跟大家聊聊如何躲避数据分析选择上的坑
          在这个信息的时代，互联网、物联网、数据分析、大数据等字眼不仅仅出现在政府工作报告中，再网络上，人与人之间的交流中到处都在谈论数据分析和大数据分析，但是一旦到达深入交流和深入沟通的时候，大家所发表的见解往往也只是表面的见解，今天在这里跟大家深入讲一讲数据分析，也深入讲一讲如何躲避数据分析道路上的各种坑。
一、什么是数据分析师
   数据分析师 是数据师Datician的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做  出行业研究、评估和预测的专业人员。且目前世界500强企业中，已经有90%以上都建立的数据分析部门。
二、数据分析与大数据分析的区别
首先数据分析与大数据分析都可统称为数据分析，当然也根据各自的特点有以下的区别：
  数据分析更侧重于短中期实现有效的商业价值，有目的的收集数据，分析数据，使之成为信息的过程，因此有较强的业务结果导向。对软件通常没有很具体的要求，常用分析软件（Excel、SPSS、SAS、R等）基本可以满足要求。比如利用CRM系统来管理会员的生命周期，提高会员的忠诚度，避免会员流失，利用会员的购买数据，挖掘会员的潜在需求，提供销售，扩大影响力。
   大数据分析能够处理大规模数据量，通常以PB级呈现，能够实现快速分析，实时分析，对于技术支撑要求较高，依托于分布式存储和云计算技术，对软件有特定要求，比如hadoop平台，Spark软件等。比如在大数据交通领域，通过各路段的监控采集车辆的视频、图片信息，计算车辆的行驶偏好 、可能发生违规的概率，以及通过计算各个路段的车流量，车辆行驶路径等协调 道路规划，收费站建设，人员配备等。
三、数据分析常用的软件工具
除特定的公司，特定的工具外，国内基本上常用的数据分析工具有：EXCEL、SPSS、PYTHON、R、SAS、Hadoop、Tableau、SQL等等
四、转行学生的真实经历分享
我大学学的是化学工程与工艺，毕业时就知道自己的专业对于女生的残酷，但是心中总是没有勇气跳出自己的圈子，重新开始。自大学毕业开始，就一直兢兢业业的从事本专业的工作，但是工作的环境，周围的人群，总让我觉得生活像一潭死水，激不起半点浪花，偶尔也有换一个环境的念头。从2016年开始接触实验数据的处理，并且在这一年，数据分析这个名词好像突然间就大热了起来，闯进了大家的视线，周边的朋友也有从事这个的，心里有点萌动，但是没敢冒进，直到今年的8月才下了辞职的决定，并付诸于行动，下决心学习数据分析。为此找了好几家培训机构，经过多番筛选，最终选择了CDA数据分析院来开启自己新的职业生涯。
我们是8月底开的课，课程安排的很紧凑。刚开始学习的是excel，mysql。虽然时间紧，内容多。不过跟上老师的节凑，还是收获了很多。接下来，上的高数和概率统计。刚开始，我还有点小纠结，想着来学数据分析，为什么要学习高数和概率统计呢？经过后面一系列的学习，才知道这些都是数据分析的基础。因此在这个阶段，我们要认真学习，努力夯实基础。下个阶段，我们学习的是python、R编程语言以及机器学习的算法，这个阶段尤其重要，它的内容很多，而且对于我这样的小白来说，接受的很慢，理解还很困难，在这个过程中，我经常有挫败感，甚至感到迷茫。后来在老师的鼓励下，又重振信心，咬牙坚持，上课努力跟着老师的节凑，理解内容，争取看懂代码。对于上课没看懂的内容，下课后也尽量弄明白。有时间，也试着练习老师上课所讲的代码。随着课程的进行，练习的增加，接受的也越来越多，理解的越来越透彻。因此在这个阶段一定要坚持和相信自己。跟着老师的节凑，多敲代码，下课尽量复习。后期还有一些案例课程，这个课程也非常重要，你可以将自己学习的内容和实际很好的结合起来，了解未来想从事的方向。经过上一阶段的打磨，再到这一阶段的实际结合。自己对数据分析也有了很深的理解。自己比最初刚来的时候，收获很多的知识。
最后的毕业项目，虽然我们小组没有获得第一名，但是整个项目都是我们实实在在努力的成果。通过这一次的实操，我觉得自己具备一个初级数据分析师该有的能力。毕业后，经过一段时间的奔波，成功转入职数据分析师。

最新开课时间：  
2019年3月3日        (深圳校区）
2019年3月10日      （西二旗校区、成都校区）
2019年3月17日      （广州校区）
2019年4月15日      （深圳校区）
2019年4月21日      （北京校区）
想了解更多数据分析相关内容请直接联系：

赵老师：座机：010-53351739
扫码添加赵老师微信：