我的数据分析师转型之路,从零到字节跳动数据分析师_zl1zl2zl3的博客-CSDN博客
两种类型:偏技术型数据分析师和偏业务性数据分析师
基础知识:Excel、SQL、Python
SQL学习:牛客网编程 Leetcode
python学习:coursera(《Python for everybody》密歇根大学),kaggle
数据分析理论知识
统计学:网易公开课可汗学院基础知识,假设检验是重点。
机器学习:吴恩达coursera machine learning课程,台湾国立大学林轩田老师《机器学习基石》和《机器学习技法》。
书籍:西瓜书、李航的统计学习方法。
项目实战:
1. Kaggle 2. 阿里天池 3.DataFountain
数据分析思维
分析思维是数据分析师最最核心的竞争力,上面所学习的python、sql、机器学习知识等都是在工具层面,要想使用好他们,还需要分析思维的驾驭。
数据分析类:《精益数据分析》、《增长黑客》、《数据化管理:洞悉零售及电子商务运营》、《数据挖掘与数据化运营实战 思路、方法、技巧与应用》
产品思维类:《从点子到产品:产品经理的价值观与方法论》、《俞军产品方法论》、《产品思维》
逻辑思维类:《金字塔原理》、《学会提问》、《麦肯锡思维》
为什么我劝90%的人不要转行数据分析?数据岗真没你想的那么香_转行数据分析师后悔了_Leo.yuan的博客-CSDN博客数据分析其实和语言一样,本质上只是一种技能,必须同时擅长其他专业领域知识(比如你是财务、产品、人力,把自己专业领域知识+数据分析技能结合起来),才能够走得长远。
第一步:利用业余时间学习数据分析思维和工具;
第二步:在工作中,刻意练习自己的数据思维,多使用数据分析工具,孰能生巧;
第三步:让自己通过数据分析后的结论有价值地输出,让其真正辅助自己职业发展。
数据分析不仅是一种职业,更是当代职场人一种必备的技能,往大了说,人人都应该是数据分析师。
写给数据小白:怎么让你的分析结论超出预期,不再是废纸一堆_Leo.yuan的博客-CSDN博客
1、从问题出发 2、结合业务实际 3、结论可落地 4、大胆指出问题
5、报告令人信服
数据分析之数据预处理、分析建模、可视化_数据分析之处理数据_若如初见kk的博客-CSDN博客
1. 数据分析概述
1.1 简介
数据分析:对大量有序或无序的数据进行信息的集中整合、运算提取、展示等操作,通过这些操作找出研究对象的内在规律。
1.2 发展历程
1.0 商业智能(BI) 数据仓库
2.0 大数据分析 企业需要更加强大的数据分析工具,比如大数据开发框架,它能支持企业海量数据运行和分析,结合商业智能报表工具,可以实现对数据的实时监控和展示,并且能够通过对历史数据分析建立相应的预测模型,对未来趋势进行预测。
3.0 数据中台
1.3 应用领域
1.4 开发流程
数据采集、数据处理、数据建模、数据分析、数据可视化、
2. 数据类型
2.1 结构化与非结构化数据
2.2 定性与定量数据
2.3 截面数据与时间序列数据
3. 数据来源
数据的来源主要分为两大类,企业 外部来源 和 内部来源。
4. 数据预处理方法
数据清洗、数据集成、数据规约和数据变换
5. 数据分析模型
对比分析、漏斗分析、留存分析、A/B测试、用户行为路径分析、用户分群、用户画像分析等
5.4 A/B测试(一文解析A/B test是什么? - 知乎)
6. 数据分析方法
描述统计、假设检验、信度分析、相关分析、方差分析、回归分析、聚类分析、判别分析、主成分分析、因子分析、时间序列分析等。
7. 数据可视化
个人决定觉得还应该加上现在现在火热的机器学习作为数据分析的相关方法知识。
实例:
python系列文章(基础,应用,后端,运维,自动化测试,爬虫,数据分析,可视化,机器学习,深度学习系列内容)_python文章_腾讯数据架构师的博客-CSDN博客