|
现如今，大多数企业都希望你拥有逻辑分析能力，尤其是在对数据的理解和敏感度的问题上。尤其是BAT这类大厂，更是希望你能将数据化运营理念落实到工作的方方面面上。互联网公司强调全员数据化管理和运营，把数据分析能力当做职场人必备的能力在培训。 在这种趋势下，数据分析能力变得至关重要，很多企业对于数据分析从业者更是给出了天价的待遇。由此可见，数据分析的就业前景有多广，真的只有你想不到的好~ 1、数据分析新手需要具备哪些能力？ 1）理论知识要宽泛，涉及数学、市场和技术。要求及对数据敏感，包括统计知识、市场研究、模型原理等。 2）常规分析工具的使用，包括数据库、数据挖掘、统计分析工具，常用办公软件（Excel、PPT、思维导图）等等。 3）有一定的业务理解能力，能理解业务背后的商业逻辑。因为只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。 4）数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。 2、入门级数据分析师所需具备的能力和知识 数据分析的四个步骤：数据获取、数据处理、数据分析、数据呈现。 1）数据获取 数据获取看似简单，但是需要把握对问题的商业理解，转化成数据问题来解决，直白点讲就是需要哪些数据，从哪些角度来分析，界定问题后，再进行数据采集。此环节，需要数据分析师具备结构化的逻辑思维。 l 推荐书籍：《金字塔原理》、麦肯锡三部曲：麦肯锡意识、工具、方法； l 推荐工具：思维导图工具（Xmind\百度脑图等）； 2）数据处理 数据的处理需要掌握有效率的工具： l Excel及高端技能：日常工作通用，容易掌握，处理10万级别的数据很轻松。 l 基础：简单的表格数据处理、打印、查询、筛选、排序 l 函数和公式：常用函数、高级数据计算、数组公式、多维引用、function l 可视化图表：图形图示展示、高级图表、图表插件 l 数据透视表、VBA程序开发：按照我习惯的方法，先过一遍基础，知道什么是什么，然后找几个case练习。多逛逛excelhome论坛，平常多思考如何用excel来解决问题，善用插件，还有记得保存。 l Oracle和SQL sever：企业最常用的千万级别的数据库，熟练掌握SQL语言。 另外，你还可以通过学习时下流行的hadoop之类的分布式数据库，来提升个人能力，对求职有帮助。 3）分析数据 分析数据往往需要各类统计分析模型，如关联规则、聚类、分类、预测模型等等。 统计分析工具： l SPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘），不用编程，易学。 l SAS：经典挖掘软件，需要编程。 l R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。 BI工具： l Tableau：可视化工具的鼻祖，对于处理好的数据可作自由的可视化分析，图表效果惊人 l 大数据BI工具FineBI：类同Tableau，可在前端做任意维度分析；数据可在前端继续处理（计算、筛选过滤等），可对接hadoop之类的大数据平台，数据处理性能较好。 推荐书籍： 《说菜鸟不会数据分析》系列，入门级书，初学者最适。 《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，内容很系统很全面。 《市场研究定量分析方法与应用》，简明等编着，中国人民大学出版社。 4）数据可视化呈现 很多数据分析工具已经涵盖了数据可视化部分，只需要把数据结果进行有效的呈现和演讲汇报，可用word\PPT\H5等方式展现。 3、关于数据分析师的职业发展 根据数据分析技能用途不同，我们大致将数据分析师分为两类：技术型&业务型数据分析师。因分工不同，所以优势各异也就不奇怪了。 1）技术型 技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等，这些称谓都或多或少代表了其工作性质。 2）业务型 业务型分析师是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。 3）从行业的角度来看 正所谓，条条大道通罗马，关键看你怎么选，怎么合适你的路线。下面给大家做个简单的行业分析： l 互联网行业 互联网行业是数据分析应用最广的行业，其中的电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。 l 咨询公司 像咨询公司（比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司），他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。 l 金融行业 像金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。 l 电信行业 电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。 4、如何系统地学习数据分析？ 学习方法千万种，关键是找到适合自己的，最好能够结合你的工作遇到的问题来学习。这里我列举一个经典的从0到1的入门方法： 第一周：Excel学习掌握 第二周：数据可视化 第三周：分析思维的训练 第四周：数据库学习 第五周：统计知识学习 第六周：业务学习 第七周：Python/R学习 写在最后 学数据分析前，先问问自己是否真的喜欢数据分析，能否忍受处理数据时的寂寞？如果是，那就宜早不宜迟，马上开始行动吧。 再次强调，请把数据分析作为一种能力培养，让自己逐步养成数据分的思维和习惯。扎实学好一、两门数据挖掘软件，基于你已有得编程基础，可以学SAS或者R，基本能够满足很大部分企业的需求。 最后，多看多想多观察，学习业务职能是这样，细水长流，还需要不断工作积累和广泛的阅读。希望你能够成为你想成为的人！ 文章来源：网络 版权归原作者所有 上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理 |
|
|
