年薪50万的大数据分析师养成记【摘抄】

如下是一位在数据分析领域打滚了N年后，写下的一些体会，必定能给新人一些借鉴的地方。（总结的不错，你们能够借鉴学习哦）

1、数据分析师有哪些要求？

　　一、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。

　　二、工具使用，包括挖掘工具、数据库、经常使用办公软件（excel、PPT、word、脑图）等。

　　三、业务理解能力和对商业的敏感性。对商业及产品要有深入的理解，由于数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而知足部门的要求。

　　四、汇报和图表展示能力。这是临门一脚，作得再好的分析模型，若是不能很好地展现给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。

2、请把数据分析做为一种能力来培养

　　从广义来讲，如今大多数的工做都须要用到分析能力，特别是数据化运营理念深刻的今天，像BAT这样的公司强调全员参与数据化运营，因此，把它做为一种能力培训，将会让你终生受益。

3、从数据分析的四个步骤来看清数据分析师需具有的能力和知识：

　　数据分析的四个步骤（这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署），是从更宏观地展现数据分析的过程：获取数据、处理数据、分析数据、呈现数据。

　　（一） 获取数据

　　获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要经过现象发现本质，肯定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节，须要数据分析师具有结构化的思惟和对商业问题的理解能力。

　　推荐书籍：《金字塔原理》、麦肯锡三部曲：《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》

　　工具：思惟导图、mindmanager软件

　　（二） 处理数据

　　一个数据分析项目，一般数据处理时间占70%以上，使用先进的工具备利于提高效率，因此尽可能学习最新最有效的处理工具，如下介绍的是最传统的，但却颇有效率的工具：

　　Excel：平常在作通报、报告和抽样分析中常常用到，其图表功能很强大，处理10万级别的数据很轻松。

　　UltraEdit：文本工具，比TXT工具好用，打开和运行速度都比较快。

　　ACCESS：桌面数据库，主要是用于平常的抽样分析（作全量统计分析，消耗资源和时间较多，一般分析师会随机抽取部分数据进行分析），使用SQL语言，处理100万级别的数据仍是很快捷。

　　Orcle、SQL sever：处理千万级别的数据须要用到这两类数据库。

　　固然，在本身能力和时间容许的状况下，学习新流行的分布式数据库及提高自身的编程能力，对将来的职业发展也有很大帮助。

　　分析软件主要推荐：

　　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。

　　SAS：老牌经典挖掘软件，须要编程。

　　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。

　　随着文本挖掘技术进一步发展，对非结构化数据的分析需求也愈来愈大，须要进一步关注文本挖掘工具的使用。

　　（三） 分析数据

　　分析数据，须要用到各种的模型，包括关联规则、聚类、分类、预测模型等，其中一个最重要的思想是对比，任何的数据须要在参照系下进行对比，结论才有意义。

　　推荐的书籍：

　　一、《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，卢辉着，机械出版社。这本书是近年国内写得最好的，务必把它看成圣经同样来读。

　　二、《谁说菜鸟不会数据分析（入门篇）》和《谁说菜鸟不会数据分析（工具篇）》，张文霖等编着。属于入门级的书，适合初学者。

　　三、《统计学》第五版，贾俊平等编着，中国人民大学出版社。比较好的一本统计学的书。

　　四、《数据挖掘导论》完整版，[美]Pang-Ning Tan等着，范明等翻译，人民邮电出版社。

　　五、《数据挖掘概念与技术》，Jiawei Han等着，范明等翻译，机械工业出版社。这本书相对难一些。

　　六、《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。

　　七、《问卷统计分析实务—SPSS操做与应用》，吴明隆着，重庆大学出版社。在市场调查领域比较出名的一本书，对问卷调查数据分析讲解比较详细。

　　

　　（四） 呈现数据

　　该部分须要把数据结果进行有效的呈现和演讲汇报，须要用到金字塔原理、图表及PPT、word的呈现，培养良好的演讲能力。

　　推荐书籍：

　　一、《说服力让你的PPT会说话》，张志等编着，人民邮电出版社。

　　二、《别告诉我你懂ppt》增强版，李治着，北京大学出版社。

　　三、《用图表说话》，基恩。泽拉兹尼着，马晓路等翻译，清华大学出版社。

　　（五） 其余的知识结构

　　数据分析师除了具有数学知识外，还要具有市场研究、营销管理、心理学、行为学、产品运营、互联网、大数据等方面的知识，须要构建完整普遍的知识体系，才能支撑解决平常遇到的不一样类型的商业问题。

　　推荐书籍：

　　一、《消费者行为学》第10版，希夫曼等人着，江林等翻译，中国人民大学出版社，如今应该更新到更高的版本。

　　二、《怪诞行为学》升级版，艾瑞里着，赵德亮等翻译，中信出版社

　　三、《营销管理》，科特勒等着，梅清豪翻译，格致出版社和上海人民出版社联合出版

　　四、《互联网思惟—独孤九剑》，赵大伟主编，机械出版社

　　五、《大数据时代—生活、工做与思惟的大变革》，舍恩伯格等着，周涛等翻译，浙江人民出版社

4、关于数据分析师的职业发展：

　　一、数据分析师一般分两类，分工不一样，但各有优点。

　　一类是在专门的挖掘团队里面从事数据挖掘和分析工做的。若是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，须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，将来的职业通道可能走专家的技术路线。

　　另外一类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。他们工做是支撑业务运营，包括平常业务的异常监控、客户和市场研究、参与产品开发、创建数据模型提高运营效率等。该类型分析师偏向产品和运营，能够转向作运营和产品。

　　二、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。

　　从行业的角度来看：

　　1）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，并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。

　　2）其次是咨询公司（好比专门的数据挖掘公司Teradata、尼尔森等市场研究公司），他们须要数据分析人才，并且相对来讲，数据分析师在咨询公司成长的速度更快，专业也会更全面。

　　3）再次是金融行业，好比银行和证券等行业，该行业对数据分析的依赖需求，愈来愈大。

　　4）最后是电信行业（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，也愈来愈重视数据分析，但进入这些公司的门槛比较高。

5、什么人适合学习数据分析？

　　这个问题的答案跟“什么人适合学功夫”同样，毫无疑问，功夫是适合任何人学习的（排除心术不正的人），由于可以强身健体。而功夫的成效，要看习武者的修炼深浅。经常有人争论，是咏春拳厉害，仍是散打厉害，实际上是颠倒了因果，应该看哪一个人练习得比较好，流派之间没有高低，只有人修炼的厚薄。

　　实际上，问题的潜台词是“什么人学习数据分析，会更容易取得成功（好比职业成功）”，这个要视乎你的兴趣、付出和机遇。但要作到出类拔萃，除了上面三点，还须要一点天赋，这里的机遇是指你遇到的职业发展平台、商业环境、导师和同事。

　　借用管理大师德鲁克的话“管理是能够习得的”，管理并不是是天生的，而数据分析能力，也能够后天提高。或许作到优秀，只须要你更加的努力+兴趣，而这个努力的过程，也包括你寻找机遇的部分。

6、关于如何学习：

　　学习方法千万种，关键是找到适合本身的，最好可以结合你的工做遇到的问题来学习。

　　一、搜集书籍、案例库和视频，先弄懂理论，而后学会软件操做，本身制做属于本身的教程。

　　好比，你学习聚类分析模型。1）搜集相关的聚类分析模型的书籍、案例和教学视频，了解聚类分析的原理，主要有哪几种算法（划分、层次、密度、网格）、模型适用的范围和前提、如何评估模型的精确度等。

　　2）本身学会用软件来实现。

　　3）总结整理成一份PPT和制做操做视频，成为本身的学习教程，不断完善。

　　4）学习到必定程度后，能够在博客、微信等渠道分享，授人与渔，而本身也会有所收获。

　　二、关注名人、名博、网站，多渠道学习。

　　1）关注专业的数据分析、咨询公司网站和论坛，特别强调，统计软件公司的网站如SPSS的官网有不少案例库，值得关注。

　　SPSS的案例库，可在官网上搜索各种案例：http://www.ibm.com/developerwork ... 8zhangzy/index.html

　　另外，你最好建一个本身的网址导航目录，提高你的学习效率

　　2）关注名人名博，最好能加他们的微博、微信和微信公众号，看牛人的博客和微信等内容，仍是能获得不少引导，这个你懂的。

　　3）加入一些有共同爱好的QQ群，互相学习交流。一般群里有人会提出一些真实的运营问题，而后你们用不一样的方法去解决，对思路颇有启发。

　　4）碎片化学习，最大化你的时间价值。为了把零散的时间利用起来，一般我会把一些资料上载到网盘，在零碎的时间里经过手机进行视频、文档学习等。目前使用百度云盘和360网盘。百度云盘应用比较广，一般在网络上搜索“关键词+百度云”后，搜到结果能够直接保存在云盘上，搜索保存速度极大提高。360网盘则空间比较大，能够到达40T，同时有保险箱加密功能，安全性高一些。

　　手机上安装一些APP，随时随地学习。

7、最后的建议

　　请再次问问本身，是否真的喜欢数据分析，可否忍受处理数据时的寂寞？若是是，那就开始学习，给你几条建议。

 

　　一、把数据分析做为一种能力培养，让本身在如今的团队中展示出良好的数据分析能力，为你之后内部转岗作好准备。若是内部转岗不成，你能够考虑跳槽到我以前分析的行业中，但我强烈建议你仍是须要把系统开发的编程能力学习好，而且对商业智能系统（BI和CRM）有必定了解，这也许是应聘数据分析的优点。若是没有数据分析经验去应聘，相对会难一些，用人单位会考你统计和数据挖掘模型方面的知识，以及工具使用状况。

 

　　二、在公司里找一些有共同爱好的同事一块儿学习数据分析，平时多请教数据分析作得好的同事，它山之石，能够攻玉。

 

　　三、扎实学好1、两门数据挖掘软件，基于你有编程的基础，建议你能够学SAS或者R，同时辅助学习SPSS Modeler。若是没编程基础或者但愿短时间可以取得成效，那也能够先学习SPSS。SAS+SPSS，基本可以知足很大部分企业的需求，三者都会，那更好。

 

　　四、要了解公司是如何运营，产品是如何开发的，如何作客户研究锁定客户需求，如何作产品营销，这些须要不断工做积累和普遍的阅读。

 

　　五、开始学习时，先读几本有趣的数据分析类的书，而后系统学习一下统计知识（建议教材用《统计学》第五版，贾俊平等编着），接着网上快速搜集软件操做视频和案例，而后逐个分析模型进行学习和总结概括，学习最好可以结合实际工做中的问题进行。

 

　　六、学习到必定程度时，参加一些数据分析师的职业认证，进一步梳理知识结构，同时认识一些志同道合的朋友和老师，也是对你有很大帮助。

 

　　但愿你可以成为你想成为的人！

 

原文：http://bbs.pinggu.org/thread-5045933-1-1.html