增长。
尽管与发达国家相比，中国大数据发展还存在数据资源开放共享程度低、技术创新与支撑能力不强、大数据产业支撑体系不完善等差距,“但中国要发挥出市场规模大、应用需求旺的优势，以企业为主体集中攻克大数据关键技术，全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力，加快迈向数据强国。”李冠宇说。
3. 大数据分析基础平台
格灵深瞳公司的威目视频大数据主要应用在三个领域第一是智慧交通:可实现海量视频/图片数据的精准结构化识别，为视图大数据应用提供核心数据支撑，为交通管理提供服务。
第二是公安安全:联动公安车管库/人口库，可实现假牌车的自动报警，涉案车辆(非有效车牌)的快速筛查，和嫌疑人员的有效定位，大大提高办案效率。
第三是商业领域:通过对车辆的细分品牌分析，以及人员属性分析，可提供定制化的商业智能分析，为商业地产、购物中心等提供服务。
4. 大数据挖掘分析平台是什么
Hadoop开发工程师
职责：
a. 基于hadoop、hive等构建数据分析平台，进行数据平台架构设计、开发分布式计算业务;
b. 应用大数据、数据挖掘、分析建模等技术，对海量数据进行挖掘，发现其潜在的关联规则;
c. 对hadoop、hive、hbase、Map/Reduce相关产品进行预研、开发;
d. 通过Hadoop相关技术解决海量数据处理问题、大数据量的分析。
e. Hadoop相关业务脚本的性能优化与提升，不断提高系统运行效率;
数据工程师
职责：
a. 分析各类用户不断变化的行为;
b. 预测各类营销对用户的影响，定位精准市场投放;
c. 帮助实现自动化监控平台。
Hadoop运维工程师
职责：
a. 平台大数据环境的部署维护和技术支持;
b. 应用故障的处理跟踪及统计汇总分析;
c. 应用安全，数据的日常备份和应急恢复;
业务数据分析师
职责：
a. 与关键投资者的业务分析师和高级管理人员紧密合作，了解他们的经营策略和问题，确定研究需求，帮助设计实验，并根据结果提出建议。
b. 通过客户细分，从多个来源的定量和定性派生的发展和应用进行影响的决定。
c. 调整利益相关者和分析师对如何使用研究和分析的想法，以支持业务计划和战略的优先试图(分析路线图)。
d.传动复杂的分析项目，需要分析或利益相关者从开始到结束之间的多团队协作。
e.有效地管理多个在建设的项目，确保目标和时间获得满足。确定在短期和长期间的权衡和平衡所有投资者的需求。
f.关键指标与解释器的讨论，推测并提出行动。
g.与业务伙伴的投资者在制定和优先的业务问题上考虑短期和长期的潜在影响，解释结果，量化的机遇，并提出了一个观点合作
数据挖掘分析师
职责：
a.对优先考虑的账户进行统计分析，从而最大限度的成功化。
b.与主管或客户端沟通行动计划，并找出需要改进的地方。
c.执行战略数据分析和研究，以支持业务需求。
d.找准机会从而通过复杂的统计建模提高生产率
e.浏览数据来认准机会并提高业务成效
f.指定业务流程，目标和战略的理解，以提供分析和解释。
g.通过内部讨论的理解，在适当情况下获得业务需求和必要的分析。
5. 大数据实时挖掘分析
OLTP：
联机事务处理系统(OLTP)，也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP广泛应用于很行，股票，通信等各个行业。
6. 大数据 数据分析 数据挖掘
10年前就在谈大数据时代了，数据是大数据时代的基础。怎么挖掘大数据是一个比较抽象的问题，首先你要有几个东西。
第一、要有基础数据，数据时代所有的人和物都是一个个数据编辑出来的形象，只要你有用到智能软件，互联网所有的踪迹都会被收录，所以要挖掘数据你要有一套自己的数据收集系统，这些系统大到crm系统，小到一个H5都可以用来收集数据只是收集到的数据有多有少。
第二、当你有数据了之后就要想办法来分析数据，把数字变成信息，这个就要用到软件和人力了，筛选出数据库你想要的内容进行应用比如你想要了解消费者年龄，喜好这些都是最基本画像，这个部分才是最难的。
7. 在线数据挖掘平台
头条号电脑版官网是https://mp.toutiao.com/，头条pc版就是电脑版，它是一款资讯类的软件，是一款基于数据挖掘的推荐引擎产品，是国内移动互联网领域成长最快的产品服务之一。今日头条电脑版每天有超过3000万的用户在头条上找到让他们了解世界、启发思考、开怀一笑的信息，并活跃地参与互动。
8. 大数据分析服务平台
2014年中国科技大学，华中科技大学，江苏科技大学等高校共建大数据分析出视平台