- 再也不做站长了
-
要熟练使用 Excel、至少熟悉并精通一种数据挖掘工具和语言、撰写报告的能力、要打好扎实的 SQL 基础。
1、要熟练使用 Excel
Excel 可以进行各种数据的处理、统计分析和辅助决策操作,作为常用的数据处理和展现工具,数据分析师除了要熟练将数据用 Excel 中的图表展现出来,还需要掌握为生成的图表做一系 列的格式设置的方法。
2、至少熟悉并精通一种数据挖掘工具和语言
以R语言为例,R编程语言在数据分析与机器学习领域已经成为一款重要的工具。R 作为脚本语言凭借其良好的互动性和丰富的扩展包资源可以方便地解决大部分数据处理、变换、统计分析、可视化的问题,并可以重现所有的细节。
3、撰写报告的能力
在撰写报告时,深入地思考,深入分析,逻辑严谨,结论有说服力,能提前预测数据趋 势,能从问题中引申出解决方案,提出有指导意义的分析建议,这些都是一名优秀的分析师所体现的特质。
4、要打好扎实的 SQL 基础
SQL 基础之所以重要,是因为数据分析师分析的数据大多都是从数据库中提取而来的。有良好的 SQL 功底并能熟悉使用,不仅能提取到需要的数据,还能大大提高工作效率。
注意:
1、与传统的数据分析师相比,互联网时代的数据分析师面临的不是数据匮乏,而是数据过剩。因此,互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是,互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
2、就行业而言,数据分析师的价值与此类似。就新闻出版行业而言,无论在任何时代,媒体运营者能否准确、详细和及时地了解受众状况和变化趋势,都是媒体成败的关键。
- LuckySXyd
-
数据分析师要学会Excel、掌握SQL Server或者Oracle的SQL语句、掌握可视化工具。
首先是Excel,貌似这个很简单,其实未必。Excel不仅能够做简单二维表、复杂嵌套表,能画折线图、Column chart、Bar chart、Area chart、饼图、雷达图、Combo char、散点图、Win Loss图等,而且能实现更高级的功能。
包括透视表(类似于BI的多维分析模型Cube),以及Vlookup等复杂函数,处理100万条以内的数据没有大问题。最后,很多更高级的工具都有Excel插件,例如一些AI Machine Learning的开发工具。
掌握SQL Server或者Oracle的SQL语句,虽然你是业务分析师,但如果取数据能少依赖于IT人员和IT工具(比如BI的多维分析模型,有时候并不能获取你想要的数据),对于做业务分析,无疑是如虎添翼,我曾经见过华为的会计能写七层嵌套的SQL语句,很吃惊。
包括join、group by、order by、distinct、sum、count、average,各种统计函数等。
掌握可视化工具,比如BI,如Cognos、Tableau、FineBI等,具体看企业用什么工具,像我之前用的是FineBI。
这些工具做可视化非常方便,特别是分析报告能含这些图,一定会吸引高层领导的眼球,一目了然了解,洞察业务的本质。另外,作为专业的分析师,用多维分析模型Cube能够方便地自定义报表,效率大大提升。
- 床单格子
-
1、Excel
作为数据分析师,Excel是必备技能。Excel 是经过检验的可靠的数据分析工具,它广泛存在,非程序人员也能便捷操作,所以大多数企业即使也使用其他工具,但 Excel 工具还是他们的不二选择。
2、统计学
统计学同样是数据分析师的必备技能之一,你只有学好了统计学才能谈得上数据分析。统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情,你的分析技巧也会显著提高。如果你想成为一名出色的数据分析师,那么你就必须要会统计学。
3、SQL
sql是所有数据库查询的语言,sql非常容易入手。针对不同的数据库,如mysql、sqlserver、oracle等,sql语法会有所不同,但是总体上大同小异,只是细微处的差别。而且如果你有数据库基础的话,只需要找些sql查询的习题来做一下,就会很快的得到提高。
4、行业知识
对于数据分析师来说,业务的了解比数据方法论更重要。而且业务学习没有捷径。这一部分也没有什么书可以看的了,基本都靠搜索,总结,思考,再搜索,总结,思考。
- 不白九百
-
要学会的技能:
1、懂业务。从事数据分析工作的前提就会需要懂业务,即熟悉行业知识、公司业务及流程,最好有自己独到的见解,若脱离行业认知和公司业务背景,分析的结果只会是脱了线的风筝,没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求,比如确定分析思路就需要用到营销、管理等理论知识来指导,如果不熟悉管理理论,就很难搭建数据分析的框架,后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法,并能灵活运用到实践工作中,以便有效的开展数据分析。
在学习的过程中应该注意以下事项:
要想快速成为数据分析师,则可以从计算机知识开始学起,具体点就是从数据分析工具开始学起,然后在学习工具使用的过程中,辅助算法以及行业知识的学习。
学习数据分析工具往往从Excel工具开始学起,Excel是目前职场人比较常用的数据分析工具,通常在面对10万条以内的结构化数据时,Excel还是能够胜任的。对于大部分职场人来说,掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。
在掌握Excel之后,接下来就应该进一步学习数据库的相关知识了,可以从关系型数据库开始学起,重点在于Sql语言。掌握数据库之后,数据分析能力会有一个较大幅度的提升,能够分析的数据量也会有明显的提升。
如果采用数据库和BI工具进行结合,那么数据分析的结果会更加丰富,同时也会有一个比较直观的呈现界面。
数据分析的最后一步就需要学习编程语言了,目前学习Python语言是个不错的选择,Python语言在大数据分析领域有比较广泛的使用,而且Python语言自身比较简单易学,即使没有编程基础的人也能够学得会。
通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。
- 北境漫步
-
数据分析师要学会的技能有以下几点:
1、知识体系
统计学的基本知识和对machine learning的了解:大部分对消费者的分析都离不开描述统计方法(平均数,中位数,显著性等等)
2、计算机软件
对于数据分析师来说,可能每个项目的70%到80%的时间都是在收集和处理数据,他们需要首先想好需要什么样的数据,比如timeframe是一年还是十年。选定好需要的数据后要进入一个或多个数据库去收集数据,最后需要对数据进行一些处理,看看是不是有missing value或者outliers等等。
3、明确问题(Defining the Problem)
将分析范围缩小是很重要的技能。如何将复杂的问题去掉细枝末节,抓住重点需要良好的沟通能力和对商业需求的充分理解能力。注意:避免向客户递交太多对解决核心问题无用的信息。另外,对公司和行业的了解也会使得这个过程更加得心应手。
4、了解听众(Knowing the Audience)
通常来说一个数据分析师需要面对PM和CEO。因此,在准备presentation时,要注意回答这两方关心的不同的问题。对于PM来说,需要的是简单无修饰,多干货介绍在各种情况下如何进行协作交互。而面对CEO,需要展示的是稍加修饰的PPT和最重要提供具体的建议。
- 以心消业
-
数据分析师要学会数据分析思维、编代码、懂数据库、统计、数据、机器学习等技能。
1、数据分析思维
作为一名数据科学家需要很挑剔,并且善于发现他人会遗漏的东西。那么我们应该如何做到像数据科学家一样思考呢?梳理分析思路,并搭建分析框架,把分析目的分解成若干个不同的分析要点,即如何具体开展数据分析,需要从哪几个角度进行分析,采用哪些分析指标(各类分析指标需合理搭配使用)。同时,确保分析框架的体系化和逻辑性。
2、编代码
如果希望拥有专业水准的话,从编程基础到端到端的开发,一些技术的语言,比如R、Python、和一些商业软件的SAS、SPSS等,以及深入的交互式学习,这些你至少精通几门,其他懂一些最好。
3、懂数据库
数据分析大多应用实际。企业数据常常被保存在MySQL、Oracle、Postgres、MonogoDB、Cassandra等数据库中,所以这些数据库你要了解甚至懂。
4、统计、数据、机器学习
关于数学知识,大学课堂会学过一部分,如果是数学科学类的专业会学得更精深。如果这一部分你需要弥补一下充充电,可汗学院、麻省理工都有相关的开放课程。关于统计学知识,推荐去udacity,openintro上系统的学习,统计还是需要一定思维的锻炼的。
- 余辉
-
所谓数据分析师,是指不同行业中专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。因此,想要成为一名优秀的数据分析师,应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景是不可少的。其次,作为一名数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门,至少能用Acess等进行数据库开发,至少掌握一门数学软件如matalab、mathmatics进行新模型的构建,至少掌握一门编程语言。此外,想要成为一名优秀的数据分析师,还得考虑数据分析的应用,这就需要学习专业本身的同时还能补充些其他应用领域方面的知识,比如市场营销、经济统计学等。总之,一个优秀的数据分析师,应该业务、管理、分析、工具、设计都不落下。
- 苏萦
-
数据分析师要学会数据分析思维、编代码、懂数据库、统计、数据、等技能,还要懂业务、懂管理等。而且作为数据分析师,Excel是必备技能。个人以为要成为一名优秀的数据分析师,除了应具备专业知识外,成熟的人格、宽泛的视野也是必须要具备的。
- 陶小凡
-
1、懂业务。从事数据分析工作的前提就会需要懂业务,即熟悉行业知识、公司业务及流程,最好有自己独到的见解,若脱离行业认知和公司业务背景,分析的结果只会是脱了线的风筝,没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求,比如确定分析思路就需要用到营销、管理等理论知识来指导,如果不熟悉管理理论,就很难搭建数据分析的框架,后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法,并能灵活运用到实践工作中,以便有效的开展数据分析。基本的分析方法有:对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有:相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论,而数据分析工具就是实现数据分析方法理论的工具,面对越来越庞大的数据,我们不能依靠计算器进行分析,必须依靠强大的数据分析工具帮我们完成数据分析工作。
5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点,使分析结果一目了然。图表的设计是门大学问,如图形的选择、版式的设计、颜色的搭配等等,都需要掌握一定的设计原则。
- 寸头二姐
-
数据分析师需要学习统计学、编程能力、数据库、数据分析方法、数据分析工具等内容,还要熟练使用Excel,至少熟悉并精通一种数据挖掘工具和语言,具备撰写报告的能力,还要具备扎实的SQL基础。
1、数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师,了解一些描述统计相关的基础内容,有一定的公式计算能力即可,了解常用统计模型算法则是加分。
2、分析工具
对于初级数据分析师,玩转Excel是必须的,数据透视表和公式使用必须熟练,VBA是加分。另外,还要学会一个统计分析工具,SPSS作为入门是比较好的。
对于高级数据分析师,使用分析工具是核心能力,VBA基本必备,SPSS/SAS/R至少要熟练使用其中之一,其他分析工具(如Matlab)视情况而定。
3、编程语言
对于初级数据分析师,会写SQL查询,有需要的话写写Hadoop和Hive查询,基本就OK了。对于高级数据分析师,除了SQL以外,学习Python是很有必要的,用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
数据分析师可从事:IT系统分析师、数据科学家、运营分析师、数据工程师。
更多职业教育培训,请查看:https://wenda.hqwx.com/catlist-3.html/?utm_campaign=baiduhehuoren
- 北有云溪
-
软技能
比如有统计学、概率学
1、统计学
2、概率学
概率学是研究随机事件的一门科学技术,概率学也是研究0与1之间的数字,0表示不发生事件,1表示发生事件,大于0小于1是概率。概率论应该还是一门很有用的学科,如果你把它学好了,至少不会天天购买彩票做着发财梦。如果具体到专业,是否可以对你的客户群做一个统计:什么样的客户喜欢什么样的图表等等。
当然,每个岗位重点要求的分析工具和能力是不同的。所以在写技能时,一定要根据你投递的公司岗位要求来写,岗位要求里提到的往前放。
3、对数字具有敏感度
数字的敏感度是每个数据分析师都需要掌握的,毕竟在我们的工作当中和数字抬头不见低头见。数据分析不仅仅要提供数字、更要提炼数字!如果当同行还在机械的提供数字的时候,你却能提前一步警觉到,那一定是距离凤毛麟角不远了。毕竟能够提供真实的信息,是件不容易的事儿。
4、逻辑能力
逻辑能力顾名思义,就是能够逻辑自洽,能把一件事情给别人讲清楚,千万不能心如明镜但说不出,表达不出。逻辑能力强的人写下的文字,也更容易被接受,读起来更通顺,能迅速get到意思,而逻辑能力差的人写下的文字真的让阅读者如嚼蜡般难以下咽。
5、文字能力
数据分析师本身就是每天和分析报告不停打招呼的人,优秀的表达能力总是能让人事半功倍,在多个领域都是加分利器。提高这个能力的办法就是不断去写作,其次就是要拓宽知识面,知识面的宽度就是思路的宽度,我们不能局限于业务的学习,应该多读一些好书,多读一些经典著作,这非常有助于我们开阔视野打开思路。
二、分析思维
1、角色扮演——换位思考的能力
当你觉得山穷水尽的时候,可以把自己想象成公司领域不同的角色,站在他人的视角寻找和思考自己有没有需要进行数据分析的点,比如我就会把自己想象成公司的运营、销售、客户、供应商,用他们的思维去看待自己的数据分析,十分有助于分析思路。这样瞬间打开思路柳暗花明又一村!
2、随时关注行业信息,并从中获取灵感。
当一个人学会站在公司战略层面趋向问题的时候,你已经成功一半了,因为行业内绝大多数的公司一定是追随着行业的潮流而动的,俗话说“山不过来我过去,放在我们这个行业,数据不动,我就自发性的去寻找。因此如果能够提前关注到行业最近的动向,并学会“动之以情,晓之以理,诱之以利,那么你的分析就能从支撑战略转化为决策了。 所以平时可以把关注行业网站作为自己的习惯,多多阅读,厚积而薄发。
3、自主学习——主观能动性思维
闪闪发光的数据分析思路永远都是来自自己聪慧的大脑的,炉火纯青的技术也是无数次项目的磨练后达成的。如果一味的听领导上级的指示,机械的推一下走一步,那在老板那,你永远只是可替代性员工,随便换一个人也不耽误。所以,当你想要成为唯一、不可替代,那你就要学会主动学习。数据分析不仅要能实现,也要能思考。懂行业,有头脑的数据分析师是凤毛麟角。
三、通用能力
1、沟通能力
在我们的实际工作中,一个人的沟通协调能力是尤为重要的。善于沟通,良好的沟通效果往往会使人在工作中打开局面,赢得宽松的发展空间。不擅长沟通则会使人举步维艰,还会产生较强的挫败感。工作中每个人都会或多或少的碰到一些沟通障碍,可以碰壁但不能放弃主动沟通,因为如果放弃沟通,就相当于关闭自己,那样就真的失败了。
2、学习能力
不同业务的分析思路不同,即使同一个业务在不同阶段的分析方法也不同,数据分析师要想习惯于任何变化,就要培养终身学习的能力,活到老学到老。在学习中不断更新自己的“武器库”,往里面增光添彩,在实践中不断打磨自己的分析思路和模型,使自己成为一个全面性的人才。合抱之木,生于毫末;千里之台,起于垒土;。扎实的职业技能是每一位数据分析师进阶的最大底气。如果不想不想再舒适圈中止步不前,不想做温水里的青蛙,不想走到随时被淘汰的的边缘,就要“软”“硬”兼具,不断进步。
硬技能
这里先贴上一张某在线教育公司的数据分析招聘要求,以便我细细道来。
作为数据分析师,掌握一些工具是必须的。硬技能就如第一张图中的招聘要求中所体现的,需要应聘者熟练掌握sql、ppt、Excel、Python、BI工具。简单说下这几种工具吧。
Sql:是一种数据库语言,可以定义和操作数据库。
PPt:数据分析师都需要用PPT来向领导汇报分析结果,可能你所有熬夜掉的头发最后的价值都体现在这几张PPT上面了。
Excel:excel作为数据分析工具绝无仅有,必须要熟练掌握。
Python:无论是从入门级选手到专业级选手都在做的爬虫,还是Web 程序开发、桌面程序开发还是科学计算、图像处理,它都可以胜任。
BI:可视化工具,比如有我们常见的FineBI和PowerBI
常用的可视化工具包括Excel和BI,一般的可视化图标用我们熟知的excel便能轻松实现,但如果要经常做图表,Bi就是一个不错的选择。既然话说到这里了,就拿FineBI举个例子吧
我常用FineBI从数据库中进行可视化分析
它的主要优点如下
仅需要准备好需要可视化的数据,FineBI可以通过数据连接,收取其他工具的数据库,FineBI不仅可以连接EXCEL的数据集,还可以连接到企业的数据库。不仅如此,它还划分了【常用】【所有】【其他】,用户可根据数据量、实时、频次的要求,自由的选择数据,充分的做数据准备。
.开始做数据分析前,面对大量的数据,思绪一时之间定会乱作一团,但FineBI能够根据你的行业,智能的思考数据维度。FineBI内置的过滤、排序、分组汇总,可以进行自动建模,并且是利用自助数据集的方式,让用户能够在人性化的操作界面进行数据处理。极大的降低用户的数据清洗与数据加工时间。
制作阶段,FineBI的可视化操作非常简单,只需要把要分析的字段拖动拽到横纵坐标轴,就可以自动生成图表。同时,也有自动推荐图表的功能。
当然,FineBI当中,还内置了很多高级图表,比如:流向地图、瀑布图、人口金字塔等,从入门到高阶,应有尽有。
总之,还是需要多多挖掘自身特长,综合判断自身能力,一方面思考这个职位需要什么积累,另一方面也需要思考自己的这些积累更适合怎样的职位。祝你早日适应数据分析这个工作。
- 血莲丿红尘
-
CDA——数据分析师常见岗位,包括:竞品分析、业务分析、数据挖掘、数据运营等。对销售支持,销售运营等岗位也可以胜任。主要工作内容就是:数据收集、处理、可视化等内容
岗位介绍:
1、重点收集竞品相关数据信息,并与自身数据特征进行对比,定位业务问题及原因 ;
2、对竞品行业收集数据进行整合,通过数据分析得出观点及结论,完成相关竞品分析报告 ;
3、对比发现的问题原因等信息可有效转化为数字统计的对比效果,明确业务问题点,持续输出分析结果并形成闭环效果跟踪验证;
- 天线宝宝说害怕
-
第一、对于任何的数据分析来说,首要的就是数据采集,一些移动客户端中的数据进行快速而又广泛的搜集,同时它还能够迅速的将一些其他的平台中的数据源中的数据导入到该工具中,对数据进行清洗、转换、集成等,从而形成在该工具的数据库中或者是数据集市当中,为联系分析处理和数据挖掘提供了基础。
第二、数据在采集之后,大数据分析的另一个技术数据存取将会继续发挥作用,方便用户在使用中储存原始性的数据,再有就是基础性的架构,比如说运储存和分布式的文件储存等,都是比较常见的一种。
第三、数据处理可以说是该软件具有的最核心的技术之一,面对庞大而又复杂的数据,运用一些计算方法或者是统计的方法等对数据进行处理,包括对它的统计、归纳、分类等,从而能够让用户深度的了解到数据所具有的深度价值。
第四、统计分析可以帮助用户分析出现某一种数据现象的原因是什么,差异分析则可以比较出企业的产品销售在不同的时间和地区中所显示出来的巨大差异,以便未来更合理的在时间和地域中进行布局。
第五、某一种数据现象和另外一种数据现象之间存在怎样的关系,此外,聚类分析以及主成分分析和对应分析等都是常用的技术,这些技术的运用会让数据开发更接近人们的应用目标。
亿信ABI 是一款融合了数据源适配、ETL数据处理、数据建模、数据分析、数据采集等核心功能而打造的全能型数据分析平台。