大数据时代到来,如何从数据中提取、挖掘对业务发展有价值的、潜在的知识,为决策层的决策提供有力依据,为产品或服务发展方向提供指引,有力推动企业管理的精益化,对于每个企业都意义重大。而这些工作,大多需要数据分析师才能完成,但如何才能系统学习数据分析成为一名合格的数据分析师呢?
很多学习数据分析的同学都有这样一种困惑:“为什么学了那么多工具,还是不会数据分析?”原因无外乎两个,一是只学到了碎片的知识,没有建立知识之间的联系,无法形成自己的知识体系,二是缺乏实践,导致无法形成“知行合一”的工作技能。
以数据分析师为例,先看一下国内知名互联网数据分析师的招聘要求:
1.计算机、统计学、数学等相关专业本科及以上学历;
2.具有深厚的统计学、数据挖掘知识,熟悉数据仓库和数据挖掘的相关技术,能够熟练地使用SQL;
3.具有三年以上海量数据挖掘、分析相关项目实施的工作经验,参与过较完整的数据采集、整理、分析和建模工作;
4.对商业和业务逻辑敏感,熟悉传统行业数据挖掘背景、了解市场特点及用户需求,有互联网相关行业背景,有网站用户行为研究和文本挖掘经验尤佳;
5.具备良好的逻辑分析能力、组织沟通能力和团队精神;
6.富有创新精神,充满激情,乐于接受挑战。
前三个属于硬件要求,一般而言,有专业基础(计算机、统计学、数学等相关专业)入行需要3个月以上的学习。对于非专业背景的同学,入行的时间可能需要的更长,建议给自己预留6-12月的时间。而要成为一个熟手(企业用工需求最多)则需要2-3年以上的行业经验。
基于此,我们需要学习哪些知识呢?
数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师,了解一些描述统计相关的基础内容,有一定的公式计算能力即可,了解常用统计模型算法则是加分。对于高级数据分析师,统计模型相关知识是必备能力,线性代数(主要是矩阵计算相关知识)最好也有一定的了解。
分析工具
对于初级数据分析师,玩转Excel是必须的,数据透视表和公式使用必须熟练,VBA是加分。另外,还要学会一个统计分析工具,SPSS作为入门是比较好的。对于高级数据分析师,使用分析工具是核心能力, SPSS/SAS/R至少要熟练使用其中之一。
编程语言
对于初级数据分析师,会写SQL查询,基本就OK了。对于高级数据分析师,除了SQL以外,学习Python是很有必要的,用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
业务经验
学习一门技术要和行业靠拢,没有行业背景的技术如空中楼阁。技术在结合行业之后就能够独当一面了,一方面有利于抓住用户痛点和刚性需求,另一方面能够累计行业经验,使用互联网思维跨界让你更容易取得成功。大数据是技术工具,最终的应用需要深入理解业务企业的业务场景和商业模式,甚至有人说不懂业务就不要谈大数据,可见领域知识的重要性。
关于Python学习指南
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!