数据分析需要学习哪些技术

东方祥

5440

收藏 2016-06-23

欢迎加入 CDA数据分析师排行榜

大数据如此火爆的时代，各种人才倍受青睐。视野决定了境界和能力，而所处的环境又决定了视野。好多人不知道什么是数据分析师，认为会熟练使用Excel就是数据分析师，如果你还会使用Excel中的一些高级功能如透视和函数等等，可能别人就认为你是牛*的数据分析师了，如果你工作中还用到了VBA，(word天啊!)，在别人眼中你就是数据分析大神了。真的是这样吗?诚然，单用Excel的确可以解决大部分的数据问题，但是作为一个数据分析师，你并不是一个基层的统计分析从业者，那么数据分析师应该是怎样的职业呢?科多大数据就带你一起来看看，数据分析到底该怎么学习。

(一)数据分析师的职场之路数据分析的职位分类按照数据处理的不同阶段分为数据采集、数据分析、与数据挖掘三种。其中数据采集的概念是对企业来说的，是jacky企业(航航数据)在做的事，包括原始数据源的采集和地理信息数据的采集，这里受众面太窄，就不一一说了，想了解的朋友可以私信我。

下面主要说下数据分析和数据挖掘的职位：大家要记住一句话：数据分析的职位分为业务方向与技术方向两个方向，这两个方向决定了两条不同的职业规划和晋升途径，包括下面章节要说的数据分析的学习规划也跟这两个方向紧密相关。

1、业务方向大家在招聘网站中搜索数据分析的职位，大概分为两类：辅助业务的数据分析职位和数据分析师职位。
1)辅助业务的数据分析：一般在零售业里职位设置较多，该职位一定要对业务烂熟于心，对业务有长时间的积淀和理解，用数据发现业务流程中的问题，并提出合理化的解决方案，分析数据是为整个商业逻辑去做支撑。细分职位包括：市场调查、行业分析和经营分析三类。
2)数据分析师：业务方向的数据分析师，该职位招聘时一定前面有一个限定词，什么数据分析师，归结起来分为三类：产品数据分析师，运营数据分析师和销售数据分析师。
2、技术方向技术方向主要指数据挖掘方向，分为三类：数据挖掘工程师(机器学习)、数据仓库工程师(构架师)和数据开发工程师。在互联网和金融行业岗位设置较多普遍来说：技术方向的基础岗的工资薪酬要比业务岗的薪酬高一个等级，但是做到管理岗的话，在中国，业务岗的薪酬比技术岗的薪酬要高。

(二)数据分析从业者需具备的核心能力我认为，数据分析从业者要具备四种核心能力：
1、基础科学的能力;
2、使用分析工具的能力;
3、掌握编程语言的能力;
4、逻辑思维的能力

1、基础科学的能力可以说，在数据决策的时代，数据分析几乎渗透到企业的每个业务环节中，行业数据分析报告更是淋漓满目，发布报告的有的是世界500强企业，有的是知名的数据洞察咨询公司，jacky做为第三方数据评估机构的从业者，在看到可视化效果越来越绚丽的同时，我也忧心忡忡，大多数的数据分析报告：逻辑不见了，故事线没有了，统计学支撑没有了，金在其外，败絮其中。统计学，数学，逻辑学是数据分析的基础，是数据分析师的内功，内功不扎实，学再多都是徒劳。掌握统计学，我们才能知道每一种数据分析的模型，什么样的输入，什么样的输出，有什么样的作用，开始我们并不一定要把每个算法都弄懂。如果我们要做数据挖掘师，数据能力是我们吃饭的饭碗。如果你没有数学能力，用现成的模型也好，模块也好，也能做，但一定会影响你的技术提升，当然更影响你的职位晋升。
2、使用分析工具的能力数据分析工具：SQL、SPSS、SAS、R、EXCEL等等吧，都必须掌握并且会应用，毕竟企业需要的不是学者而是应用型人才。
3、掌握编程语言的能力不会Python、不会R，说你懂数据分析谁都不信。
4、逻辑思维的能力逻辑思维对于数据分析来说特别重要，不单单是数理逻辑这块，还要有逻辑学的知识。反映商业数据里，大家可以理解为去搭建商业框架或者说是故事线，有逻辑的推进，结果才会另人信服。
下面补充下做数据分析的流程逻(参考知乎网友，有改进，非原创)：
1)提出假设
2)验证假设(统计方法)
3)取数(SQL / Hive / Spark)
4)清洗和整理数据(R / Python Pandas / PySpark)
5)可视化(Excel / R ggplot2 / Python matplotlib)
6)展示给非技术人员(PowerPoint / Tableau / iPython Notebook / R Markdown)

(三)2017，数据分析学习规划任何一门技术或学科都有其内部规律，需要有计划，有先后，循序渐进来学，jacky跟大家分享下润禄数据学院的一些经验：
1、统计学(业务方向)与SQL(技术方向)：首要必会技能任何数据分析师从事业务方向的工作都必须会统计学，统计学的学习最好辅助SPSS或其他SAS来学，做到数据分析基本功扎实，兼顾实战性。任何数据分析师从事技术方向的工作都必会SQL，不单是数据分析师，每一个运营、产品经理、尤其是互联网行业，一定要会SQL，基本知名互联网公司的产品经理都能写SQL。学习中，要掌握SQL的基础语法、中级语法和常用函数，结合关系数据库系统(Oracle Database、SQL Server、DB2等)来学习SQL语句，找好方法，真的不难。
2、Python与R：不分伯仲，都要掌握Python主要掌握基础语法，pandas操作、numpy操作、sklearn建模，学会用python编写网络爬虫爬取数据，等等。R语言就是为了统计而存在的语言，我们要掌握R语言的基础语法、数据管理、数据挖掘建模与评估等。以上是我们第二阶段要学的技能。
3、数据可视化有了Python、和R的基础，我们可以就可以学习数据可视化了。运营和产品都需要学习可视化，可视化说白了，就是画图，但做为数据分析师来说，我们不能用EXCEL 来实现可视化，因为它的局限性太大了。这里也不建议花太多时间学习给非专业人士展示的Tableau，有1个小时学会Tableau足够。Python中可视化的工具有matplotlib,seaborn,ploltly;R中可视化工具有plot基础库、ggplot2随心所欲，用Python和R，你就知道做数据分析工作是多么爽一个事
4、数据挖掘这里知道要掌握基本概念，知道数据挖掘时做什么的，知道它与数据分析相比有什么不同
5、监督学习、非监督学习、模型评估Model建模，知道模型建好后应该怎样去评估，掌握怎样用一些定量的指标，数据，数值来衡量模型建好后到底有多准确，或者说到底有多错误。模型评估的指标或计算方式选择正确与否，能够直接影响到整个项目获模型是否有效。
6、以上这些只是数据分析的入门，还有... ...

机器学习，文本与自然语言处理，分布式计算工具SPARK.... ...数据分析的路上，你准备好了吗?2017，跟我一起，来逆袭吧！

CDA社区-人工智能群（经管之家旗下）的愿景是为大家创造一个技术交流环境，欢迎各位讨论分享任何关于数据分析、机器学习、深度学习、人工智能方向的技术话题，包括但不限于R、Python、julia等数据科学语言、Caffe, TensorFlow, MXNet, Torch, Theano等学习框架。，欢迎志同道合的朋友参与！