转行大数据需要学习的技术主要包括以下几个方面：
编程语言
Java：Java是一种强类型语言，拥有极高的跨平台能力，适合编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序。在大数据开发中，Java及其相关框架（如Hadoop、Spark）被广泛应用。
Python：Python以其高效率的开发和简单的维护，在大数据运维、数据分析和人工智能领域有广泛应用。Python的语法简洁，易于上手，是数据科学家和数据工程师的首选语言之一。
Scala：Scala是一种运行在Java虚拟机上的语言，结合了面向对象和函数式编程的特性，广泛应用于大数据处理框架Apache Spark中。
操作系统
Linux：大数据开发通常在Linux环境下进行，因此需要掌握Linux操作系统的基本操作命令、文件系统管理、服务配置等。
大数据框架
Hadoop：Hadoop是大数据处理的核心框架，包括HDFS（分布式文件系统）和MapReduce（分布式计算框架）。掌握Hadoop的安装、配置、集群管理以及高级应用是必不可少的。
Spark：Spark是一个快速、通用的大规模数据处理引擎，支持多种计算模式，如批处理、流处理、机器学习和图计算。学习Spark可以大幅提升数据处理速度。
Storm：Storm是一个分布式实时计算系统，适用于处理高速、连续的数据流。
数据库与数据仓库
MySQL：掌握SQL语言及其在MySQL数据库中的应用，了解数据仓库的基本概念和操作。
Hive：Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能。
数据分析与可视化
Excel：掌握Excel的基本操作、公式与函数、数据透视表和数据可视化工具，适用于小规模数据的处理和分析。
BI工具：如Power BI和Tableau，用于数据可视化，帮助理解和展示数据。
机器学习
学习机器学习算法和模型，提升在数据分析和预测方面的能力，这在大数据应用中非常重要。
技术工具
SHELL脚本：掌握SHELL脚本编程，用于自动化任务和数据处理。
数据预处理：学习数据清洗、转换和整合的方法，确保数据质量。
大数据思维
培养大数据思维，学会从海量数据中提取有价值的信息，并应用于实际业务场景。
建议从编程语言入手，逐步掌握操作系统、框架和工具的使用，同时结合实际项目进行练习，以提升实际操作能力。