摘要：
本文主要介绍了数据工程专业学什么，包括数据管理、数据建模、数据仓库、ETL以及数据可视化等方面。在数据管理中介绍了数据的收集、存储、处理和分享等环节；在数据建模中介绍了数据的规范化、实体关系模型以及数据字典等内容；在数据仓库中介绍了数据仓库架构、维度建模以及OLAP分析等方面；在ETL方面介绍了数据抽取、转换和加载等环节；最后介绍了数据可视化的工具和技术。
数据工程专业学什么，可以从以下几个方面来进行详细阐述：
1、数据管理
数据管理是数据工程的基础，它包括数据的收集、存储、处理和分享等环节。在数据的收集环节中，需要确定数据的类型、来源和质量等信息，设计数据收集的工具和流程。在数据的存储环节中，需要选择适合的数据存储方式，如关系型数据库、非关系型数据库、文本文件等。在数据的处理环节中，需要对数据进行清洗、去重、合并、转换等操作，保证数据的准确性和一致性。在数据的分享环节中，需要确定数据的访问权限和数据共享方式，确保数据的安全性和保密性。
2、数据建模
数据建模是为了方便数据的管理、维护和查询，将数据抽象成一种逻辑模型。数据建模的目标是规范化、简单化和易于理解。数据建模包括实体关系模型、数据字典、概念模型等。实体关系模型是根据实体、属性和关系三个概念建立的模型，用于描述实体之间的关系。数据字典描述了数据的含义、来源、格式和使用方法，是数据工程中的重要文档。概念模型是抽象化的数据模型，用于表示业务流程和信息需求，是数据工程建模的前置工作。
3、数据仓库
数据仓库是数据集成、变换和展示的中心化存储，用于支持分析和决策。数据仓库包括数据仓库架构、维度建模和OLAP分析等方面。数据仓库架构包括数据采集、ETL、数据存储和数据访问等组件，用于构建数据仓库的基础设施。维度建模是一种面向主题的建模方法，用于构建数据仓库中的维度表和事实表。OLAP分析是一种多维度的数据分析技术，用于分析数据仓库中的数据。
4、ETL
ETL是数据工程中的重要环节，包括数据抽取、转换和加载。数据抽取包括数据源的选择、数据的提取和数据的过滤等环节。数据转换包括数据清洗、数据转换、数据增强和数据计算等环节。数据加载包括数据的映射、数据的校验和数据的装载等环节。ETL的目的是从多个数据源中提取、清洗、转换和加载数据到目标系统中，保证数据的一致性和准确性。
5、数据可视化
数据可视化是将数据转化为图表、地图、仪表盘等形式，以便人们能够直观地理解和分析数据。数据可视化工具包括数据可视化库、数据可视化软件和数据可视化平台等。常见的数据可视化技术有折线图、柱状图、饼图、散点图等。
总结：
数据工程专业是一个综合性很强的学科，需要掌握多种领域的知识和技能，包括编程、统计学、数据结构、数据库、机器学习等。数据工程专业学习的目的是培养数据工程师，能够处理和分析大规模数据，支持业务决策。学习数据工程需要注重实践，熟练掌握数据分析工具和编程语言，如Python、R、SQL等。数据工程是大数据时代的核心技术之一，具有广泛的应用前景。
本文由中职中专网http://www.jdidi.cn整理