学习攻略 | 数据分析师学习路线图

俗话说读万卷书,行万里路.不如阅人无数,阅人无数不如名师指路.可见一个好的导师是多么的重要,选择正确的路线,就能避免走许多弯路,

让自己站在巨人的肩膀上去学习,事半功倍.这里边罗列了最佳学习路线,供大家参考.

程序员

数据分析师Data analyst:指熟悉相关业务,熟练搭建数据分析框架,掌握和使用相关的分析常用工具和基本的分析方法,进行数据搜集、整理、分析,针对数据分析结论给管理销售运营提供指导意义的分析意见。

数据分析师职位要求

1. 计算机、统计学、数学等相关专业本科及以上学历;
2. 具有深厚的统计学、数据挖掘知识,熟悉数据仓库和数据挖掘的相关技术,能够熟练地使用SQL;
3. 三年以上具有海量数据挖掘、分析相关项目实施的工作经验,参与过较完整的数据采集、整理、分析和建模工作;
4. 对商业和业务逻辑敏感,熟悉传统行业数据挖掘背景、了解市场特点及用户需求,有互联网相关行业背景,有网站用户行为研究和文本挖掘经验尤佳;
5. 具备良好的逻辑分析能力、组织沟通能力和团队精神;
6. 富有创新精神,充满激情,乐于接受挑战

 

岗位划分

1. 第一阶段(一般叫数据分析专员)

基本学会excel(VBA最好学会;会做透视表;熟练用筛选、排序、公式),做好PPT。这样很多传统公司的数据专员已经可以做了

2. 第二阶段(数据专员~数据分析师)

这一阶段要会SQL,懂业务,加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。

3. 第三阶段(数据分析师)

统计学熟练(回归、假设检验、时间序列、简单蒙特卡罗),可视化,PPT和excel一定要溜。这些技术就够了,能应付大多数传统公司业务和互联网业务。

4. 第四阶段(分裂)

可视化工程师:这部分国内比较少,其实偏重前端,会high charts,d3.js, echarts.js。技术发展路线可以独立,不在这四阶段,可能前端转行更好。

数据挖掘工程师(一部分和数据挖掘工程师重合):机器学习精通级别(往往是几种,不用担心不是全部,和数据分析师侧重点不同,更需要了解组合模型,理论基础),会组合模型形成数据产品;计算机基本知识(包括linux知识、软件工程等);各类数据库(RDBMS、NoSQL(4大类))

数据科学家:这部分一般是精进统计学,熟悉业务,机器学习会使用(调参+选模型+优化),取数、ETL、可视化啥的都是基本姿态。

 

学习路线图

往数据发展的基本学习路径可以概括为以下内容:

1. EXCEL、PPT(必须精通)

数据工作者的基本姿态,话说本人技术并不是很好,但是起码会操作;要会大胆秀自己,和业务部门交流需求,展示分析结果。技术上回VBA和数据透视就到顶了。

2. 数据库类(必须学)

初级只要会RDBMS就行了,看公司用哪个,用哪个学哪个。没进公司就学MySQL吧。

NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存,严格意义上不算数据库),然后(选学)可以了解各类NoSQL,基于图的数据库Neo4j,基于Column的数据库BigTable,基于key-value的数据库redis/cassendra,基于collection的数据库MongoDB。

3. 统计学(必须学)

如果要学统计学,重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的,这个看自己的意愿。

其他数学知识:线性代数常用(是很多后面的基础),微积分不常用,动力系统、傅里叶分析看自己想进的行业了。

4. 机器学习(数据分析师要求会选、用、调)

常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。

5. 大数据开发(选学,有公司要求的话会用即可,不要求会搭环境)

hadoop基础,包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。

6. 文本类(选学,有公司要求的话会用即可)

这部分不熟,基本要知道次感化、分词、情感分析啥的。

7. 工具类

语言:非大数据类R、Python最多(比较geek的也有用julia的,不差钱和某些公司要求的用SAS、Matlab);大数据可能还会用到scala和java。

可视化(选学):tableau、http://plot.ly、d3.js、echarts.js,R里面的ggplot、ggvis,Python里的bokeh、matplotlib、seaborn都不错

数据库语言:看你自己用啥学啥

其他框架、类库(选学):爬虫(requests、beautifulsoup、scrapy),日志分析(常见elk)

8.相关资料

数据分析入门》、《从文科生到数据分析师(全)》、《如何系统开始学习数据分析》、《数据分析师成长之路》、《上百篇电子书下载

9.推荐课程

  基础课程-统计学
【概率与数理统计】http://www.ppvke.com/10398.html

  入门课程-工具
【Excel】http://www.ppvke.com/class/select?topicid=Excel
【SQL】http://www.ppvke.com/class/select?topicid=Sql

  中级课程-工具
【R语言实战】https://ke.qq.com/course/113359
【Python编程基础】https://ke.qq.com/course/165980

 高级课程-算法
【python数据挖掘】https://ke.qq.com/course/145556
【R语言数据挖掘】https://ke.qq.com/course/113359

 系统学习建议参培训
【数据分析师】 http://www.ppvke.com/Answer/page/cda

R语言学习路线图

俗话说读万卷书,行万里路.不如阅人无数,阅人无数不如名师指路.可见一个好的导师是多么的重要,选择正确的路线,就能避免走许多弯路,

让自己站在巨人的肩膀上去学习,事半功倍.这里边罗列了最佳学习路线,供大家参考.

基本上就是这些:

  • 看在线互动教程、打代码,了解R的最基本的东西,大概能做哪些事情(比如计算一些线性回归),自己根据这些教程去做各种变化,做许多实验,探索一下这个语言的基本语法和构造。
  • 看一些入门书籍,比如 Introductory Time Series with R等等,给你展示怎样用R来比较完整地解决一个问题。可以根据你的领域选择类似的书籍。
  • 开始用R解决一些统计、计量相关的计算性问题,比如用自己的数据跑一些模型,探索这些数据里面可能有趣的东西。
  • 在数据较为复杂一些的项目中使用R,发现数据操作能力太弱,开始接触更深层的R概念,比如可以看 Data Manipulation With R (Phil Spector),形成更加系统的概念,逐渐掌握操作复杂一些的数据和对象的能力。
  • 学习最流行的R扩展包的使用方法,发现整理数据和建模中的许多工作都大幅简化,工作效率出现质的提升。
  • 逐渐开始做更为复杂的项目,形成一整套数据处理、建模的技术和技巧,形成较为系统、完整的认识和知识结构,有较强的社区检索能力,遇到问题能够自行解决或者通过社区解决。
  • 阅读进阶的书籍,例如 Hadley 的 Advanced R Programming,对R的底层和开发有了更加深刻和全面的认识,形成了使用R的基本直觉。
  • 参与到开源社区,不断跟进最新的发展和技术。
  • 参与到R会议,结交更多的朋友,交流使用经验,进一步提升视野和能力。

 

R语言学习路径

 

数据分析师课程推荐:

CDA数据分析师系统培训 LEVEL Ⅰ-北京/上海/深圳/广州面授远程班 忠于技术数据分析师培训

原创文章,作者:PPV课,如若转载,请注明出处:http://www.ppvke.com/Blog/archives/33667

发表评论

登录后才能评论

联系我们

在线咨询:点击这里给我发消息

工作时间:周一至周六,9:30-19:30,节假日休息
热线电话:0755-32843501

QR code