数据分析学习路径（1.0版）

最新推荐文章于 2024-05-09 19:10:02 发布

程序员二飞

最新推荐文章于 2024-05-09 19:10:02 发布

阅读量200

点赞数

文章标签：大数据数据挖掘人工智能 python 爬虫

本文链接：https://blog.csdn.net/xiangxueerfei/article/details/130638917

版权

前言

Data Analysis

在我们的实际工作场景中，可以通过“数据分析”对大量业务数据的观察、分析，得到一定的规律/趋势等情况，能客观地反映出当前业务线存在的一些问题，还能为决策者提供数据支持等，尤其在数字化时代，面对海量的数据，就需要一些数据分析工具和方法快速有效的处理那些数据，分析数据，产出有效地落地方案。在未来，“数据分析”将在各行各业的作用越来越显著，突出，必要。

但是，随着越来越多的工作场景需要“数据分析”做辅助，数据驱动业务，做一些常规性的业务分析，去发现问题，分析问题，解决问题，挖掘隐藏的潜在线索，并提供决策支撑时，伴随着未来经济形势整体下行趋势、企业将降本增效等原因，诸多公司的一些业务线将不会再设立专门的“数据分析”岗位。

所以，不管你是做产品、运营、商务、市场、人力，还是技术开发、项目、管理，基本上都要掌握“数据分析”技能，在未来“数据分析”将是一个底层的能力，属于通用技能，需要每个职场人都要必备的技能之一。

然而，一些在学习数据分析的伙伴，可能会遇到各种各样的问题而陷入迷茫，不知如何入手，感觉很多东西比较高不可攀，其主要原因就是数据分析坑很大，需要掌握的知识又很多，很杂。还有一些原因如下：

没有找到合适的资源/平台可以很好地学习有关数据的一切
对要学习的主题又缺乏明确性，懒癌晚期，无法坚持完成学习
有大量资源，但很难去选择最适合自己的，很容易迷失在细节中很难把控学习进度
数据分析领域对应的岗位非常多，经常把一些同学们绕晕。数据分析、商业分析、运营分析、产品分析、销售分析、数据挖掘、算法模型等等。
·······

“数据分析”，在我所有的工作经验中、在我创立并运营小飞象数据分析社群的过程中、在我与群友/大佬的沟通中、在我运营数据类公众号木木自由的经历中，处处离不开数据分析~

因此，在我接触“数据分析”的过程中，积累了一定认识，完善了数据分析知识体系，我根据自己的思考，深刻认识数据分析是什么和梳理了数据分析学习路径1.0，其中肯定有不足之处，后续将不断地，持续地完善更新补充，希望大家在评论区提出不同的观点，我会完善到其中，也希望刚入门在学习的时候、数据从业者在进阶的时候，慢慢地完善优化自己的技术栈和知识体系就好了。（在评论区，提出你认为的数据分析学习路径以及学习感受一些建议和方法，若采纳任何一条，将获得星球免费体验资格~）

什么是数据分析

Data Analysis

数据 + 分析，数据是基础，分析是主导。数据并不意味着价值，分析和决策才能创造价值！

且数据分析：思维方式大于实践方法

思维方式：业务目标及调研+思维逻辑+创新想法+可行建议
实践方法：数据汇总统计+工具使用+可视化

数据分析，即是基于某个目的对数据进行分析和总结概括的过程。它的意义在于把隐藏在数据中的信息萃取和提炼出来，以便帮助人们找到所研究对象的内在规律，或者事物的发生、发展和未来变化的规律，进而帮助人们做出判断以及正确的决策。

现在领域内有很多数据分析岗。BI（Business Intelligent）、DA（Data Analysis）、数据运营、数据科学家、数据产品经理等，工作内容可以说是大相径同，细分领域的专业度会存在不同程度的差异。“数据分析”是有关“数据”类岗位的总称，而数据分析技能基本是职场里的标配技能，从事这类工作的人，通过分析数据发现业务问题，洞察商业机会点，为运营活动、业务增长及企业发展等，提供合理建议及参考依据。

我理解的数据分析不是从什么高大上的角度出发，它绕不开是什么、是多少、为什么、会怎样、又如何这几个问题。

说明白点：

▶是什么（树立数据标准）

▶是多少（数据描述状况）

▶为什么（探索问题原因）

▶会怎样（预测业务走势）

▶又如何（综合判断状况）

总之，我们做好数据分析，要对数据分析的价值有清楚的定位，不能沦为单纯的 “取数”、“做表”、“写报告”，数据分析应该是对业务有实际的指导意义，并结合业务痛点去发现问题从而解决问题的工具。

数据分析学习路径

Data Analysis

数据分析的学习是流程化，标准化，是一个逐步地形成符合自己节凑的有效“闭环”过程。所谓“闭环”，就是要不断优化，不断迭代，除了要了解掌握数据分析流程、方法、工具以外，还需要不断的进行项目操练复盘总结，补充完善每个步骤中所需要技能栈，并在整个学习过程中持续地、不断的扩展完善提升数据分析思维。

根据【数据分析流程】中所梳理总结的框架思路：明确问题→分析原因→落地方案，可以延伸出数据分析学习路径地图，具体如下图：（后续将持续更新完善2.0，增加落地方案每个方向具体步骤~）

1、明确目标，认清自己。（对应明确问题）

很多人认为定目标、设计划是假大空，但如果没有目标，你会发现时间过去，你依然停留在原地。薪资涨幅、买房买车等，很多看似不是外界能决定的事情，都可以通过设立目标来实现。

数据分析的学习亦是如此，不同的目标方向，路径不经相同。还有清楚的了解自己，知道自己的优势是什么，现有的资源有哪些等？

学习数据分析主要有以下几个目的：

✔提升数据分析技能，辅助本职工作

✔转行数据分析相关岗位，零基础入门

✔数据分析从业者，技能\思维进阶

2、计算差距，弥补不足。（对应分析问题）

先确定目标，计算出自己差哪里，需要做的哪些弥补不足之处，其实就是倒推为了达到目标要做的事情，所谓的倒推做事法。而不同的目标也有不同的侧重点，具体如下：

✔提升数据分析技能辅助工作

主要侧重数据思维的培养和分析思路的完善。熟知数据分析分析方法模型，理解业务，针对性的学习数据分析工具，如excel的透视表可视化+ppt技能。

✔转行数据分析相关岗位

数据分析从业路线大致可以划分成四大方向：数据分析，数据挖掘，数据产品，数据工程。针对各个数据岗位侧重的技能栈，针对性的学习补充差距~

⑴数据分析/数据运营/商业分析是业务方向的数据分析师。主要负责和支撑各部门相关的报表；建立和优化指标体系；监控数据的波动和异常，输出专题分析报告，优化和驱动业务，推动数据化运营；主要侧重数据分析工具以及业务知识的培养。

⑵数据挖掘/算法专家这是技术向的数据岗，有些归类在研发部门，有些则单独成立数据部门。主要侧重于更高的统计学能力、数理能力以及编程技巧。

⑶数据产品是具备强数据分析能力的PM，公司数据产品的规划者。负责大数据产品的设计，推荐算法的产品策略，分析和挖掘用户消费内容的行为数据，为改进算法策略提供依据，报表展示工具的落地和应用；主要侧重于各类数据模型、指标、数据挖掘和数据工程的实现，但是聚焦点是把它作为一个项目去实现，故而不用精通。

⑷数据工程师其实更偏技术，从职业道路上看，程序员走这条路更开阔。可以从数据分析师的SQL技能，往数据的底层收集、存储、计算、运维拓展。从最初的SQL，逐步侧重于了解Hadoop集群、了解presto/impala/spark、了解分布式存储……

✔数据分析从业者进阶

数据分析进阶讲具备更多的工具技能，主要侧重的是要掌握数据分析的各种工具的全栈技能，从能力增长上突破职业的天花板。一般如下：

·可视化辅助工具：excel、BI工具、python···

·统计分析：抽样推测规律、贝叶斯统计、回归、预测····

·大数据处理框架：Hadoop、storm、spark···

·数据库：SQL、MySql、DB···

·数据仓库：SSIS、SSAS····

·数据挖掘工具：Matlab、R语言、python···

·人工智能：机器学习

·挖掘算法：数据结构、一致性

·编程语言：Java、python