时下的大数据时代与人工智能热潮，相信也有许多对数据分析非常感兴趣且要转行的小伙伴。但对于希望转行数据分析的零基础小白们，他们并不知道进入数据分析行业需要学什么，也不太清楚数据分析师平时工作都在干什么。因此本文给出一些建议，希望能对零基础转行数据分析的小伙伴们有所启发。
01 知识储备
数据分析作为一门交叉学科，需要掌握多方面的知识。
1) 数学与统计基础：
数据分析是指运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。其中当然离不开数学与统计学的知识，需要有微积分、线性代数、概率论与数理统计等相关的知识储备才行。
2) 分析工具：
掌握基础的数据分析工具Excel与统计分析工具SPSS的用法。
3) SQL数据库语言：
数据的存储便离不开使用数据库，需掌握SQL数据库语言在关系型数据库系统中进行增删改查等操作才行。
4) 编程语言：
数据分析的进阶需要会使用一门或多门编程语言，如Python和R，这将会使你的数据分析变得更加高效。
5) 机器学习算法入门：
如果需要的话可以学习常用的分类、回归、聚类和降维等的常用算法以及它们的优缺点和使用场景，这将是你转行进入公司的加分项哦。
02 行业分析
在学习数据分析的知识方面也不能落下对各个数据岗位的了解，接下来介绍数据分析行业中岗位，大致分为四个方向：数据分析、数据挖掘、数据开发、数据产品。
1) 数据分析师
从事数据采集、整理、分析，发现问题，分析问题，得出结论，为公司的决策层提供数据支持。偏向于业务。
2) 数据挖掘工程师/算法工程师
利用模型训练数据，从海量数据中挖掘规律，预测或分类对象，主要偏向编程和算法，
对统计理论知识要求偏高。
3) 数据开发工程师
设计、搭建并维护基础设施，以提供数据收集、存储、处理、计算等平台。偏代码开发，需要在代码能力上弥补，但与纯技术栈的程序员相比需要一定的业务逻辑。
4) 数据产品经理
主要负责以数据为导向提炼需求、设计、规划、项目排期至项目落地，以及后期的产品改进和优化等。
03 心态历练
一定要用细心、耐心、和平静的心态去做数据分析。数据分析是个细活，根据二八原则，其中数据的处理将占去数据分析中的八成时间，如果数据处理不当将影响接下来的分析，需要良好的心态减少犯错误的概率。
其实是具有独立思考与换位思考的能力。数据分析并不仅仅是为了完成一些业务上面的数据需求和论证。
数据分析者应该在理解业务的基础上，要有自己独特的见解，扩大自己的思考范围，提升洞察力。同时要换位思考，从多角度看待数据和使用数据。不同的人，不同的角度看问题都能得到不同的效果。
04 更进一步
如果以上内容都比较扎实的完成，可以说能够进行大部分项目了，也对数据分析有着很成体系的理解。之后可以结合自己的需求，深入学习更多的内容，或者结合实际项目练习。尝试着找一些完整的项目去做，比如说kaggle就是很不错的平台，会提供数据集进行使用。kaggle的入门赛也做的很好，简单易懂，让新人不会太迷茫。
如果有额外兴趣的话，还是有很多更深奥的东西值得学习的，比如深度学习范围的内容或者大数据的相关技术等。
05 结尾的话
很多人在入门数据分析时候都会问：我从零开始，多久能学会机器学习？其实取决于你怎么理解会，如果从头学python，到能使用sklearn调出机器学习模型，大概一个月就完成了。但深入的去理解以上内容，确实不是一年半载能完成的。
我见过很多人追求速成，也确实速成了。遇到项目基本就是把数据导进来，不做特征处理，然后调出各种模型(其中不乏像神经网络和boosting这种比较高级的模型)，每个用默认参数试一次，看看效果。
然而数据分析没那么简单，也没那么fancy。做一个项目，80%的时间都在准备，涉及到许多数据清理和操作。
还是更建议一步一个脚印的去学习，边学边做、边学边想，记好学习笔记，并定期总结学习心得。打好基础不可急于求成，才是学习的最好途径。
今晚【零基础入职数据分析就业班】2018年最后一课！涨价倒计时：12天！欢迎大家扫码咨询,爱数据学院伴你成功踏入数据职场！
End.
作者：刘家铭
923
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
