|
转行数据分析是个老生常谈的话题，想要转行数据分析的人很多，其中有些人的工作和数据分析沾边，有的人工作和数据分析八杆子打不着，那是什么原因促使这群人聚在一起转行数据分析呢？ 大致的回答都是因为看好大数据的发展前景，并且薪酬待遇非常不错。 由于互联网的崛起，每天都会有大量的数据产生，“拍脑袋”做决策已经无法满足企业的需求，依靠数据分析进行科学决策才是实现一个好的决策的根本，这就催生了各种数据分析的业务需求。 但是目前“数据分析师”的水平良莠不齐，数据分析师到底需要拥有哪些技能？转行数据分析应该知道哪些？如何快速成为数据分析师？这是想要转行数据分析人的共同疑问。 本文针对想要转行数据分析的朋友，做出一些转行前应该了解的内容，让你从一开始就走上一条平滑，轻松的数据分析之路。 01了解数据分析师 数据分析工作到底是做什么的？相信这是许多新人共同的疑问。 数据分析师这个职位，不同的公司，不同的行业，对于它的理解和工作内容都有所不同。 ·传统行业，数据分析师的工作重点是做行业报告； ·小型企业由于人少，数据分析师做的工作比较繁杂，可能从数据采集和处理到数据产品搭建都属于数据分析师的工作； ·大型互联网公司则对岗位划分比较明确，大部分时间都是在做产品和运营的分析工作，而数据处理等基础准备则是数据专员来做。 明确了数据分析师的工作范围，大概也就清楚了每天要做些什么，比如： ETL工作——基础数据采集和处理 一般数据分析师工作——产品、运营数据分析 类似产品经理工作——数据产品的思考和搭建 数据挖掘工程师——数据价值的挖掘 此外，还有一个更明确的方向就是看招聘要求，转行的最终目的也是为了就业，对标岗位要求，就能知道一个数据分析师到底在从事哪些工作。 02 需要哪些能力 软素质：是否对数据分析感兴趣，是否具有良好的自主学习能力与沟通表达能力。 兴趣是最好的老师，这句话在任何时候都不过时，如果你对数据分析无感，在面对大量数据运算感到头疼，更对编程学习表示抗拒，那可能入门数据分析对你来说非常困难； 同时，自主学习能力也很重要，对于那些完全不了解数据分析的同学来说，转行需要重头学起，而数据分析所涉及的知识体系非常庞大，需要学习者持续不断地学习； 沟通表达能力不用多说，作为一名数据分析师，要将数据分析得到的结果进行可视化表达，与决策者进行有效沟通，利用数据分析结果进行有效决策，良好的沟通表达能力可以提高过程效率。 硬技能：了解数据库、数据仓库、数据采集，Excel、SQL，Python 等。 这里所列出来的硬技能是可以通过后期学习来具备的，所以初学者不用担心。数据分析之所以成为大数据方向的热门职位，就是因为它门槛很低，不需要任何基础就能学。 当然，如果你在转行之前就了解这些知识，也许是简单的数据操作，或是会一门语言，又或是专业的程序员，这些都会让你的数据分析之路变得容易很多。 其它：是否具备某个行业的业务经验，是否有过用数据驱动业务的经验、案例等。 为业务服务的分析师，即服务于产品、运营、市场、广告等等业务部门、提供数据支持的数据分析师，往往需要对业务有一定的了解。 03 职业方向和成长路线 在学习数据分析的知识方面也不能落下对各个数据岗位的了解，接下来介绍数据分析行业中岗位，大致分为四个方向：数据分析、数据挖掘、数据开发、数据产品。 1)数据分析师 从事数据采集、整理、分析，发现问题，分析问题，得出结论，为公司的决策层提供数据支持，偏向于业务。 2)数据挖掘工程师/算法工程师 利用模型训练数据，从海量数据中挖掘规律，预测或分类对象，主要偏向编程和算法，对统计理论知识要求偏高。 3)数据开发工程师 设计、搭建并维护基础设施，以提供数据收集、存储、处理、计算等平台。偏代码开发，需要在代码能力上弥补，但与纯技术栈的程序员相比需要一定的业务逻辑。 4)数据产品经理 主要负责以数据为导向提炼需求、设计、规划、项目排期至项目落地，以及后期的产品改进和优化等。 但不是一开始你就能从事上面这些职位，数据分析师也是从基础的岗位做起，慢慢进步的。 1 第一阶段 具备技能：熟练运用EXCEL，熟练使用函数、筛选、排序等基本功能，透视表和VBA也要学会 可视化工具：ppt即可 岗位：传统公司的数据专员 2 第二阶段 具备技能：第一阶段+SQL+一定的业务理解 可视化工具：PPT、BDP等 岗位：大多数传统公司，互联网小运营、产品团队的数据运营 3 第三阶段 具备技能：前面所学知识+统计学（回归、假设检验、时间序列...)+编程语言（python、R...) 可视化工具：商业BI、tablaeu、echarts等 岗位：数据分析师 4 第四阶段 具备技能：精进统计学+机器学习+业务大牛 可视化：同上 岗位：高级数据分析师、数据挖掘工程师、算法工程师等 04 技能学习 数据分析师需要具备的知识包括概率统计、数据库基本操作、一定的编程知识，再深入一点，还会涉及到初级的机器学习知识。 以python为例以下是整个知识体系的概览，你可以先有一个初步的全面了解。 ➢ 概率统计知识 ：概率论 、统计学 ➢ Python基础与网络爬虫： Python基础语法、 Python网络爬虫 ➢ SQL数据库知识：MySQL数据库、SQL操作语句 ➢ 利用Python进行数据分析和可视化 ： Python数据分析、 Python数据可视化 ➢ 机器学习基础 ：监督学习 、无监督学习 、scikit-learn机器学习包 为什么用python来举例，如果必须要学习一门数据分析的编程语言，那我首推python，不仅是因为Python在科学领域非常流行，特别是在数据挖掘和机器学习等方面，更因为python简单易用，非常容易上手。 |
|
|
