数据分析师要学什么

问题一：想考大数据分析师应该学什么？ 数据分析师是为了适应大数据时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。

数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制

问题二：数据分析师需要掌握哪些能力，需要做哪些准备 不管是什么行业的数据分析师，必须要掌握的技能是：

该行业的行业知识和经验，不能低于行业专家的平均水平

必须具有的数学知识，例如统计分析、数理统计、模糊数学、线性代数、建模方法等等

IT技术：数据库技术、大数据技术、离散数学算法。甚至是编程技术，例如C、Fortran、Java、falsh等

我曾经作为销售，在类似行当工作多年，一点点体会仅供参考。

-:(来自淘宝网的京东藏宝斋

问题三：想找数据分析的实习 应该学些什么 我做过一段时间 不过是和推广混着做的，个人觉得电商的数据分析没什么大的前途，如果真的想在数据分析行业发展的话，建议你找个有机会学建模的行业，那样出去以后到哪都吃香，或者找个需要用到统计学软件的行业，那样也好，如果你只是准备阶段建议你参加一下全国数学建模大赛，像多元统计分析，计量经济学，数理统计，这些都挺重要的

问题四：想要做数据分析师应选择什么专业？ 统计（有统计理论）、计算机专业（会编程序实现）。其实专业关系不大，只要想做，都可以慢慢的做到

问题五：如何自学成为数据分析师 中文专业的前期要多花点功夫了啊，我是数学专业的，大学做过建模，所有统计学的东西还有一些软件多少接触过一点。建议你自学的话，excel软件和spss先熟悉一下，找两本书看看，《谁说菜鸟不会数据分析》是入门的，可以看一看，先了解一下吧，数据分析的东西还是要多实践的。如果你现在工作跟数据分析没有什么关系的话，转业工作可能有点困难，这种情况建议去考个证书吧，虽然现在国内数据分析刚起步，还没有太有含金量的证书，不过你这种情况有肯定比没有好，我就去考了一个，考CPDA吧，还有一个CDA，我选考的CPDA，说是CDA国外有机构什么的，但是我找不到任何网站可以查到这个证书，问他们他们也不说，我怕找工作人家要查查不到，但是CPDA工信部网站能查询证书信息的，所以对就业帮助可能会大一些，工作还是有参考作用的，不过指望靠班学到很多还是不可能，只是让你了解入门，手上多个敲门砖。数据分析属于技术类工种，要多实践，数据采集和挖掘是基础，这些工作门槛比数据分析岗相对低一些，好找，希望对你有帮助。

问题六：如果想成为一名数据分析师，需要具备哪些基本知识 一、 办公软件

1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA；

二、 数据分析软件及方法

1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、百度统计、Omniture等；

2）具备相关数据分析软件的使用经验SPSS\SAS\EVIEW\STATA\R\Weka……

3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作；

4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、百度统计等），并掌握分析工具的部署、配置优化和权限管理；

5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求；

（71）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力；

（72）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；

（73）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力；

（74）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。

三、 数据库语言

1）熟悉Linux操作系统及至少一种脚本语言(Shell/Perl/Python)；

2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本操作；

（31）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （32）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。

四、 思维能力等方面

1）具备良好的行业分析、判断能力、及文字表达能力；

2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议；

4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力；

5）熟悉数据分析与数理统计理论，具有相关课程研修经历。

五、 其他要求

1）较强的英文听说读写能力，英语6级以上；

2）文笔良好；

3）了解seo,sem优先；

4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文>>

问题七：学数据分析师有专业要求吗？ 你好，是没有专业要求的，只要你数据基础不是太差，通过下面几步就可以成为一名数据分析师。

第一步：统计概率理论基础

这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。

第二步：软件操作结合分析模型进行实际运用

关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

第三步：数据挖掘或者数据分析方向性选择

其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。

第四步：数据分析业务应用

这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要，而这个能力是需要在工作之中一点一滴的积累，也许目前是做零售，会用到一些相关回归方法，但转行做电商，又会用到其他的挖掘等方法。业务虽千变万化，但是分析方法却万变不离其宗，所以掌握好技术用到任何一个环境靠的只有是业务经验的积累。

当然，考个CDA的数据分析师证书就更好了。

问题八：数据分析师学习方式是什么，数据分析师课程内容包括什么，数据分析师在哪里培训？ 一数据分析师的学习方式是面授和远程。

面授

项目数据分析师培训课程涉及到经济学、市场营销学、财务管理学、计量经济学、预测学、金融学等多方面知识，需要学员具备全面性理论基础知识贮备。我们对各个学科中项目分析所要用到的知识点进行了深入分析，在讲义中详细说明，使学员可在相对准确的领域内迅速掌握知识并加以运用。做到能够让学员将课本上所学的东西真正变为可以利用的有效工具。

远程学习

时间为一年整，采取先进的同步教学方式，保证学习质量，具体特点如下：

a、面授期间（8天面授），更新课程五次，通过每周的更新课程，让学员不仅可以在面授前提前预习基础知识，而且可以通过远程学习中心提交作业、知识点自我测试、考试复习、习题解答、在线答疑、案例参与等综合项目更好的掌握知识。

b、面授结束后，学员还有11个月的远程学习时间，每月一次的课件更新，使学员不仅能顺利适应项目数据分析师的认证考试，而且可以掌握各种数据分析的拓展知识和技能，为分析师在未来能够胜任专业分析工作奠定深厚基础。

c、远程学习不仅有丰富的文字学习内容，而且大比例增加了音频、视频课件，使学员可以通过生动的课件完成阶段性学习。

d、远程学习中心为学员提供学习计划制定、班级交流、继续教育等功能，帮助学员自觉学习、实现更好的学习效果。

二数据分析的课程有四本书：数据分析基础、量化经营、量化投资、战略管理

三、数据分析师在全国各地都有授权管理中心上课，北京、上海、广东等都有，具体的要看您在哪里。

问题九：数据分析师培训，什么人适合学数据分析 数据分析师需要学习以下几个方面的课程：

（1）数据管理。

a、数据获取。

企业需求:数据库访问、外部数据文件读入

案例分析:使用产品信息文件演示spss的数据读入共能。

b、数据管理。

企业需求:对大型数据进行编码、清理、转换。

案例分析:使用银行信用违约信息文件spss相应过程。

1）数据的选择、合并与拆分、检查异常值。

2）新变量生成，SPSS函数。

3）使用SPSS变换数据结构――转置和重组。

4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。

c、数据探索和报表呈现。

企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。

案例分析:企业绩效文件，如何生成美观清晰的报告。

1）制作报表前对变量的检查

2）制作报表的中对不同类型的数据处理

3） 报表生成功能与其他选项的区别

（2）数据处理

a、相关与差异分析。

案例分析:产品合格率的相关与差异分析。

b、线性预测。

企业需求: 探索影响企业效率的因素，并进一步预测企业效率。

案例分析:产品合格率的影响因素及其预测分析。

c、因子分析。

企业需求: 需要抽取影响企业效率的主要因素，进行重点投资

案例分析:客户购买力信息研究。

d、聚类分析。

企业需求: 需要了解购买产品的客户信息

案例分析:客户购买力信息研究

e、bootstrap。

案例分析: bootstrap抽样。

（3）SPSS代码

SPSS代码应用

问题十：大数据分析师 应该要学什么知识？ 1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。

2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。

3、至少能够用Acess等进行数据库开发；

4、至少掌握一门数学软件：matalab，mathmatics进行新模型的构建。

5、至少掌握一门编程语言；

6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。

导读随着互联网事业的发展，以及不断更新的人工智能、物联网等技术，都离不开数据分析，那么什么是数据分析为什么时下数据分析师是比较热门的高薪职业呢很多小伙伴认为数据分析师就是简单的将数据收集，然后统计最后给出结论这样的工作，其实不然，下面小编带你了解数据分析的日常工作，让你对数据分析师有个更加全面的了解。

数据分析师的日常

日常一：不固定的工作时间

很多上班族的工作时间都是固定的，做五休二，朝九晚五，不免让人感到乏味。数据分析师却不然，他们没有固定的工作时间。因为数据分析师需要根据实时数据给出最新结论。换而言之，数据分析师就是要时刻准备着。

日常二：和数据打交道

数据分析师的日常就是与各种各样的数据打交道。他们需要花费大量的时间来收集、整理数据。这两个步骤看似简单，但是如果将步骤细分，就有些复杂了。这些步骤主要包括：

1提取数据。2合并资料。3分析数据。4寻找模式或趋势。5使用各种工具，包括R，Tableau，Python，Matlab，Hive，Impala，PySpark，Excel，Hadoop，SQL和SAS。6开发和测试新算法。7试图简化数据问题。8开发预测模型。9建立数据可视化。10写出结果并与他人分享。11汇集概念证明……

但是这些任务都是数据分析师的次要任务，数据分析师的主要任务还是先确定问题，然后再通过尝试不同的办法来解决问题。

日常三：让数据变得通俗易懂

有人认为，数据分析师是可有可无的。这样的人往往不具备前瞻性。事实恰恰相反，数据分析师不仅仅需要建立模型，还需要解决问题。他们需要对数据进行处理，需要从小的角度看到全局，整理出简洁明了的报告，从而让外行人明白数据的含义。

日常四：不断汲取新的知识

数据分析师盯着电脑只会是在分析数据吗

NO!他们可能是在：

1浏览与行业相关的博客、新闻、通讯以及讨论区。

2参加会议或者和其他数据分析师在线交流。

3探索出新方法时，和同行共享新信息。

除了在数据中挖掘宝藏信息，数据分析师还需要在数据分析领域不停地钻研。一个优秀的数据分析师，只有通过不断地学习新的知识，才能与时俱进，不被社会淘汰。

以上就是小编今天给大家整理分享关于“什么是数据分析带你了解数据分析的日常工作”的相关内容，希望对大家有所帮助。小编认为要想在大数据行业有所建树，需要考取部分含金量高的数据分析师证书，这样更有核心竞争力与竞争资本。

零基础如何入门数据分析师？

大数据时代，数据为王。用数据做分析，给公司决策提供指导性意见，是众多公司在这个精细化运营，降本增效的时代必须要做的事情。各大企业都建立了数据分析部门。截止目前，我国共计1400万数据分析人才缺口，市场规模预计将在2025年达到2000亿！数据分析与其说是一个岗位，更是一个重要技能，拥有这项技能意味着你的就业前景更好，职业发展更广。

那么数据分析零基础应该怎么学呢？下面我将从数据分析的学习周期、学习内容以及职业发展规划三个方面，带大家充分了解数据分析这一行业。

1、 数据分析要学多久？

每个人的学习能力和基础都不同，所以数据分析的学习周期也不同。如果是通过自学的方式，由于无专业老师指导及无法系统的学习，这个周期可能会很长。一般来讲，如果零基础的学习者进行系统的培训，最快也要将近三、四个月的时间。数据分析的学习应该首先从熟悉表以及表结构开始，它的原点一定是在首先了解熟悉Excel的基础上，在能够从数据库里提数的基础上再进行技能的升级。你的技能从能够从数据库里提数，并且用Excel和BI处理几万行的小数据量，到使用python批量化处理几十万甚至百万行中量级数据量，到最终使用大数据的相关组件，例如hadoop，spark，flume等组件处理千万级甚至是亿级大数据量。每一个阶段所需要的工具加方法论都是不一样的。一般而言，对于自学而成为能处理中量级数据量的分析师而言，得至少入门python的pandas，numpy等数据处理库。这个零自学的周期，也一般跟悟性和自律有关，悟性和自律性高的同学，可能在4个月能够掌握；如果悟性和自律性不高的同学，这个周期有可能就是半途而废，无法估量时间了。这里给大家推荐一下聚数学院的《数据分析实战就业班》（聚数学院)，专注于培养数据分析师的数据处理能力、数据分析能力和数据挖掘能力，课程内容从数据库管理、统计理论方法、数据分析主流软件的应用到数据挖掘算法等，对一整套数据分析流程技术进行系统讲解并配以实战练习，学完之后，学习者可以直接达到数据分析师的水平。

2、 数据分析要学什么？

(1) Excel

说起Excel可能会有人觉得这个很简单，但是Excel确实是一个功能强大的利器。零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。作为数据分析师的核心工具，具体学习内容有Excel函数技巧（查找函数、统计函数、逻辑函数）、Excel快速处理技巧（格式调整、查找定位、快捷键技巧等）和Excel可视化技巧（组合图、条形图、数据气泡地图）等。

(2) Mysql

SQL同样是零基础学习数据分析的核心内容。因为作为数据分析师，你首先要解决的问题就是你要有数据来做分析。通常企业都会有自己的数据库，数据分析师首先得根据业务需要知道自己要从企业数据库中提取哪些数据。企业如果部署本地数据库，那么一定是SQL语言做提取数据的语言。SQL简单易懂，非常容易上手，并且是非学不可的。SQL语言从学习MySQL数据库开始，涉及对表结构数据的增删改查。真正在企业里面，数据分析师一般不会有增删改的权限，只会有查的权限。学员应该重点掌握查的各种句式。

(3) Python

Python的基础对于数据分析师而言是非常重要的。对于十万级或者百万级数据量而言，Excel和BI都会因为运行卡顿而变得完全无法使用。然而在实际企业运用中，一次性处理十万级以及百万级数据又是非常常见的。而Python则是处理这种中量级数据的利器。因为Python有很多的第三方强大的库，比如Numpy、Pandas、Matplotlib、Seaborn等。这些库能让数据分析师对百万数据进行数据清理和画图分析。Python不仅能数据清洗，画图，还能用sklearn进行大数据算法分析。虽然Python是数据分析的重要工具，但是不同的职业发展方向，Python掌握的程度也是不一样的。

(4) BI商业智能工具

BI可以理解成Excel图表透视表的高级版。BI是将表与表相连，然后得出很多指标图。它是一个大屏的看板，如下图：

BI看板图

企业销售指标，运营指标，物流指标等等。这些图可以表示企业在过去5个月的平均销售单价，过去24个月销售的物流发货量的变化曲线，甚至是现在实时的销售额，这些都是企业关心的问题。有了这个看板，领导层在监控企业业务方面就有了非常直观的数据，以供他们及时做出决策调整。现在市面上比较流行的BI软件，有FineBI，PowerBI等。而这些BI软件实际上都是非常类似的，学起来难度也不大。学习FineReport、FineBI由入门到精通，快速挖掘数据价值，将这些数据转化成有用的信息，让企业决策有数据依据，从而驱动企业决策和运营。

(5) 数理统计与数据运营

数理统计和数据运营方法论是数据分析师的理论基石。数理统计包括概率论，统计学，线性代数，以及基础的微积分理论。这些内容都不需要理解的很深，但是对它们的原理以及内涵都需要有所掌握。由于整个数据分析的源头其实就是脱胎于描述性统计分析的。描述性统计分析是对样本的总数、均值等指标做统计的；而数据分析后续涉及到的算法则是架构在统计学上更深一层次的建模。因此，掌握数理统计的相关知识对于入门数据分析师而言是基础且必要的。

那数据运营方法论是什么呢？数据运营方法论实际上是学习各个行业所运营的分析模型。例如，对电商而言，漏斗分析可以分析出来进入主页的人数PV1，到进入服装板块的人数PV2，PV2/PV1就可以得出一个进入服装板块的比率。还有很多通用的分析模型：相关分析，A/B test等。对于想往管理路线发展的数据分析师来讲，数据运营是必须要学习的知识。其实数据运营知识也不复杂，就是根据自身业务需求将指标拆解到最细，然后运用同比和环比两种数据分析方式。

(6) 机器学习

最后一个进阶要求数据分析师掌握对大量数据分析的能力。这种分析就不只是停留在描述统计分析和运用数据运营方法进行分析了，而是进行预测分析。预测分析的本质是利用已有的数据做出一套变量x，与预测最终值y之间的关系（也就是数学算法公式），然后利用这套算法，将更多的x输入算法中去得出一个预测的y值，这里听不懂没关系。总之，这个阶段的数据分析是利用大量的历史数据构建出一套数学公式（也就是算法），用这个数学公式去对未来进行预测。比如说：一个人大量地刷体育短视频，根据算法可以得出这个人可能对观看足球比赛的腾讯体育会员感兴趣。这类推断和预测对于商业世界是有着极大变现意义的。要想成为掌握算法的数据分析师，机器学习是不可跳过的入门。学员应该从简单的一元回归，多元回归，以及逻辑回归学习等，逐渐学习更多像决策树，随机森林，SVM等更高级的算法。

3、 数据分析的职业发展规划？

一般来讲，数据分析有两条发挥路线，一条是管理路线，一条是技术路线。往管理端发展，比如初级数据分析师，到数据运营，到数据分析经理、数据运营总监等等。这条发展路径主要要求统计学、Excel、PPT等技能，需要撰写市场分析报告。这条路看似技术掌握不用太深，但是对业务的理解要极深。而精深的业务理解需要时间和深度的业务钻研精神。如果你是非数学、计算机和统计学专业的朋友，比较适合这条非技术的职业发展之路。

而向技术方向发展，则目标会非常明确。一是深入往数据挖掘方向发展，学习深度神经网络，NLP等前沿算法。二是深入数据分析开发，把大数据组件hadoop，spark等等大数据组件学好学精。这是一条技术类的发展方向，要求更高的统计学能力、数理能力以及编程技巧。

实际上，无论是非技术的业务方向和技术专家方向都要的是两个字：钻研。当然听到这里，我们也需要重重地阐述一下：入门初级数据分析是不难的。而后半段，要成为一个优秀的数据分析师是难的，是需要刻苦钻研精神的。

如果看到这里，你觉得自己心理上已经就入门数据分析师方向做好了准备，但是你是零基础实在不知道如何入行的话，欢迎私聊获取免费的数据分析师知识点大纲，并且免费做数据分析师的入门咨询。

一、掌握基础、更新知识。

基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。

数据库查询—SQL

数据分析师在计算机的层面的技能要求较低，主要是会SQL，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些SQL技巧、新的函数，对你工作效率的提高是很有帮助的。

统计知识与数据挖掘

你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？

行业知识

如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。

一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于A部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：

对于A部门，

1、新会员的统计口径是什么。第一次在使用A部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？

2、是如何统计出来的。A：时间；是通过创建时间，还是业务完成时间。B：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。

3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。

4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？

在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写SQL代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？

对于新进入数据行业或者刚进入数据行业的朋友来说：

行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？

但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写SQL，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。

不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。

二、要有三心。

1、细心。

2、耐心。

3、静心。

数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。

三、形成自己结构化的思维。

数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。

四、业务、行业、商业知识。

当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。

这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。 数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。

如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：

1、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。

2、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。

3、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。

4、有机会走向一线，多向一线的客户沟通，这才是最根本的。

标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。

数据分析行业应用,一般数据来源：智能手机 感知装置 物联网 社群媒体等 云计算存储cda官网有很多行业案例,比如

风能发电业务场景

风力发电机有一个叶片，时间长了就要换，否则不安全，过去这个叶片一般10年换一次，因为没办法知道具体产品的使用情况，只能根据以往叶片老化的情况来估算。但这家公司在叶片上装了传感器，就能检测每个叶片的具体使用情况了，风大的地方，叶片老化快，可能8年就要换，风力均匀的地方，有些叶片可能用15年，这样就能节省资本更新的成本了。

而且，过去这家公司只生产设备，这些设备被卖到国外，具体安装到什么地方，他是不知道的，有了传感器，公司就能知道这些发电机被安装到哪里，这些地方的风力是大是小，一年四季哪天有风哪天有雨，这些数据都可以获取。根据这些数据，就能知道哪些地区风力资源丰富，有重点地规划未来市场。传统的行业利用大数据，就能更好地实现市场预判和销售提升，分分钟实现逆袭。

1分析设计

首先是明确数据分析目的，只有明确目的，数据分析才不会偏离方向，否则得出的数据分析结果不仅没有指导意义，亦即目的引导。

2数据收集

数据收集是按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供了素材和依据。这里的数据包括一手数据与二手数据，一手数据主要指可直接获取的数据。

3数据处理

数据处理是指对采集到的数据进行加工整理，形成适合数据分析的样式，保证数据的一致性和有效性。它是数据分析前必不可少的阶段。数据处理的基本目的是从大量的、可能杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。

4数据分析

数据分析是指用适当的分析方法及工具，对收集来的数据进行分析，提取有价值的信息，形成有效结论的过程。在确定数据分析思路阶段，数据分析师就应当为需要分析的内容确定适合的数据分析方法。到了这个阶段，就能够驾驭数据，从容地进行分析和研究了。

5数据展现

通过数据分析，隐藏在数据内部的关系和规律就会逐渐浮现出来，那么通过什么方式展现出这些关系和规律，才能让别人一目了然呢一般情况下，数据是通过表格和图形的方式来呈现的，即用图表说话。

6 报告撰写

数据分析报告其实是对整个数据分析过程的一个总结与呈现。通过报告，把数据分析的起因、过程、结果及建议完整地呈现出来，以供决策者参考。

数据分析师的就业前景是广阔的。

1、人才缺口大，IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为005，属于高度稀缺。

2、入门相对简单数据分析是一门跨领域技术，不需要很强的理工科背景，反而那些有市场销售、金融、财务或零售业背景的人士，分析思路更加开阔。

3、薪资待遇高1-2年工作经验的大数据分析岗位的平均月薪可达到13k左右的水平。岗位的薪酬和经验正相关，越老越值钱。

4、行业适应性强几乎所有的行业都会应用到数据，数据分析师不仅仅可以在互联IT行业就业，也可以在银行、零售、医药业、制造业和交通传输等领域服务。

5、职业寿命长数据分析职业一旦掌握，可以在职场上收益长久，掌握这门新兴技术都会大有用武之地，受其他外部业务影响相对较小，职位相对稳定。

女生做数据分析师会很累，下面详细说一下！

做数据分析通常有两种方式:一是对算法进行深入研究，然后进行数据挖掘;二是对业务进行深入了解，然后进行业务。

说实话，我并不相信数据分析本身。为什么不呢让我们从数据分析的分解开始。大多数数据分析将花费50%的时间记录数据，40%的时间与产品经理沟通:做AB实验和效应回归，10%的时间做探索性分析。现在处于数据分析岗位的位置，可以跳出来说不。

但这些工作中的大多数实际上是可替换的机械工作。读写SQL取号这个工作是一项脏活、累活，人可以取号，雇一个做了五年数据分析的和一个刚毕业的数据分析写SQL的基本没有区别。只是一开始可能不是100%准确。探索性分析是数据分析应该做的工作，但我知道大多数企业数据分析现在还没有做。探索性分析通常需要强大的技术技能或良好的业务知识，这两者都可以使探索性项目有价值。最后，技术过硬的后来基本上都去做算法数据挖掘了，因为他们发现在数据分析这个岗位上因为不断的需求扼杀了人的意志。这些人会没事的，因为过去只做数据挖掘的人，他们大部分都破产了。但事实证明，数据分析对商业更加敏感。

业务优秀的做业务的产品经理，因为原来业务能力很强，数据意识也很强，但需要跟着业务走的不强，数据不强的他背后听命令，谁能受得了呢。而他们自己的数据和业务的结合可以带来更大的价值。所以做数据分析的业务人员通常比普通的产品经理更好。

那么，回到数据分析师的未来何去何从的问题上。在我看来，数据分析本身的发展前景并不是很好。但是有了数据分析的经验，如果我走算法和业务两个方向，未来的发展不会太糟。