新人转行数据分析师，普遍遭遇没有合适项目的困扰，简历上项目一栏，要么空空如也，要么千篇一律，该怎么办呢？  一、你是否也遇到以下问题？ 技能学了许多，却没有实际操作过？时间久了，新学的技能也生疏了。 Excel、PowerBi、MySQL、Python看起来都懂，实际运用时，却毫无头绪。 跟着课程老师，做了几个泰坦尼克、伦敦房价、链家二手房、淘宝母婴等项目，洋洋洒洒写到简历里，却和他人千篇一律。 网上数据源辣么多，万花丛中挑花了眼，到底哪个项目适合数据分析新手练习？ 找到适合的数据源后，该从哪里开始？ 怎么办呢？别急，本文问你慢慢解答。 二、项目数据源去哪儿找？ 自己又不会爬虫，那么数据源该去哪里找呢？ 随手一百度，选取了几个热到烫手的数据集，如Titanic生存分析、London房价预测、淘宝母婴用品分析。 这种过热的数据集往往不容易分析出亮点（亮点都被别人挖掘完了），同时在你之前，面试官就看过上百份同样项目描述的简历，听过不下10个人说同样的项目经验，就算项目很美好，也难免审美疲劳。 要么简历石沉大海，要么面试回去等通知，一首凉凉送给自己。 针对广大小伙伴的痛点，我分析了各个数据源网站的特色，同时列举适合用来做数据分析的数据源，供大家取用。 AWS（Amazon Web Services亚马逊云服务）——重度开发用户的后花园 AWS是Amazon公司的云计算IaaS和PaaS平台服务。AWS提供了一整套基础设施和应用程序服务，使几乎能够在云中运行一切应用程序：从企业应用程序和大数据项目，到社交游戏和移动应用程序（例行介绍，自行百度）。 AWS提供了一份公共数据集，也类似于从各个网站（不限于Kaggle、GitHub等）收集整理的资料，截止到目前为止，共有118个数据集集合和相应教程，包含Python、R、Spark等多种工具的使用，涉及数据分析、图形挖掘、API搭建等多方面。数据集内容范围广阔且较为专业（部分附有学术论文链接），适合想深入学习的大白。 地址：Registry of Open Data on AWS  主界面图 （干货预警）直接上适合用来数据分析的数据集： 1、Amazon Customer Reviews Dataset亚马逊客户评论数据集（需aws账号） 链接：Amazon Customer Reviews Dataset 说明：这个数据集数据量1亿3千万（如果能用于分析，简直是项目中重磅炸弹！），来自于亚马逊客户的评论，包含各种评论的情感类数据。缺点是数据集无法下载离线版本，需利用aws账号登录，在亚马逊云端完成整个分析。 2、Deutsche Börse Public Dataset德意志交易所公共数据集（强推） 链接：https://registry.s/deutsche-boerse-pds/说明：包含5个非常适合用来做数据分析项目的数据集，SQL、Python等均可操作，每个数据集均可离线下载。  数据源界面图 三、拿到数据集以后，该从何开始呢？ 那么问题又来了，找到了合适的数据源，怎么开始一个项目，还是一头雾水呀？我根据个人所学习和练习的数分项目，总结出项目分析流程基本上可以分为以下5步： 数据收集（了解业务模式，清楚字段含义） 定义问题（根据业务认识，从需求出发，自定义需解决的问题） 数据清洗（脏数据处理，数据精简以及整合） 数据分析（利用何种分析手段，探索数据，且进行可视化，展示数据，得到结论） 输出报告（撰写项目分析报告，落地项目结论，形成体系）  数据分析5步法 套上自己最熟悉的技能（Python、MySQL、powerBi等），完成从数据清洗到数据报告的整个流程，最终洋洋洒洒写到简历中，面试上也能侃侃而谈，岂不美滋滋。 这个系列持续更新，后面会出具体的项目实操~~ |
|
|
