1樓：CodingMan
目前大資料底層以hive建立資料倉儲，可用spark 進行一些ETL相關的事情，另外對於OLAP的分析可以使用Kylin或者Druid，不過首先這些技術的運用要看具體的使用場景
2樓：Duke Yu
這個問題好飄飄！！
方向很多很多！！簡單的說資料分析類的東西大概有3個方向，OLAP就是各個維度做報表，幾十年前叫做報表伺服器，目前仍然是企業資料分析應用的最核心方向，畢竟哪個企業都得有運營資料的各個維度的統計。
第二個方向貌似是DM資料探勘，把各個運營資料拿出來整合到乙個倉庫裡面去碰撞，看你建模的水平了，garbage in garbage out。因為投資回報比很不穩定，沒有太多企業重視這部分，但一些比較基本簡單的模型輸出比較穩定，很多企業也會採用。
前兩個都要基於資料倉儲。所以就衍生了很多資料清洗，資料轉換的工具，ETL。這方面做好了也不錯。
還有就是以上基本上都是企業在用。
第三個就是所謂大資料，這個方向可就大了。搞熟了隨便寫個爬蟲就能搞出很多事來，當然也可能啥也搞不出來，看想象力了。
大資料基本上都是網際網路公司在用。企業用大資料的少。
3樓：資料社
個人認為資料倉儲盡量的向實時處理方向發展。業務人員對指標監控的及時性永遠都不嫌快，他們希望越快越好。資料儲存規劃和管理和資料治理也必然成為數倉的重中之重。
資料庫 資料倉儲 大資料的異同？
雪山哈哈哈 資料庫是用來儲存資料的東西，通常表現為一種軟體系統，面向事務，以處理日常工作為主要目的。資料倉儲的基礎是資料庫，面向分析，面向主題。可以這樣理解，在處理日常工作時用資料庫獲取的 或者說臨時儲存在資料庫中的 資料都是雜亂無章的，不利於分析，不利於挖掘的，那麼就需要對其進行處理，比如去燥 歸...
請問資料倉儲以後的發展怎麼樣呢，和其他大資料崗位相比 實時和離線相比呢？
你這個問題，好幾個人都答得差不多了。我再答也沒啥意思。就瞎說幾句，供你參考吧。你羅列了這麼多職位有啥意思？莫名其妙。職位是隨著工作任務的需要而出現的。死盯著職位有啥意思？沒用的。說到底，無論是大資料也好還是傳統的資料探勘分析，都是為了啥呀？你先想明白這個再說。所以，這都不是問題。只要有業務需要，都會...
資料倉儲專案中的資料建模和ETL日誌體系
萊士兇兇 從數學上，不一定錯誤和不一定正確是不等價的。某命題不一定錯誤，是某命題一定錯誤的否定形式。某命題不一定正確，是某命題一定正確的否定形。因此，某命題不一定錯誤包含了兩種情況，1 該命題總是為真，2 該命題在某些情況為真，在某些情況為假 而某命題不一定正確包含了兩種情況，1 該命題總是為假，2...