大数据与审计属于什么专业类别？
大数据属于数学一类的专业，相关专业名称有信息与计算科学、数学与应用数学、统计学，大数据是众多学科与统计学交叉产生的一门新兴学科，大数据牵扯的数据挖掘、云计算一类的，所以是数学一类的专业。
（1）统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。
（2）数学与应用数学是一个学科专业，该专业培养掌握数学科学的基本理论与基本方法，具备运用数学知识、使用计算机解决实际问题的能力，受到科学研究的初步训练。能在科技、教育和经济部门从事研究、教学工作或在生产经营及管理部门从事实际应用、开发研究和管理工作的高级专门人才。
（3）信息与计算科学专业是以信息领域为背景用将迈向的数学与信息，管理相结合的交叉学科更深入和专业。
大数据专业简介
大数据专业将从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地帮助企业掌握大数据应用中的各种典型问题的解决办法，包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Mapreduce的并行算法、部署Hive并实现一个的数据操作等等，实际提升企业解决实际问题的能力。
大数据领域对于人才的需求总量大、层次多、范围广，产业对于人才的需求呈井喷式增长，相关行业拥有海量的岗位需求。
推荐教程：《PHP》
大数据怎么入门学习好？
感谢关注天善智能，走好数据之路↑↑↑
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
可以加： xtechday （长按复制），进入数据爱好者交流群。
先给大家来张大数据体系学习图：
基本内容:
1、Linux命令基础实战
大数据架构体系结构及开源组件介绍
Linux基本操作
2、Hadoop基础
Hadoop基础，对Hadoop架构、核心组件HDFS/YARN做了深入浅出的介绍，让你快速把握Hadoop的核心技术和工作原理，逐渐形成分布式思维；
Hadoop介绍
Hadoop运行模式
3、Hadoop集群搭建
Hadoop集群搭建——安装Linux虚拟机
Hadoop集群搭建——远程连接
Hadoop集群搭建(on Linux)——Hadoop(上）
Hadoop集群搭建(on Linux)——Hadoop（下）
Hadoop集群搭建(on Mac)——Hadoop
4、HDFS原理
番外篇-课程体系
HDFS架构原理
FS Shell命令介绍及实践
5、YARN工作原理
YARN的产生背景
YARN的设计思想
YARN的基本架构
YARN的工作流程(小结)
6、Sqoop
Sqoop，作为关系型数据库与Hadoop之间的桥梁，批量传输数据，让你自然的从关系型数据库过度到Hadoop平台，在关系型数据库与Hadoop之间游刃有余的进行数据导入导出；
Sqoop & Hive课程内容介绍
Sqoop介绍与安装
Sqoop的基本使用
Sqoop 导入参数详解
Sqoop导入实战
Sqoop增量导入（上）
Sqoop增量导入（下）
Sqoop导出实战（上）
Sqoop导出实战（下）
Sqoop Job
7、Hive
Hive，基于Hadoop大数据平台的数据仓库，可以让你实现传统数据仓库中的绝大部分数据处理、统计分析，让你在Hadoop大数据平台上感受到Hive QL带来的便利的交互式查询体验；Mars将以日志分析或其他示例带大家熟练掌握Hive的应用；
Hive架构介绍（一）
Hive架构介绍（二）
Hive环境搭建（一）
Hive环境搭建（二）
Hive CLI初探
Beeline介绍
Hive数据类型
Hive表一——标准建表语句解析&内、外表
Hive表二——文件及数据格式
Hive分区&桶&倾斜概念
Hive表——Alter
Hive视图&索引简介
Hive表——show & Desc命令
Hive数据导入--load
Hive数据导入--insert
Hive分区表实战
Hive复杂数据类型的嵌套实例
Hive源码阅读环境
Hive执行原理
Hive查询优化
UDF函数实例
Hive终极实例——日志分析
（1）网站日志分析的术语、架构介绍
（2）建表及数据准备
（3）数据处理及统计分析
（4）数据采集到统计分析结果的crontab定时调度
8、HBase
HBase，列式存储数据库，提供了快速的查询方式，是Apache Kylin的默认数据存储结果；
HBase介绍及架构
HBase安装
HBase操作实战
Hive与HBase集成实战
9、Kylin
Kylin，基于Hadoop的OLAP分析引擎，在Kylin中可以实现传统OLAP的各种操作，直接读取Hive的数据或流式数据作为数据源，把这些数据根据业务模型构建成Cube，Kylin提供了基于Hadoop（MapReduce）的Cube构建，Build完成的Cube数据直接存储于HBase中。Kylin提供了Web UI供查询，包括一些图表展现，是基于大数据的完美OLAP工具；
维度建模
Kylin背景及原理架构
Kylin环境搭建
维度建模知识
Kylin Cube Build步骤解析
Kylin Cube实战
Kylin 增量Cube
Kylin 优化
10、Spark
Spark，基于内存计算的大数据计算引擎，提供了Spark SQL、Spark MLlib(基于Spark的机器学习）、SparkR等框架适应不同的应用需求，Spark专题将和大家一起实践操作各种应用和算法；
Spark集群搭建
Spark Core
Spark WordCount（Spark-shell/pyspark..）
IDEA IntelliJ搭建Spark开发环境
Spark编程实例
Spark SQL及DataFrame
Spark SQL实例
Spark Streaming
Spark Streaming实例
Spark MLlib
Spark MLlib应用实例
Spark R介绍
欢迎关注：对话大数据系列技术 从破冰到精进：
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
每周线上公开课，每月线下活动，感谢报名参加！
可以加： xtechday （长按复制），进入数据爱好者交流群。
大数据的入门学习有多条学习路线，可以根据自身的知识结构进行选择，并不是所有的学习路线都是从学Linux操作系统开始，然后是Java、Hadoop、Spark等，学习大数据也可以从数据分析开始。对于职场人来说，学习数据分析的工具如何使用，远比学习Hadoop更加实际。
大数据的核心是数据价值化，只要围绕这个核心所做的一系列数据价值化的操作都是大数据的分内之事，所以大数据学习的出发点比学习内容本身更重要，如果在学习大数据的初期就能建立数据价值化概念，那么对初学者来说是一个莫大的推动力，如何能快速建立数据价值化概念呢？答案就是从数据分析开始。
数据分析并没有那么复杂，即使是没有多少计算机基础的人也可以入门数据分析，并不是所有的数据分析都需要通过机器学习的方式来完成，有很多工具能够方便的完成数据分析，而这些工具本身并不是特别复杂，比如Excel。Excel是一个功能强大的数据分析工具，在没有大数据概念的年代，Excel就在做数据分析的事情，虽然在大数据时代数据分析更加多样化，但是通过Excel能让入门者快速发现“数据之美”，完全可以通过Excel打开学习大数据的大门。
学习Excel可以从基本的函数开始学起，比如sum、count、Vlookup、sumif、countif、find等，这些函数的使用非常方便且功能强大，通过实验很快就能建立起数据分析的概念。Excel基本上能解决不少普通职场人的数据分析场景，几万条的数据分析使用Excel是没有压力的。
下一步学习就涉及到数据库的使用了，虽然目前大数据领域的非结构化数据占据着大部分的比例，但是目前大量的数据分析还是基于结构化数据进行的，所以学习一个数据库产品的使用就变得很有必要了，推荐学习一下Mysql数据库。掌握数据库之后，数据分析的数量就会有显著的提高，几百万条数据都是毫无压力的，相比于Excel来说，数据分析的量一下就得到了质的提高。
接着可以学习一下SPSS，SPSS是数据分析（统计）领域一个非常强大的工具，分析可以定制化，是一个比较常见的工具。在数据可视化方面可以学习一下Echarts，这是一个开源产品，功能也非常强大，同样可以进行定制化（程序化）。
学习数据分析一个比较麻烦的事情是数据从哪来？要想解决这个问题，就必须进行下个阶段的学习了，那就是Python编程，可以通过Python编写爬虫来爬取互联网上的海量数据，作为自己数据分析的基础。其实学习数据分析到中后期是绕不过编程的，掌握一门编程语言是非常有必要的，而Python就是数据分析最常见的编程语言之一。
数据分析涵盖的内容非常多，按照场景不同也有很多条分析路线，对于初学者来说可以采用递进式学习方式，这样会有更好的学习效果。
大数据是我的主要研究方向之一，目前我也在带大数据方向的研究生，我会陆续写一些关于大数据方面的文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。
如果有大数据方面的问题，也可以咨询我。
谢谢！