年薪50萬的大數據分析師養成記【摘抄】

如下是一位在數據分析領域打滾了N年後，寫下的一些體會，必定能給新人一些借鑑的地方。（總結的不錯，你們能夠借鑑學習哦）

1、數據分析師有哪些要求？

　　一、理論要求及對數字的敏感性，包括統計知識、市場研究、模型原理等。

　　二、工具使用，包括挖掘工具、數據庫、經常使用辦公軟件（excel、PPT、word、腦圖）等。

　　三、業務理解能力和對商業的敏感性。對商業及產品要有深入的理解，由於數據分析的出發點就是要解決商業的問題，只有理解了商業問題，才能轉換成數據分析的問題，從而知足部門的要求。

　　四、彙報和圖表展示能力。這是臨門一腳，作得再好的分析模型，若是不能很好地展現給領導和客戶，成效就大打折扣，也會影響到數據分析師的職業晉升。

2、請把數據分析做爲一種能力來培養

　　從廣義來講，如今大多數的工做都須要用到分析能力，特別是數據化運營理念深刻的今天，像BAT這樣的公司強調全員參與數據化運營，因此，把它做爲一種能力培訓，將會讓你終生受益。

3、從數據分析的四個步驟來看清數據分析師需具有的能力和知識：

　　數據分析的四個步驟（這有別於數據挖掘流程：商業理解、數據理解、數據準備、模型搭建、模型評估、模型部署），是從更宏觀地展現數據分析的過程：獲取數據、處理數據、分析數據、呈現數據。

　　（一） 獲取數據

　　獲取數據的前提是對商業問題的理解，把商業問題轉化成數據問題，要經過現象發現本質，肯定從哪些緯度來分析問題，界定問題後，進行數據的採集。此環節，須要數據分析師具有結構化的思惟和對商業問題的理解能力。

　　推薦書籍：《金字塔原理》、麥肯錫三部曲：《麥肯錫意識》、《麥肯錫工具》、《麥肯錫方法》

　　工具：思惟導圖、mindmanager軟件

　　（二） 處理數據

　　一個數據分析項目，一般數據處理時間佔70%以上，使用先進的工具備利於提高效率，因此儘可能學習最新最有效的處理工具，如下介紹的是最傳統的，但卻頗有效率的工具：

　　Excel：平常在作通報、報告和抽樣分析中常常用到，其圖表功能很強大，處理10萬級別的數據很輕鬆。

　　UltraEdit：文本工具，比TXT工具好用，打開和運行速度都比較快。

　　ACCESS：桌面數據庫，主要是用於平常的抽樣分析（作全量統計分析，消耗資源和時間較多，一般分析師會隨機抽取部分數據進行分析），使用SQL語言，處理100萬級別的數據仍是很快捷。

　　Orcle、SQL sever：處理千萬級別的數據須要用到這兩類數據庫。

　　固然，在本身能力和時間容許的狀況下，學習新流行的分佈式數據庫及提高自身的編程能力，對將來的職業發展也有很大幫助。

　　分析軟件主要推薦：

　　SPSS系列：老牌的統計分析軟件，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏數據挖掘），不用編程，易學。

　　SAS：老牌經典挖掘軟件，須要編程。

　　R：開源軟件，新流行，對非結構化數據處理效率上更高，需編程。

　　隨着文本挖掘技術進一步發展，對非結構化數據的分析需求也愈來愈大，須要進一步關注文本挖掘工具的使用。

　　（三） 分析數據

　　分析數據，須要用到各種的模型，包括關聯規則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的數據須要在參照系下進行對比，結論纔有意義。

　　推薦的書籍：

　　一、《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》，盧輝着，機械出版社。這本書是近年國內寫得最好的，務必把它看成聖經同樣來讀。

　　二、《誰說菜鳥不會數據分析（入門篇）》和《誰說菜鳥不會數據分析（工具篇）》，張文霖等編着。屬於入門級的書，適合初學者。

　　三、《統計學》第五版，賈俊平等編着，中國人民大學出版社。比較好的一本統計學的書。

　　四、《數據挖掘導論》完整版，[美]Pang-Ning Tan等着，範明等翻譯，人民郵電出版社。

　　五、《數據挖掘概念與技術》，Jiawei Han等着，範明等翻譯，機械工業出版社。這本書相對難一些。

　　六、《市場研究定量分析方法與應用》，簡明等編着，中國人民大學出版社。

　　七、《問卷統計分析實務—SPSS操做與應用》，吳明隆着，重慶大學出版社。在市場調查領域比較出名的一本書，對問卷調查數據分析講解比較詳細。

　　

　　（四） 呈現數據

　　該部分須要把數據結果進行有效的呈現和演講彙報，須要用到金字塔原理、圖表及PPT、word的呈現，培養良好的演講能力。

　　推薦書籍：

　　一、《說服力讓你的PPT會說話》，張志等編着，人民郵電出版社。

　　二、《別告訴我你懂ppt》增強版，李治着，北京大學出版社。

　　三、《用圖表說話》，基恩。澤拉茲尼着，馬曉路等翻譯，清華大學出版社。

　　（五） 其餘的知識結構

　　數據分析師除了具有數學知識外，還要具有市場研究、營銷管理、心理學、行爲學、產品運營、互聯網、大數據等方面的知識，須要構建完整普遍的知識體系，才能支撐解決平常遇到的不一樣類型的商業問題。

　　推薦書籍：

　　一、《消費者行爲學》第10版，希夫曼等人着，江林等翻譯，中國人民大學出版社，如今應該更新到更高的版本。

　　二、《怪誕行爲學》升級版，艾瑞里着，趙德亮等翻譯，中信出版社

　　三、《營銷管理》，科特勒等着，梅清豪翻譯，格致出版社和上海人民出版社聯合出版

　　四、《互聯網思惟—獨孤九劍》，趙大偉主編，機械出版社

　　五、《大數據時代—生活、工做與思惟的大變革》，舍恩伯格等着，周濤等翻譯，浙江人民出版社

4、關於數據分析師的職業發展：

　　一、數據分析師一般分兩類，分工不一樣，但各有優點。

　　一類是在專門的挖掘團隊裏面從事數據挖掘和分析工做的。若是你能在這類專業團隊學習成長，那是幸運的，但進入這類團隊的門檻較高，須要紮實的數據挖掘知識、挖掘工具應用經驗和編程能力。該類分析師更偏向技術線條，將來的職業通道可能走專家的技術路線。

　　另外一類是下沉到各業務團隊或者運營部門的數據分析師，成爲業務團隊的一員。他們工做是支撐業務運營，包括平常業務的異常監控、客戶和市場研究、參與產品開發、創建數據模型提高運營效率等。該類型分析師偏向產品和運營，能夠轉向作運營和產品。

　　二、數據分析師的理想行業在互聯網，但條條大道通羅馬，走合適你的路線。

　　從行業的角度來看：

　　1）互聯網行業是數據分析應用最廣的行業，其中的電商企業，更是目前最火的，並且企業也更重視數據分析的價值，是數據分析師理想的成長平臺。

　　2）其次是諮詢公司（好比專門的數據挖掘公司Teradata、尼爾森等市場研究公司），他們須要數據分析人才，並且相對來講，數據分析師在諮詢公司成長的速度更快，專業也會更全面。

　　3）再次是金融行業，好比銀行和證券等行業，該行業對數據分析的依賴需求，愈來愈大。

　　4）最後是電信行業（中國移動、聯通和電信），它們擁有海量的數據，在嚴峻的競爭下，也愈來愈重視數據分析，但進入這些公司的門檻比較高。

5、什麼人適合學習數據分析？

　　這個問題的答案跟「什麼人適合學功夫」同樣，毫無疑問，功夫是適合任何人學習的（排除心術不正的人），由於可以強身健體。而功夫的成效，要看習武者的修煉深淺。經常有人爭論，是詠春拳厲害，仍是散打厲害，實際上是顛倒了因果，應該看哪一個人練習得比較好，流派之間沒有高低，只有人修煉的厚薄。

　　實際上，問題的潛臺詞是「什麼人學習數據分析，會更容易取得成功（好比職業成功）」，這個要視乎你的興趣、付出和機遇。但要作到出類拔萃，除了上面三點，還須要一點天賦，這裏的機遇是指你遇到的職業發展平臺、商業環境、導師和同事。

　　借用管理大師德魯克的話「管理是能夠習得的」，管理並不是是天生的，而數據分析能力，也能夠後天提高。或許作到優秀，只須要你更加的努力+興趣，而這個努力的過程，也包括你尋找機遇的部分。

6、關於如何學習：

　　學習方法千萬種，關鍵是找到適合本身的，最好可以結合你的工做遇到的問題來學習。

　　一、蒐集書籍、案例庫和視頻，先弄懂理論，而後學會軟件操做，本身製做屬於本身的教程。

　　好比，你學習聚類分析模型。1）蒐集相關的聚類分析模型的書籍、案例和教學視頻，瞭解聚類分析的原理，主要有哪幾種算法（劃分、層次、密度、網格）、模型適用的範圍和前提、如何評估模型的精確度等。

　　2）本身學會用軟件來實現。

　　3）總結整理成一份PPT和製做操做視頻，成爲本身的學習教程，不斷完善。

　　4）學習到必定程度後，能夠在博客、微信等渠道分享，授人與漁，而本身也會有所收穫。

　　二、關注名人、名博、網站，多渠道學習。

　　1）關注專業的數據分析、諮詢公司網站和論壇，特別強調，統計軟件公司的網站如SPSS的官網有不少案例庫，值得關注。

　　SPSS的案例庫，可在官網上搜索各種案例：http://www.ibm.com/developerwork ... 8zhangzy/index.html

　　另外，你最好建一個本身的網址導航目錄，提高你的學習效率

　　2）關注名人名博，最好能加他們的微博、微信和微信公衆號，看牛人的博客和微信等內容，仍是能獲得不少引導，這個你懂的。

　　3）加入一些有共同愛好的QQ羣，互相學習交流。一般羣裏有人會提出一些真實的運營問題，而後你們用不一樣的方法去解決，對思路頗有啓發。

　　4）碎片化學習，最大化你的時間價值。爲了把零散的時間利用起來，一般我會把一些資料上載到網盤，在零碎的時間裏經過手機進行視頻、文檔學習等。目前使用百度雲盤和360網盤。百度雲盤應用比較廣，一般在網絡上搜索「關鍵詞+百度雲」後，搜到結果能夠直接保存在雲盤上，搜索保存速度極大提高。360網盤則空間比較大，能夠到達40T，同時有保險箱加密功能，安全性高一些。

　　手機上安裝一些APP，隨時隨地學習。

7、最後的建議

　　請再次問問本身，是否真的喜歡數據分析，可否忍受處理數據時的寂寞？若是是，那就開始學習，給你幾條建議。

 

　　一、把數據分析做爲一種能力培養，讓本身在如今的團隊中展示出良好的數據分析能力，爲你之後內部轉崗作好準備。若是內部轉崗不成，你能夠考慮跳槽到我以前分析的行業中，但我強烈建議你仍是須要把系統開發的編程能力學習好，而且對商業智能系統（BI和CRM）有必定了解，這也許是應聘數據分析的優點。若是沒有數據分析經驗去應聘，相對會難一些，用人單位會考你統計和數據挖掘模型方面的知識，以及工具使用狀況。

 

　　二、在公司裏找一些有共同愛好的同事一塊兒學習數據分析，平時多請教數據分析作得好的同事，它山之石，能夠攻玉。

 

　　三、紮實學好1、兩門數據挖掘軟件，基於你有編程的基礎，建議你能夠學SAS或者R，同時輔助學習SPSS Modeler。若是沒編程基礎或者但願短時間可以取得成效，那也能夠先學習SPSS。SAS+SPSS，基本可以知足很大部分企業的需求，三者都會，那更好。

 

　　四、要了解公司是如何運營，產品是如何開發的，如何作客戶研究鎖定客戶需求，如何作產品營銷，這些須要不斷工做積累和普遍的閱讀。

 

　　五、開始學習時，先讀幾本有趣的數據分析類的書，而後系統學習一下統計知識（建議教材用《統計學》第五版，賈俊平等編着），接着網上快速蒐集軟件操做視頻和案例，而後逐個分析模型進行學習和總結概括，學習最好可以結合實際工做中的問題進行。

 

　　六、學習到必定程度時，參加一些數據分析師的職業認證，進一步梳理知識結構，同時認識一些志同道合的朋友和老師，也是對你有很大幫助。

 

　　但願你可以成爲你想成爲的人！

 

原文：http://bbs.pinggu.org/thread-5045933-1-1.html