大数据技术发展迅速，Python程序员现在转向来的及吗？

 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

那么Python程序员能否容易转向大数据领域呢？

这取决于自身的知识结构和目标岗位，如果希望从事大数据平台开发，那么需要具有较为丰富的开发经验积累，同时也要有一定的研发能力。目前大数据平台开发岗位往往对于从业者的学历有一定的要求，通常研究生更容易获得大数据平台开发相关岗位。

如果希望从事大数据应用开发，那么转换会相对容易一些，但是也要从三个方面来丰富自身的知识结构，其一是掌握大数据平台的相关知识，比如Hadoop、Spark等;其二是掌握云计算相关知识，因为大数据应用开发往往离不开云计算平台的支撑;其三是要掌握一定的行业知识，大数据应用开发往往会针对于具体的行业场景给出具体的开发方案。

目前大数据分析的手段包括机器学习方式和统计学方式，不论采用哪种方式，算法的设计、实现和训练都是核心内容。数据分析的算法迭代速度目前还是相对比较快的，这也与当前大数据处在落地应用的初期有一定的关系，当然算法也需要根据应用场景的变化而进行相应的调整。对于从事Python Web开发程序员来说，从大数据应用开发岗位开始做起，会更容易一些。从近两年研究生的就业情况来看，目前大数据平台开发和大数据应用开发岗位的招聘数量相对较多，但是大数据分析岗位(算法岗位)的招聘数量相对较少，这一点对于Python程序员来说，也应该引起注意。