随着商业的发展，越来越多的行业需要处理数据的专家，互联网+正渗透到广告、量化金融等各种各样的领域。数据分析师应保持开放的心态，多多学习视野之外的领域，成为既懂技术又懂业务知识的专家。
互联网行业的优势在于，与其他行业相比，这个领域的公司可以采集到全面的数据，并以此进行研究应用。数据分析师站在数据之巅，更加有机会时刻参与到业务中去。数据背后，每一个觉醒的分析师，都可能成长为互联网公司的核心。

随着大数据时代的到来和数据的市场价值得到认可，数据分析师、进阶一点的还有数据挖掘工程师、甚至是金字塔顶尖的数据科学家，这些作为21世纪最性感的职业已成功吸引无数像笔者这样的热血小青年，阿里的一句“开启AI时代”的口号就足以让我等激动的准备把此身奉献给高大上的数据科学行业。

什么人适合学习数据分析？

　　这个问题的答案跟“什么人适合学功夫”一样，毫无疑问，功夫是适合任何人学习的（排除心术不正的人），因为能够强身健体。而功夫的成效，要看习武者的修炼深浅。常常有人争论，是咏春拳厉害，还是散打厉害，其实是颠倒了因果，应该看哪个人练习得比较好，流派之间没有高低，只有人修炼的厚薄。

　　实际上，问题的潜台词是“什么人学习数据分析，会更容易取得成功（比如职业成功）”，这个要视乎你的兴趣、付出和机遇。但要做到出类拔萃，除了上面三点，还需要一点天赋，这里的机遇是指你遇到的职业发展平台、商业环境、导师和同事。

　　借用管理大师德鲁克的话“管理是可以习得的”，管理并非是天生的，而数据分析能力，也可以后天提升。或许做到优秀，只需要你更加的努力+兴趣，而这个努力的过程，也包括你寻找机遇的部分。

学习写sql是做数据分析师的第一步，对于没有数据库和编程语言基础的人来讲，也并不是一件十分困难的事儿，关键在于你是否能找到一个“好师傅”带你飞，这里的“好师傅”一是指教你写sql的入门书籍，上面会系统的讲解sql的相关知识并且最好有实例教学；二是指在工作中会有前辈教你一些书写sql的良好习惯以及优化代码的方法等等。。

业务如同数据分析的敲门砖，没有了业务基石的底层搭建，数据分析终究是空中楼阁，就像一个没有灵魂的行尸走肉。只有深刻理解业务逻辑，数据分析师才能读懂数据的前世今生。每一个数字都有其商业逻辑，数据分析师不是数据搬运工，需要解析数据背后的逻辑，与业务部门深入沟通，基于业务，指导业务。

数据分析师除了具备数学知识外，还要具备市场研究、营销管理、心理学、行为学、产品运营、互联网、大数据等方面的知识，需要构建完整广泛的知识体系，才能支撑解决日常遇到的不同类型的商业问题。

其实零基础学习数据分析，最难的门槛不是技能，而是学习动力。我从零培养过数据分析师，从零教过Excel、从零教过SQL、从零教过分析思维、从零教过Python。难点从不在于这些知识，而是你真的想不想学。

数据分析贯穿BIT、数据、技术、业务整个链条，数据分析师将BIT最终转化成决策者理解的语言，跨越的流程很长，你需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，成为数据和业务的桥梁，没有足够的沟通能力很难。所谓上得了台面，下得了厅堂。

数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

独当一面的数据分析师，可以负责一个子产品（一组模块）级别的项目，带领一个团队来全面解决问题，把控手下数据分析师的工作质量。技术方面，能掌控数据分析的整个过程，对数据采集、埋点、造型、进入数据仓库的清洗有良好的手段。可以回答数据能够回答的任何问题。在这里，能与不能的定义边界是，数据分析师用尽了所有可以想到的办法。

数据分析师千万不要认为自己只是一个技术人员。比起数据库、统计、业务理解程序等硬性技能，严谨的工作态度、良好的沟通能力、迅速的学习能力以及随时随地的好奇心，这四项软实力，是数据分析师突破自己的决定性因素。

大体上国内公司最看重的素质归纳起来有：能熟练使用数据分析工具（掌握SPSS/SAS/MATLAB是基本技能，有些公司会增加特定要求）；有2-3年的工作经验；对数字敏感、分析能力、表达能力强。这些素质对从事数据分析来说都很重要。

数据分析师通常分两类，分工不同，但各有优势。

　　一类是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。

　　另一类是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。

其实数据分析师每在IT上前进一步，带来的效益是几何级的，比如你懂Hadoop，那么，你就可能离大数据更近一点。
当然最重要的永远是实践，成为数据分析师最好的方式就是完成一个项目，如果有个老师就太好了，经过实践获得的知识才是你的，数据分析能力只能在实践的熔炉中提升、升华.

数据分析师的基本职责与第一要务，是保证反馈事实的真实性。所谓的真实，是可观察，可量化，可复核的明确指标。因此需要聚焦内部的，可跟踪的，可查来源的数据。这也是为什么数据分析一般会和调研分开两个部门独立工作的原因。如果一个指标难以观察，无法量化，也无从复核，那么宁可大大方方的承认我们无法分析，也不要随意的蹚这趟浑水。因为失去了真实性与客观性，数据分析师的存在的根基就没有了。

数据分析的四个步骤(这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署)，是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。
获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要通过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节，需要数据分析师具备结构化的思维和对商业问题的理解能力。

数据分析师有哪些要求?
1、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。
2、工具使用，包括挖掘工具、数据库、常用办公软件(excel、PPT、word、脑图)等。
3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。
4、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。

从20世纪90年代起，欧美国家开始大量培养数据分析师，直到现在，对数据分析师的需求仍然长盛不衰，而且还有扩展之势。根据美国劳工部预测，到2018年，数据分析师的需求量将增长20%。就算你不是数据分析师，
但数据分析技能也是未来必不可少的工作技能之一。在数据分析行业发展成熟的国家，90%的市场决策和经营决策都是通过数据分析研究确定的。

一名数据分析师，除了技术能力之外，还有其他事项可以提升工资水平吗？肯定是有的。首先你要明白老板关心什么数据指标，然后你要做的就是去记住他，不能老板问你的时候还要看报表，这样肯定是行不通的，一定要做到心中有数，熟悉公司业务关键指标，才能给公司提供更好的分析，这样工资就有更大的提高空间了。

很多数据挖掘工具都有关联挖掘，主要使用的算法是Apriori算法，在计算的过程中会主要考察项集、置信度、相关性这三个结果数据，以最终确定商品之间的相关性。除了Apriori算法外，还有许多其他的关联分析的算法，基本上也都是从Apriori发展而来，比如FPgrowth。本人从几年的数据分析经验感觉，关联分析在零售业中并不太实用，挖掘出来的关联度比较高的商品一般都是同类商品或者同品牌的商品，像“啤酒与尿布”这种，很少能够有。

其实数据分析师是一个多技能的职业，你不但要懂技术、还要懂商业、还要懂如何去呈现自己的成果、更重要的是你要懂博弈。这时候的薪水你们猜猜？

在中国，随着网络营销和广告投入的持续升温，能够对网络营销活动、网站、APP进行全面数据挖掘和洞察分析的人才也愈发抢手。同时，对于各个互联网工作岗位例如营销、产品、运营、销售、UE/UI设计工作者的数据分析技能要求也越来越高。毫不夸张的说，无论你从事任何互联网相关的工作，拥有过硬的数据技能会让你的职业发展之路变得更为通畅，并且直接影响到个人的薪资收入。

数据分析师常常需要通过挖掘数据背后的信息，解答市场运作的问题，指导高层的业务决策，进行精准的数据挖掘或广告投放。事实上，这也是越来越多对大数据有需求的公司招聘数据分析师的原因。
心理学、经济学和统计学加持的数据分析师，拥有普通运营人无法拥有的利器，以此作为切入点做运营工作，具有后来居上的潜能。

在这个大数据时代，数据分析师，尤其是有商业运作知识的数据分析师们需求大供应少，所以他们的收入几乎是澳洲平均年薪的三倍之多。

澳大利亚分析专业人员协会IAPA的2014年技能和薪水调查披露在社交媒体工作的数据分析师们的平均年薪是19万。

去自己喜欢的一个行业，深入了解这个行业，并讲数据分析应用到这个行业里。比如我可以去电子商务做数据分析师。我觉得我选择电子商务，是因为未来必将 是互联网的时代，电子商务必将取代传统商务，最显著的现象就是传统零售商老大沃尔玛正在受到亚马逊的挑战。此外，电子商务比传统的零售商具有更好的数据收 集和管理能力，可以更好的跟踪用户、挖掘潜在用户、挖掘潜在商品。

当评估市场机会的时候，去选择一个还没有将成型的解决方案的公司。几乎所有的公司都已经有了一些成型的应用，当然数据分析师是必要的岗位，但是更值得去选择一些拥有明确研发方向，强有力的数据研究团队，但是仍然还处在研究解决一系列问题过程中的公司。

一名数据分析师，除了技术能力之外，还有其他事项可以提升工资水平吗？肯定是有的。首先你要明白老板关心什么数据指标，然后你要做的就是去记住他，不能老板问你的时候还要看报表，这样肯定是行不通的，一定要做到心中有数，熟悉公司业务关键指标，才能给公司提供更好的分析，这样工资就有更大的提高空间了。

一名数据分析师，除了技术能力之外，还有其他事项可以提升工资水平吗？肯定是有的。首先你要明白老板关心什么数据指标，然后你要做的就是去记住他，不能老板问你的时候还要看报表，这样肯定是行不通的，一定要做到心中有数，熟悉公司业务关键指标，才能给公司提供更好的分析，这样工资就有更大的提高空间了。

现在确实是属于数据分析师的天下了。如果你有能力，有经验，充满好奇心以及永不倦怠的热情，作为数据分析师的你可谓前景广阔，有一大批公司乖乖站在你家门前挂着牌子等着你的挑选。但是在评估到底去哪家公司的平台上施展你的才华的时候，却是有着很多考量的。

好像被删了