數據分析師的成長之路

在學習數據分析之前應該明白幾點

數據初期的準備通常占整個數據挖掘項目工作量的70%左右。
數據分析師本身融合了業務知識、統計學和計算機等學科，并不是新的技術。
數據分析更適合業務人員學習（相比技術人員學習業務來的更高效）
數據分析項目通常需要重復一些毫無技術含量的工作。

以數據分析師為例，先看一下國內知名互聯網數據分析師的招聘要求：

計算機、統計學、數學等相關專業本科及以上學歷；
具有深厚的統計學、數據挖掘知識，熟悉數據倉庫和數據挖掘的相關技術，能夠熟練地使用SQL；
三年以上具有海量數據挖掘、分析相關項目實施的工作經驗，參與過較完整的數據采集、整理、分析和建模工作；
對商業和業務邏輯敏感，熟悉傳統行業數據挖掘背景、了解市場特點及用戶需求，有互聯網相關行業背景，有網站用戶行為研究和文本挖掘經驗尤佳；
具備良好的邏輯分析能力、組織溝通能力和團隊精神；
富有創新精神，充滿激情，樂于接受挑戰

從業務開始

學習一門技術要和行業靠攏，沒有行業背景的技術如空中樓閣。技術尤其是計算機領域的技術發展是寬泛且快速更替的（十年前做網頁設計都能成立公司），一般人沒有這個精力和時間全方位的掌握所有技術細節。但是技術在結合行業之后就能夠獨當一面了，一方面有利于抓住用戶痛點和剛性需求，另一方面能夠累計行業經驗，使用互聯網思維跨界讓你更容易取得成功。不要在學習技術時想要面面俱到，這樣會失去你的核心競爭力。

大數據是技術工具，最終的應用需要深入理解業務企業的業務場景和商業模式，甚至有人說不懂業務就不要談大數據，可見領域知識的重要性。值得一提的是，近幾年在頂尖科學雜志《Nature》與《Science》上發表的大數據文章都是來自行業專家，而并非計算機專家，這從另外一個方面反映了業務知識的重要性。

get技能

數學知識

數學知識是數據分析師的基礎知識。對于初級數據分析師，了解一些描述統計相關的基礎內容，有一定的公式計算能力即可，了解常用統計模型算法則是加分。對于高級數據分析師，統計模型相關知識是必備能力，線性代數（主要是矩陣計算相關知識）最好也有一定的了解。

分析工具

對于初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。對于高級數據分析師，使用分析工具是核心能力， SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。

編程語言

對于初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。對于高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。

以上來自：http://www.ppvke.com/Blog/archives/37780

做了一段時間的數據分析，一點個人的體會：

1、數據的前期準備非常重要，首先你需要特別了解你的數據，內容是什么，各類數據的范圍，大致特征；然后進行數據清洗和預處理，這些都是非常關鍵的步驟。

如果忽略以上的步驟或者完成的不到位，那么即使是在最后的建模階段，撰寫分析報告的階段，也都得回到最初的數據準備環節。

2、要熟練掌握常用的統計軟件，比如Excel，spss等，有時候如果對編程不熟悉的部分直接使用統計分析軟件，結果會更快和更方便。

在工作中，一方面要求效率，一方面要求準確性和數據的可用性，所以，有時候必須得充分考慮數據的特點和實際問題的結合，才能得出具有實用性的分析結果。

3、 學習的系統性

這一點非常重要，現在處于一個碎片化知識的整理和部分的加強階段。

4、習慣記錄！

學習的記錄是一個非常重要的環節，一方面是知識的鞏固，更重要的是一個邏輯的強化。

keep updating!

總結

以上是生活随笔為你收集整理的数据分析的成长规划的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。