如何学习数据分析?做数据分析师需要掌握哪些技能?有什么学习路径?
下面的学习指南,供你参考:
1、学习方法
知识有时候是相通的,面对一个很难理解的东西,不妨换个纬度想一想,或许就豁然开朗了。如今网络资源非常丰富,提炼好的关键词,善用搜索引擎,很多问题都能找到多种解决方案。
当遇到难题的时候,在充分思考的基础上,多提问。如果是问别人,应注意提问的技巧,把问题准确地描述清楚。如果是问自己,推荐使用5W2H分析法,又叫七问分析法,简单实用。
What:是什么?目的是什么?做什么工作?
Why:为什么要做?可不可以不做?有没有替代方案?
Who:谁?由谁来做?
When:何时?什么时间做?什么时机最适宜?
Where:何处?在哪里做?
How :怎么做?如何提高效率?如何实施?方法是什么?
How mutch:多少?做到什么程度?数量如何?质量水平如何?费用产出如何?
问题解决后,鼓励多分享,在分享中学习和巩固提高,同时能帮助别人,提高自己的影响力。分享的方法可以包括公开学习笔记、发表微信公众号文章、给公司同事讲解、参与社群讨论、制作视频课程等等。
2、学习内容
数据分析的基础概念主要是一些统计学的相关知识,建议去考一下国家统计局颁发的「统计专业技术资格」证书,有初级、中级和高级三个级别,详情参考:
http://www.stats.gov.cn/tjfw/tjzyjszgks
刚好最近国家实行个税改革,在取得证书的当年,可以按照3600元定额扣除个人所得税,以此作为激励自己持续学习的一个动力,也是挺好的。
业务往往是在动态变化的,对业务逻辑的理解也应该与时俱进,积极与懂业务的人沟通交流。宏观的分析思维是基本相同的,「对比、细分、溯源」的分析方法通常在各种分析场景都适用。
网络上有大量数据分析工具的学习资源,我觉得「如何七周成为数据分析师」系列文章写得很好,文章合集地址:
https://ask.hellobi.com/blog/qinlu
其中还包括一些业务知识、数据运营和职业规划的相关文章,推荐阅读。
利用好数据分析工具,往往能够事半功倍,俗话说的好:「磨刀不误砍柴工」,但是要注意灵活运用,不能把时间花在磨刀背上,而应该把时间花在磨刀刃上。数据分析是为业务服务的,重点是要满足业务的需求,所以理解业务非常重要。
3、学习过程
数据分析需要学习的内容可以很多很多,而且数据分析工具也在不断推陈出新,如果每个领域都深入学习,恐怕一辈子都学不完。
贴一张IBM Watson执行架构师Swami Chandrasekaran绘制的图片:MetroMap to Data Scientist
(图片可点击放大)
它就像一个城市的地铁图,总共有10条线路,它们分别是:
基础原理(例如:矩阵和线性代数等)
统计学(例如:描述统计和贝叶斯理论等)
编程(例如:Python和R等)
机器学习(例如:决策树和神经网络等)
文本挖掘/自然语言处理(例如:支持向量机和关联规则等)
数据可视化(例如:D3.js和Tableau等)
大数据(例如:Hadoop和MongoDB等)
数据获取(例如:数据调查和ETL等)
数据清理(例如:主成分分析和分层抽样等)
常用工具(例如:Excel和Python等)
每条路深入走下去都不容易,很少有人能精通其中多个领域。以上这些还只是硬技能,事实上,职场中更重要的是软技能。根据领英的经济图谱团队发布的《2018新兴工作岗位报告》,职场最大的技能缺口是软技能。
口头交流、领导力和时间管理等,就属于软技能,软技能几乎占据了技能缺口的一半。报告建议,职场人士需要在快速变化的工作环境中,学习并保持软技能,因为拥有这些技能的人才具备更大的职场优势。。
写作和演讲也是非常重要的软技能,而且这些能力都是进无止境的。我觉得应该从自身的实际情况出发,不可能面面俱到,但可以树立终身学习的理念,先熟悉一些基本概念和业务逻辑,确立数据分析的目标,逐步培养数据分析思维,再利用数据分析工具去实现目标,不断积累数据分析的实践经验,从而丰富自己的数据分析知识体系。
END
转自: 林骥 公众号;作者:林骥;
版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。
商务合作|约稿 请加qq:365242293
更多相关知识请回复:“ 月光宝盒 ”;
数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。