乾貨：數據分析師的能力和工具體系

• 不一樣領域開發工具 Top 50
• 2017 最全的機器學習開源項目列表
• 2017年關於數據科學的六大預言
• 寫好一份數據分析報告的13個要點

一.數據分析師的能力體系

1.數學知識

數學知識是數據分析師的基礎知識。

對於初級數據分析師，瞭解一些描述統計相關的基礎內容，有必定的公式計算能力便可，瞭解經常使用統計模型算法則是加分。

對於高級數據分析師，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）最好也有必定的瞭解。

而對於數據挖掘工程師，除了統計學之外，各種算法也須要熟練使用，對數學的要求是最高的。

2.分析工具

對於初級數據分析師，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做爲入門是比較好的。

對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其餘分析工具（如Matlab）視狀況而定。

對於數據挖掘工程師……嗯，會用用Excel就好了，主要工做要靠寫代碼來解決呢。

3.編程語言

對於初級數據分析師，會寫SQL查詢，有須要的話寫寫Hadoop和Hive查詢，基本就OK了。

對於高級數據分析師，除了SQL之外，學習Python是頗有必要的，用來獲取和處理數據都是事半功倍。固然其餘編程語言也是能夠的。

對於數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。

4.業務理解

業務理解說是數據分析師全部工做的基礎也不爲過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴於數據分析師對業務自己的理解。

對於初級數據分析師，主要工做是提取數據和作一些簡單圖表，以及少許的洞察結論，擁有對業務的基本瞭解就能夠。

對於高級數據分析師，須要對業務有較爲深刻的瞭解，可以基於數據，提煉出有效觀點，對實際業務能有所幫助。

對於數據挖掘工程師，對業務有基本瞭解就能夠，重點仍是須要放在發揮本身的技術能力上。

5.邏輯思惟

對於初級數據分析師，邏輯思惟主要體如今數據分析過程當中每一步都有目的性，知道本身須要用什麼樣的手段，達到什麼樣的目標。

對於高級數據分析師，邏輯思惟主要體如今搭建完整有效的分析框架，瞭解分析對象之間的關聯關係，清楚每個指標變化的來龍去脈，會給業務帶來的影響。

對於數據挖掘工程師，邏輯思惟除了體如今和業務相關的分析工做上，還包括算法邏輯，程序邏輯等，因此對邏輯思惟的要求也是最高的

6.數據可視化

數據可視化提及來很高大上，其實包括的範圍很廣，作個PPT裏邊放上數據圖表也能夠算是數據可視化，因此我認爲這是一項廣泛須要的能力。

對於初級數據分析師，能用Excel和PPT作出基本的圖表和報告，能清楚的展現數據，就達到目標了。

對於高級數據分析師，須要探尋更好的數據可視化方法，使用更有效的數據可視化工具，根據實際需求作出或簡單或複雜，但適合受衆觀看的數據可視化內容。

對於數據挖掘工程師，瞭解一些數據可視化工具是有必要的，也要根據需求作一些複雜的可視化圖表，但一般不須要考慮太多美化的問題。

7.協調溝通

對於初級數據分析師，瞭解業務、尋找數據、講解報告，都須要和不一樣部門的人打交道，所以溝通能力很重要。

對於高級數據分析師，須要開始獨立帶項目，或者和產品作一些合做，所以除了溝通能力之外，還須要一些項目協調能力。

對於數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。

8.快速學習

不管作數據分析的哪一個方向，初級仍是高級，都須要有快速學習的能力，學業務邏輯、學行業知識、學技術工具、學分析框架……數據分析領域中有學不完的內容，須要你們有一顆時刻不忘學習的心。

二.數據分析師的工具體系

能夠從圖上看到，Python在數據分析中的泛用性至關之高，流程中的各個階段均可以使用Python。因此做爲數據分析師的你若是須要學習一門編程語言，那麼強力推薦Python。