入门数据分析行业应该学习什么


我认为数据分析/数据科学/商业智能（或是其它类似名字）的职业，最核心的部分在于两点：业和术。

"业"更偏向于你的soft skills，你的理解能力，分析能力，沟通能力，mind-set。其中当然包括最重要的一个能力：

将复杂的商业问题转化为数学模型，并利用编程能力进行分析，预测和评估，再转化为合适的Business Plan，执行。

你可以看到，这是一个生态圈，其中并不是只是包含了其它答案所描述的数学模型，统计理论，也不只是包含用什么工具sas,r,excel。总结来说是一种完全设身处地去为商业模型思考的mind-set。这是我很多国内数据从业者身上很少看到的。很多同事更喜欢强调自己的统计模型多好，算法多牛，当然，别理解错，这些优化都是好事，但从一个Business function (我把analytic当作一种服务我们的商业目标的商业职能)　的角度来说，这只是一个从过程中的小部分。这可能是因为很多大型企业，比如银行，电商，IT，智能太细分导致，很少有人能真正退一步去思考我们做分析的意义何在，如何落地，能赚多少钱。

我会在文章后面分享一些书。这些书是我亲身读过，和老板，同事都有沟通过的好书。希望对你们有帮助。

"术"更偏向于你的技术，包括你的数学，统计，编程，硬件的技术。这个技术对很多技术爱好者来说是数据分析最有意思的一部分，但对很多更喜欢business的朋友来说，很乏味。当然，没有好与坏，高级和低级的区别。术业有专攻就是这道理，譬如我们公司，Data science for infrastructure engineering负责数据仓库的朋友工资反而最高。 而抽象一点去说：

为了解决商业问题所需要的技术，能力。

看到这里你应该明白了，很多时候我们说的数据分析师实则是这个层面的。而再细分，这个技术其实分为三层：

• 统计理论，模型
• 数据库查询类编程SQL
• 底层数据存储技术hadoop, hive, spark, etc.
  

成为一个合格的数据科学家，你需要上面１，２的本事。有能力利用统计模型解决问题，也有能力通过编程将这些模型实现，并且自动化。这里很多人争论SAS,R,Python,SPSS，在我看来，无非只是工具，都是相同的，只要能用就好。而数理统计，则是要同时结合Q quant和P quant（具体请参照数说工作室，具体名字我忘了，一个微信号）。区别在于一个强调随机概率，一个强调根据历史数据的统计。所以，基本理论要知道，比如如何判别模型显著，如何优化模型。基本模型也要会，回归，Clustering, sequence analysis等等。只有精通这些模型，才能知道怎么从统计角度去解决商业文体。analytic里面经常有个说法：

• report 告诉你过去发生什么
• BI告诉你现在发生什么
• modeling 告诉你将来发生什么
  

其中的意义可以好好体会一下。

再到数据库查询，那基本SAS,SQL,python的指令要会，这些花不了太多时间去学，但是用得好就很关键。俗话说80%的时间data cleansing, 20%作模型。大家体会下。因为CS出身，所以编程好些，处理数据确实帮我省了不少时间。

这里再强调一个mind set很重要：作模型，是要在结论，结果符合商业逻辑的前提下进行诠释。我看到很多刚毕业的stats的人，很喜欢用复杂的stats变量用在模型，结果当然模型很fit,但是却很难解释。这一点一直都很有争议，不是因为用了不好，而是用的话你要知道用这个变量的好与坏是什么。比如很多人喜欢用interaction变量放在回归模型，２维，３维，请自行体会下。

最后，底层数据存储技术。这块我涉足不深，不敢乱说。但基本体会是，有个高效的，高容错，高吞吐量，兼容性强的数据库是做数据分析的基础。

恩，差不多到这。至于先学什么后学什么可以自己根据实际需求安排下。需求drive学习，学得很快的。