teablue数据分析_大数据时代来临，再不抓住风口你就out了

在大数据时代，数据分析师这个职业似乎应运而生，作为一名数据分析师，我觉得我有必要向大家科普一下这个职业。下面是我的数据分析师证书。

首先数据分析师其实分为两类，一类是业务数据分析师，一类是大数据分析师。这两种其实区别很大，大数据分析师偏向IT类，偏向于开发岗，也就是俗称的程序员。业务数据分析师偏向业务类，并不需要熟练掌握很高的IT技术。下面两种数据分析师需要掌握的内容。

可以明显看出两者的区别，大数据分析师明显偏向IT技术，需要有良好的编程的基础和良好的数据洞察能力。业务数据分析师只要求我们掌握基本的数据分析可视化的工具，熟练的掌握脚本语言python已经就是很优秀的业务数据分析师了。

excel是基本的数据分析软件，需要掌握基本的函数，图表的制作和数据透视表的制作，excel操作方便，但是其数据处理的灵活性和图表的精美程度远远不够。teablue是很好的数据可视化工具，它将数据分为度量和维度，可以做出很多好看的图，如雷达图，地图，还有波特图。给出我用teblue做出的图如下图所示。

同样spss是非常强大的数据分析工具，里面有很多统计学方法，如信度，效度，置信区间，相关性，回归等等数理统计方法，甚至你可以用spss写一些论文，本人就通过spss研究关于我们不同学院学生对学校学生满意度的感知。spss界面如下图所示。

建议数据分析师用好tablue，excel和spss这些数据分析工具，就可以完全满足数据岗的要求了，如果想要进一步发展，可以深入学习python脚本语言，学习数据挖掘相关的内容和算法。数据挖掘的传统算法有逻辑回归，朴素贝叶斯，支持向量机，数据森林，决策树，Lasso回归，ridge回归。

至于大数据分析师我还不太了解，现在我还在学习scala语言。

当然提起数据分析师不得不得提两个平台，一个是cpda数据分析师协会和cda数据分析师协会，这两个协会通过考试来颁发数据分析师证，我记得cpda考试费和培训费是绑定的，一共8800，而cda数据分析师有四个层次，业务数据分析师，建模数据分析师，大数据分析师和数据科学家。两个平台侧重点不同，cpda侧重于理论，cda侧重于实践，属于数据工程师。至于要不要考证，我觉得是仁者见仁智者见智，考证可以证明你学习的成功，面试也有可能加分，但考证付出的金钱的时间成本也很高。所以看各位自己的想法。欢迎大家关注骚扰。