刚入门数据分析半年的时候,我自身对数据分析这个岗位学习也很迷茫,数据分析是个笼统的“块”,就像运营分为用户运营、内容运营,短视频运营...... “数据分析” 这个也分为很多中,今天我们来聊一下经常说的数据分析有哪些?以及数据分析这条学习的道路如何走?
数据分析从0到1
记录学习的点滴,逐渐积累成长。
27篇原创内容
公众号
数据分析常见的方向
数据分析主要分为“业务类型”和“技术类型”,对这两个类型的能力界限并没有一个很明显的说法,比如说,不会使用可视化工具就不能做数据分析,这样说法显然是不严谨的。下面的表可以参考一下不同类型的职业有哪些:
业务型 | 战略分析师 | 技术型 | BI数据分析师 |
商业分析师 | 数据挖掘工程师 | ||
经营分析师 | 算法工程师 | ||
数据分析师 | 数据产品经理 | ||
数据运营 | 数据科学家 |
这些是从事“数据分析” 可选择的方向,当然 “数据分析” 这个行业还是有门槛的,不同能力级别的人才,所选择的职业方位也是不同。
数据分析不用级别待遇及要求
【数据分析助理】
能力要求:
-
有良好的沟通能力
-
会使用excel清洗数据并做数据报表
-
有简单的 “数据思维”
-
踏实、服从安排......
【初级数据分析师】
能力要求:
-
向客户清晰明确地表达数据对接要求,处理对接过程中的常见问题,独立完成数据对接工作
-
用简单易懂的语言,耐心向客户解释数据分析结果,耐心解答客户疑问,及时将客户需求/问题向上级汇报
-
熟悉数据分析工具,如SQL、Python、R、SPSS等
-
具备一定的编程能力
-
具备 “数据思维”
-
具备简单的数据分析建模等
【中级数据分析师】
能力要求:
-
用统计分析、机器学习等方法,完成数据深度分析,协助开发,业务出具相关数据分析报告;
-
向客户清晰明确地表达数据对接要求,处理对接过程中的常见问题,独立完成数据对接工作;
-
深度专项分析,包括用户行为分析、场景分析、广告策略分析、算法策略分析、badcase分析及定位;
-
特征产出和分析,通过用户行为、广告行为等数据,探求区分度,为算法挖掘有价值的特征;
【高级及以上数据分析师】
能力要求:
-
熟练使用MySQL、Spark、Hive、Python、R等数据处理/分析技术 深入理解Hadoop、Kafka等大数据生态相关技能原理;
-
熟悉聚类、关联性分析、时间序列分析、贝叶斯等机器学习模型;
-
具备常见运营问题的解决分析思路
-
具有海量数据处理经验,具备优秀的沟通、协调和合作能力
-
参与过完整的数据采集、数据清洗、数据建模和分析项目
从上述几个不同职位阶段来说,数据分析共同的技能点为:沟通需求、总结规律、改进建议。
这个之前还是需要了解业务,很多刚入行的数据分析小伙伴感觉做事情没有成就感,每天都是清洗数据、根据指标获取数据、做报表等。这些需求常常是被动需求,没有将实际的业务联系起来做的时候很枯燥,建议大家还是跟公司的某一条线,了解业务背景,改善重要指标,总结数据规律,影响流程和决策,创造可持续的解决方案,这样才能让自己真正的得到锻炼。
数据分析如何学习?
数据分析如何学习?这个问题成了很多人的困扰,看网络课大多数将python、机器学习等,对于数据分析重要的是“解决问题的思维”,下面来介绍数据分析中要实际学习的有哪些?
在这里,方法论占据了70%,是因为如果你不了解方法论里面的解决方案的思路,即使你工具用的再好也不一定能解决问题。
到这里就暂时结束了,数据分析入门门槛虽然低,但是天花板确实很高,希望上面的内容能让小伙伴对数据分析要学习的内容有一定的了解,不会感觉那么迷茫,同时学习数据分析还是需要多看别人的分析文章,用来寻找自己的分析灵感,多看产品运营文章,在后面报告建议里面能说出可行性高的建议。
Python经验分享
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
Python学习路线
这里把Python常用的技术点做了整理,有各个领域的知识点汇总,可以按照上面的知识点找对应的学习资源。
学习软件
Python常用的开发软件,会给大家节省很多时间。
学习视频
编程学习一定要多多看视频,书籍和视频结合起来学习才能事半功倍。
100道练习题
实战案例
光学理论是没用的,学习编程切忌纸上谈兵,一定要动手实操,将自己学到的知识运用到实际当中。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。