分享

更多

   

从零开始学数据分析,什么程度可以找到工作?

2016-08-20  春华秋浓


基本答一下吧,但是不是很准确,只了解大致情况(杭州),带有某种行业自黑。


一、第一阶段(一般岗位叫数据专员)


基本学会excel(VBA最好学会;会做透视表;熟练用筛选、排序、公式),做好PPT。这样很多传统公司的数据专员已经可以做了


二、第二阶段(数据专员~数据分析师)


这一阶段要会SQL懂业务,加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。


三、第三阶段(数据分析师)


统计学熟练(回归、假设检验、时间序列、简单蒙特卡罗),可视化PPT和excel一定要溜。这些技术就够了,能应付大多数传统公司业务和互联网业务。


四、 第四阶段(分裂)


  • 数据分析师(数据科学家)、BI等:这部分一般是精进统计学,熟悉业务,机器学习会使用(调参+选模型+优化),取数、ETL、可视化啥的都是基本姿态。


  • 可视化工程师:这部分国内比较少,其实偏重前端,会high charts,d3.js, echarts.js。技术发展路线可以独立,不在这四阶段,可能前端转行更好。


  • ETL工程师:顾名思义,做ETL的。


  • 大数据工程师:熟悉大数据技术,hadoop系二代。


  • 数据工程师(一部分和数据挖掘工程师重合):机器学习精通级别(往往是几种,不用担心不是全部,和数据分析师侧重点不同,更需要了解组合模型,理论基础),会组合模型形成数据产品;计算机基本知识(包括linux知识、软件工程等);各类数据库(RDBMS、NoSQL(4大类))


  • 数据挖掘:和上基本相同。


  • 爬虫工程师:顾名思义,最好http协议、tcp/ip协议熟悉。技术发展路线可以独立,不在这四阶段。


发现回答的有点文不对题,不过大致是所有从底层数据工作者往上发展的基本路径。


往数据发展的基本学习路径可以概括为以下内容:


1. EXCEL、PPT(必须精通)


数据工作者的基本姿态,话说本人技术并不是很好,但是起码会操作;要会大胆秀自己,和业务部门交流需求,展示分析结果。技术上回VBA和数据透视就到顶了。


2. 数据库类(必须学)


初级只要会RDBMS就行了,看公司用哪个,用哪个学哪个。没进公司就学MySQL吧。

NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存,严格意义上不算数据库),然后(选学)可以了解各类NoSQL,基于图的数据库Neo4j,基于Column的数据库BigTable,基于key-value的数据库redis/cassendra,基于collection的数据库MongoDB。


3. 统计学(必须学)


如果要学统计学,重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的,这个看自己的意愿。


其他数学知识:线性代数常用(是很多后面的基础),微积分不常用,动力系统、傅里叶分析看自己想进的行业了。


4. 机器学习(数据分析师要求会选、用、调)


常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。


5. 大数据(选学,有公司要求的话会用即可,不要求会搭环境)


hadoop基础,包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。


6. 文本类(选学,有公司要求的话会用即可)


这部分不熟,基本要知道次感化、分词、情感分析啥的。


7. 工具类


语言:非大数据类R、Python最多(比较geek的也有用julia的,不差钱和某些公司要求的用SAS、Matlab);大数据可能还会用到scala和java。


可视化(选学):tableau、 plot.ly 、d3.js、echarts.js,R里面的ggplot、ggvis,Python里的bokeh、matplotlib、seaborn都不错


数据库语言:看你自己用啥学啥


其他框架、类库(选学):爬虫(requests、beautifulsoup、scrapy),日志分析(常见elk)


来        源:知    乎   

作        者:黄宝臣    本文由作者授权数据分析网发布

原文地址:https://www.zhihu.com/question/47760443/answer/107572862



点击文字查看精选热文


大数据 | 大数据分析 | 大数据技术

数据分析 | 阿里巴巴 | 数据分析师

数据分析能力 | 产品经理 | CEO

数据挖掘 | 商业智能 | 数据可视化

数据狗 | 数据科学家 | 必备工具

EXCEL | R语言 | Python

数据产品 | 机器学习 | 深度学习



    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。如发现有害或侵权内容,请点击这里 或 拨打24小时举报电话:4000070609 与我们联系。

    猜你喜欢

    0条评论

    发表

    类似文章 更多
    喜欢该文的人也喜欢 更多