从零开始学数据分析，什么程度可以找工作，如何计划学习方案？

从零开始学数据分析，什么程度可以找工作？~

今年初由于换工作的原因，意外的和曾经的一些同事有了联系，其中3个数据分析师都转成了数据产品经理，几乎没有纯粹做数据分析的同事了。数据分析师入门容易，但越到职业发展后期，对技能要求越高，学习成本陡增，身边一些数据分析师都在学习python，但真的能在实际工作中运用的机会很少，所以转向数据挖掘方向的难度很大。也许数据产品经理是很多数据分析师在工作几年后一个不错的选择。接触过各种数据分析师，数据专员，etl工程师，数据挖掘，数据科学家，数据运营，数据产品。看了其他人的答案，我觉得更偏向数据开发，或者数据挖掘，我来说下一般招聘网站里要求的数据分析师的情况吧。对数据分析师的要求和数据分析师所隶属的部门相关，数据分析师一般存在于三类部门：隶属于负责某一条产品线的业务部门，部门只有一个数据分析师，也可能叫数据专员，部门内的其他人是运营、产品，数据分析师的日常工作就是给领导或同事出各种数据报表，偶尔出个报告，只要熟练掌握excel和ppt即可，数据来自bi系统，或者提需求给技术部或数据部提取数据。统计学的知识用不上，因为你的领导和同事完全不懂，他们就是想看某个数据，需要你给出数据来证明他们产品改进或运营的效果，他们会根据经验来理解这些数据。这类数据分析师的工作比较机械重复，但对自己所属的产品线非常熟悉，适合刚毕业的。

一、数据分析学习到什么程度可以找工作？
这个问题要看你准备面试的公司，具体情况差异较大。所以我只能从自身真实经验中总结一些建议，给出一些最基础的知识结构，供楼主参考。
首先，我觉得优秀的数据分析师应该具备三方面的素质：
数据分析技能；
对业务的理解；
独到的分析思维和表达；
当然，只要具备基本的数据分析技能就可以尝试找工作了，可以在工作中逐步培养和提升后面两项素质。

1. 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

2. 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。

3. 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。

4. 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额，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。

1. 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

2. 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。

3. 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。

4. 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

首先，必须明白数值分析的用途。通常所学的其他数学类学科都是由公式定理开始，从研究他们的定义，性质再到证明与应用。但实际上，尤其是工程，物理，化学等其它具体的学科。往往你拿到手的只是通过实验得到的数据。如果是验证性试验，需要代回到公式进行分析，验证。但往往更多面对的是研究性或试探性试验，无具体公式定理可代。那就必须通过插值，拟合等计算方法进行数据处理以得到一个相对可用的一般公式。还有许多计算公式理论上非常复杂，在工程中不实用，所以必须根据实际情况把它转化成多项式近似表示。这都是数值分析的任务。

学习数值分析，不应盲目记公式，因为公事通常很长且很乏味。我个人认为，应从公式所面临的问题以及用途出发。比如插值方法，就是就是把实验所得的数据看成是公式的解（好比函数图像上的各个点），由这些解反推出一个近似公式，可以具有局部一般性。再比如说拟合，在插值的基础上考虑实验误差，通过拟合能将误差尽可能缩小，之后目的也是得到一个具有一定条件下的一般性的公式。

好好学吧，数值分析挺实用，与数学建模一起构成数学学科中最实用的两门学科，在工程，经济等许多邻域都有广泛的用途。

. 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

2. 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。

像你从零开始来学习的话，可能需要下够足够的功夫才可以了，如果你想要掌握真正的技能与技巧的话，建议你还是掌握更多的技术，掌握更多的能力，只有这样才能获得更多更好。更全面的数据分析能力才能更快的找到适合自己的工作。

---

繁峙县17846808387： 从零开始学数据分析,什么程度可以找工作 - ？
伊群施保： 数据分析相关的知识点,你都会,基本的数据分析都懂.

繁峙县17846808387： 现在转行到大数据行业,前景怎么样 - ？
伊群施保： 大数据非常火,有很多童鞋想转行大数据,但我要说一点是,要判断自己适不适合学习大数据.如果想转行,首先是兴趣驱动,其次可以在网上找一些视频资料等,先对大数据有个基本的认识.判断自己是否真的适合和感兴趣,如果合适并感兴趣的话可以再做进一步打算,比如系统学习培训等. 想转行学习大数据,你需要: 1、大专及以上学历:目前市场上企业招聘的最低门槛; 2、学习Java基础:大数据的组件很多是用Java开发的. 学习大数据前景很好,你可以找个厉害的老师带你.没有Java基础也行,现在有些专业的大数据培训机构可以手把手的从零开始教.

繁峙县17846808387： 数据分析师好不好学 - ？
伊群施保： 好学,零基础就可以入门,因为都从Excel开始讲.也不好学,如果要做高级数据分析师,后面要学R语言和Python,肯定是有一定难度的.网上可以找些视频看看体验一下,像达内、大讲台这些机构,也都有免费的试听课程.

繁峙县17846808387： 请问数据分析 - 基础学起要从哪开始 - ？
伊群施保： 1、通常真正意义上的数据分析,对学历的要求会非常高,硕士博士以上;比如数据挖掘、web挖掘,常见的是金融机构如银行、保险、证券,或者大型互联网公司,对海量数据的深度分析有需求的地方.这样的数据分析对数理统计、计算机、人机交互的要求比较高.2、常规的数据分析,仅使用简单分析方法,或者还会用到一些统计学、多元统计,这样的岗位一定要结合行业经验,否则很容易被替代.一个毕业没多久的大学生都可以很快学会.所以数据分析在这个层面上只是工具,不能作为职能长期发展下去.

繁峙县17846808387： 想进数据分析行业从哪里开始 - ？
伊群施保： 1.数据库开发是底层基础,属于软件开发行业.如oracle、db2、sybase等大型数据库,当然也有一些小数据库,如vfp、sql、acess、php等等.2.智能数据分析软件是数据分析的专业工具,如spss、sas、brio、congnos、ob等等.3.日常使用的数据处理工具,如excel、wps-et.4.数据仓库技术(WAREHOUSE),这是真正的大数据基础平台.企业应用布局通常是这样的:使用数据仓库技术整合来自大型 数据库系统各种数据,构建多维数据模型,进行数据挖掘,通过智能商业工具进行分析展现.

繁峙县17846808387： 怎么入门数据分析师呢? - ？
伊群施保： 建议如果是零基础菜鸟级人物,多看书,经济条件允许的情况下去参加数据分析培训,我之前参加的是人大经济论坛开的CDA数据分析师培训,这个课程从零基础开始,让我这个曾经的菜鸟一步一步逐渐的开始在数据分析这行成长起来了.老师们都很不错,课后有视频提供,可以课下复习.

繁峙县17846808387： 大数据学习是报培训班好,还是买视频自学好 - ？
伊群施保： 从大数据培训学校的角度来说,学大数据的学员一般都是专科及以上,具有统计学之类的知识,有一定的基础的,不然即使你报名学习了,但是因为基础为零,也是很难克服困难的,自动放弃还不如当初想清楚再学.实际上,问题还有个潜台词...

繁峙县17846808387： 数据分析零基础学习吗?？
伊群施保： 零基础学数据分析师当然是可行的,至于什么人适合学,其实没有哪一种特定的人群一定适合学数据分析,也没有哪一种人一定不适合.首先你的学历要好,从招聘信息就可以体现出来.而是技术要好,同等的技术面试的时候选择肯定会选技术好学历高的对不.不要觉得什么火就学什么,不要听机构的各种画饼,不要信营销号的大力鼓吹.首先你大概率不是真心想学数据分析而是不满足于现状想要破局你可能觉得迷茫而不知所措数据分析的各种宣传扑面而来的情况下仿佛一根救命稻草似的想要让人抓住其次你可能觉得数据分析岗位工资很高各大培训机构给你展示上万两三万的比比皆是还都是boss直聘等官方招聘平台上面的但是往下细分你就会发现这些岗位你学历低,或者技术菜大概率进不去

繁峙县17846808387： 零基础学数据分析,应该从哪方面入手?数据可视化,excel,还是Python - ？
伊群施保： 零基础学习的话肯定还是excel和数据可视化入手了,首先是Python零基础入手太难;另外目前市场上数据分析师的大致要求也都是以Excel sql 可视化打底,但小白的话,为了少走弯路还是建议直接报CDA数据分析得了,面向全行业就业班,时间短学习速度快,早点学会早点挣钱去了

繁峙县17846808387： 想找数据分析的实习 应该学些什么 - ？
伊群施保： 1. 如果是简单的数据分析,那么建议你多看一些统计学的书,学习的内容要侧重算法的使用,给你一份原始数据你要知道用什么样的算法去评判它. 2. 如果想再提高一步,建议你要懂数据库,会自己写sql,从数据库中调用原始数据,然后加以分析. 3. 一般的数据分析师除了上述的基本功外,一定还要懂得利用模型,算法可以模糊,但是模型一定要会用,例如k-means、c5.0等等,这个时候你就要学习例如spss、sas了,理论上说spss是最容易上手的,因为它的可视化操作比较轻松.