如何快速成为数据分析师?

已邀请:

min

赞同来自: candy

我小时候的理想是将来做一名数学家,可惜长大了发现自己天赋不够,理想渐行渐远,于是开始考虑现实,开始做一些人生规划,我一直在思考将来从事何种职业,专注什么样的领域,重新定义着自己的职业理想。我现在的职业理想,比较简单,就是做一名数据分析师。

为什么要做数据分析师:
在通信、互联网、金融等这些行业每天产生巨大的数据量(长期更是积累了大量丰富的数据,比如客户交易数据等等),据说到2020年,全球每年产生的数据量达到3500万亿GB;海量的历史数据是否有价值,是否可以利用为领导决策提供参考依据?随着软件工具、数据库技术、各种硬件设备的飞快发展,使得我们分析海量数据成为可能。
而数据分析也越来越受到领导层的重视,借助报表告诉用户什么已经发生了,借助OLAP和可视化工具等分析工具告诉用户为什么发生了,通过dashboard监控告诉用户现在在发生什么,通过预报告诉用户什么可能会发生。数据分析会从海量数据中提取、挖掘对业务发展有价值的、潜在的知识,找出趋势,为决策层的提供有力依据,为产品或服务发展方向起到积极作用,有力推动企业内部的科学化、信息化管理。

我们举两个通过数据分析获得成功的例子:
(1) Facebook广告与微博、SNS等网络社区的用户相联系,通过先进的数据挖掘与分析技术,为广告商提供更为精准定位的服务,该精准广告模式收到广大广告商的热捧,根据市场调研机构eMarketer的数据,Facebook年营收额超过20亿美元,成为美国最大的在线显示广告提供商。

(2) Hitwise发布会上,亚太区负责人John举例说明: 亚马逊30%的销售是来自其系统自动的产品推荐,通过客户分类,测试统计,行为建模,投放优化四步,运营客户的行为数据带来竞争优势。

此外,还有好多好多,数据分析,在营销、金融、互联网等方面应用是非常广泛的:比如在营销领域,有数据库营销,精准营销,RFM分析,客户分群,销量预测等等;在金融上预测股价及其波动,套利模型等等;在互联网电子商务上面,百度的精准广告,淘宝的数据魔方等等。类似成功的案例会越来越多,以至于数据分析师也越来越受到重视。

然而,现实却是另一种情况。我们来看一个来自微博上的信息:在美国目前面临14万~19万具有数据分析和管理能力的专业人员,以及150万具有理解和决策能力(基于对海量数据的研究)的管理人员和分析人员的人才短缺。而在中国,受过专业训练并有经验的数据分析人才,未来三年,分析能力人才供需缺口将逐渐放大,高级分析人才难寻。也就是说,数据分析的需求在不断增长,然而合格的为企业做分析决策的数据分析师却寥寥无几。好多人想做数据分析却不知道如何入手,要么不懂得如何清洗数据,直接把数据拿来就用;要么乱套模型,分析的头头是道,其实完全不是那么回事。按俗话说就是:见过猪跑,没吃过猪肉。

我的职业规划:
对于数据分析,有一句话说的非常好:spss/sql之类的软件、决策树、时间序列之类的方法,这些仅仅就都是个工具而已,最重要的是对业务的把握。没有正确的业务理解,再牛的理论,再牛的工具,都是白搭。做一名合格的数据分析师,除了对数据需要有良好的敏感性之外,对相关业务的背景的深入了解,对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用,哪些不适用,而不是孤立地在“真空环境”下进行分析。
为此,我对自己的规划如下:

第一步:掌握基本的数据分析知识(比如统计,概率,数据挖掘基础理论,运筹学等),掌握基本的数据分析软件(比如,VBA,Matlab,Spss,Sql等等),掌握基本的商业经济常识(比如宏微观经济学,营销理论,投资基础知识,战略与风险管理等等)。这些基础知识,在学校里尽量的学习,而且我来到了和君商学院,这样我可以在商业分析、经济分析上面领悟到一些东西,增强我的数据分析能力。

第二步:参与各种实习。研一开始我当时虽然有课,不过很幸运的找到一份一周只需去一两天的兼职,内容是为三星做竞争对手分析,当然分析框架是leader给定了,我只是做整合资料和往ppt里填充的内容的工作,不过通过兼职,我接触到了咨询行业,也向正式员工学习了很多商业分析、思考逻辑之类的东西。之后去西门子,做和VBA的事情,虽然做的事情与数据分析无关,不过在公司经常用VBA做一些自动化处理工作,为自己的数据分析工具打好了基础。再之后去了易车,在那里兼职了一个多月,参与了大众汽车销量数据短期预测的项目,一个小项目下来,数据分析的方法流程掌握了不少,也了解了企业是如何用一些时间序列模型去参与预测的,如何选取某个拟合曲线作为预测值。现在,我来到新的地方实习,也非常幸运的参加了一个央企的码头堆场优化系统设计,其实也算数据分析的一种吧,通过码头的数据实施调度,通过码头的数据进行决策,最后写成一个可操作的自动化系统。而这个项目,最重要的就是业务流程的把握,我也参与项目最初的需求调研,和制定工作任务说明书SOW,体会颇多。

第三步:第一份工作,预计3-5年。我估计会选择咨询公司或者IT公司吧,主要是做数据分析这块比较强的公司,比如Fico,埃森哲,高沃,瑞尼尔,IBM,AC等等。通过第一份工作去把自己的知识打得扎实些,学会在实际中应用所学,学会数据分析的流程方*,让自己成长起来。

第四步:去自己喜欢的一个行业,深入了解这个行业,并讲数据分析应用到这个行业里。比如我可以去电子商务做数据分析师。我觉得我选择电子商务,是因为未来必将是互联网的时代,电子商务必将取代传统商务,最显著的现象就是传统零售商老大沃尔玛正在受到亚马逊的挑战。此外,电子商务比传统的零售商具有更好的数据收集和管理能力,可以更好的跟踪用户、挖掘潜在用户、挖掘潜在商品。

第五步:未知。我暂时没有想法,不过我希望我是在一直的进步。

有一位数据分析牛人曾经总结过数据分析师的能力和目标:
能力:一定要懂点战略、才能结合商业;一定要漂亮的presentation、才能buying;一定要有global view、才能打单;一定要懂业务、才能结合市场;一定要专几种工具、才能干活;一定要学好、才能有效率;一定要有强悍理论基础、才能入门;一定要努力、才能赚钱;最重要的:一定要务实、才有reputation;不懂的话以后慢慢就明白了。

目标:1-做过多少个项目?2-业务背景有哪些,是否跨行业?3-做过多少种类型的模型?做了多少个模型?4-基于模型做过多少次完整的marketing闭环?以上四个问题,足以秒杀95%以上的忽悠和菜鸟!

我仅以此为努力之坐标,时刻提醒自己。
路在前方,漫漫前行。

安之若素

赞同来自:

首先,成为任何一个技术型工作的从业者最需要的就是掌握相关的专业技能,因此也可以这么理解题主的话:如何在最短的时间内高效率的掌握数据分析知识从而达到找一份相关工作的资格!

在长篇大论之前,我先给题主来一粒定心丸:3个月零基础入门数据分析师是一件完全可能的事!
看清楚哦,我说的是入门。入门基本上就是懂得了常规的数据分析知识并且据此找到一份简单的工作!

我简单的将学习数据分析的同学分为三种:
1.学过计算机但不会统计学(新手)
2.学过统计学但不会计算机(小白)
3.统计学和计算机都不会(菜鸟)

他们的排名是: 菜鸟 < 小白 <= 新手。 无需置疑,菜鸟是最弱的级别,学习起来也是困难重重。小白和新手算是有一定的基础,学习起来会比较轻松一点。 从我个人角度来看,我觉得计算机技术要重于统计学知识,因此我认为学计算机的同学更容易入门。

当然,无论处于哪一个级别你都需要做两件事:
1.一份正确的学习计划
2.一套正确的书籍
废话不多说,先上书单:

上面这十本书,每一本都是经典。 
它完美的解决了一个初级数据分析师应该掌握的技能:
1.统计学基础
2.常用模型理论
3.R和PYTHON
4.网页分析
5.数据库技术
6.实战应用
简单的描述下:

统计学无需置疑是一个数据分析师的核心功底,你只有学好了统计学才能谈得上数据分析。
但是统计学又常常是不够用的,我们还需要一些高级的模型来解决我们实际业务中的问题,比如:银行需要判断是否给某个客户发放信用卡 这就需要一个高级的二分类模型。这里我们的数据挖掘理论就派上用场了。
有了理论知识,我们需要用工具去实现我们的理论并加以应用。这个年代,已经没有人会去手工计算某个问题了,R和PYTHON就是最负盛名的数据分析工具。 关于R和PYTHON的地位,题主可以百度,谷歌,知乎等搜索一遍。 至于如何学习,请看上面的书单!
如果致力于在互联网领域发展,那么网页分析是你必看的一本书籍。这本是是大名鼎鼎的GA创始人著作,看一遍,做一遍会有一个不错的收获。
数据分析师是跟数据打交道的,我们的数据都是存储在数据库里面的,因此掌握必备的数据库技术是肯定要的!
以上就是对入门级别的数据分析师做的一个简单的描述! 

那么,在对书籍有了一定的了解之后,具体的该怎么学习呢?
首先,我给大家推荐一个我们自己录制的视频《零基础指导学习数据分析》。下载地址如下:
SOTON第一课1.zip_免费高速下载
内有讲义以及高清无码的视频。

我们将三个月分为三个学习阶段,每个阶段请务必保持每天3个小时以上的学习时间。这个时间要求不过分,不管是对学生党还是上班族,三个小时总是抽的出来的。

第一阶段:初识数据分析
这个阶段是你学习数据分析的第一个月。核心的三本书就是:统计学、R IN ACTION、深入浅出数据分析。
第一星期:好好的阅读一下统计学这本教材。按照每天3个小时的时间,一个星期你至少能看完8章。踏踏实实的看完,课后习题不需要做,重点放在理解公式推导以及专业名字定义的理解上。

第二星期:有了统计学基础,R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍,你不需要全部看完这本书,只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识~

第三个星期:《深入浅出数据分析》这本书很大头,不是因为它内容多,而是因为它废话和插图多。很有意思的一本入门级别的教材,花一个星期好好的读一下,能学多少是多少。

第四个星期:查漏补缺。经过前三个星期的学习,你一定有不少的疑惑或者遗忘了某些知识。不要着急,这个星期就是用来好好回顾一下你本月所学的东西,不懂的定义再看看,不会的代码再敲敲,不懂的知识再google一下~

对了,再送你一个视频呗。讲的是如何利用EXCEL进行完整的数据分析流程:
第二阶段:升级你的技能
第一个月只是让你对数据分析有一个初步的认识,你已经可以秒杀20%左右的人了(我瞎猜的)
这个月就是要升级你的技能,在对已有的知识基础上做一个升华。本月任务较重,小伙伴需要动脑和动手的地方比较多。

第一个星期:《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读,在一个星期之内能看多少就看多少。但是要尽量多看点,因为此书你可能要看一辈子的~~不要做笔记,因为你做的笔记大部分时间都是在抄书,没啥意思的。数据挖掘可不是记忆的东西,是要靠理解的!

第二个星期:来来来,python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题:R和PYTHON哪个好。 等你都学了,你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选,对着书,着重学习numpy,pandas两个包! 对了,也要学会怎么安装PYTHON这也是技术活!

第三个星期:为毛感觉前两个星期啥也没学到?乱七八糟的! 没事,这是正常的,难道你指望两个星期就能学完数据挖掘吗? 在此,你已经有了一定的Python,统计学,数据挖掘基础知识,那么是不是能够讲它们组合起来用一用呢? scikit-learn,你值得拥有。 看不懂没关系,先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。

第四个星期:重复第三个星期的内容。对了,你是不是应该对R再做点事情呢?

第三阶段:准备一个小小的毕业吧
前两个月会过的很痛苦,很累,很烦躁!不用担心,你终于来到了第三个月,这个月与前两个月完全不一样,因为这个月会更加更加的痛苦!!
在这个月,我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能,没有之一。作为这个星球上一个通用的语言,它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了,那也就学学mysql吧,这是一个存储数据的东西,你说它重不重要呢? 这两个并不难学,稍微花点功夫就能入门了。
本月重点是重复第二个月的工作啊,继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究? 这个还要来问我吗? 书单都在上面了~ 看着书复习就行。 不要忘了那个神技:scikit-learn

对了,如果你想去互联网公司投份简历,记得要把《网页分析》这本书好好的过一遍,相信我,你只要看一遍,就能打败百分之80 的面试官。因为他们压根看不起GA。

gus

赞同来自:

不过从我的经验来说,这个书单相对更适合有一定计算机基础的同学(无论用什么编程语言至少写过一个50行以上有效代码程序,知道基本的数据结构)。还有一部分同学是非计算机相关专业,基本没有接触过编程语言,统计知识也相对匮乏,或许已经有了几年非数据分析的工作经验,但他们同样有一颗想做数据分析师的心,我就从他们(以下称之为”新人“)的角度来回答“如何快速成为数据分析师”的问题。希望我的回答能给各位有志于成为数据分析师的新人们一点帮助。

开篇前定义:所谓”快速成为数据分析师“指在0基础(统计学基本不懂,代码基本不会,数据分析经验基本没有)的前提下,使用平均100个小时(随个人情况不同有所增减)左右的学习时间,获得互联网(包括电子商务)或零售等传统行业(不包括金融)入门级数据分析相关工作(产品、运营、营销等非技术类职位)的入职资格(入职仅仅是一个开始,真正的学习和挑战在工作中)。有志于做数据挖掘方向的同学们和有一定技术背景的同学们可以参看数据分析和数据挖掘话题下的相关高票答案,以下的内容对你们来说作用较小。

(温馨提示:下文较长,如无耐心可只看目录)
目录:
一、整体了解数据分析——5小时
二、了解统计学知识——10小时
三、学习初级工具——20小时
四、提升PPT能力——10小时
五、了解数据库和编程语言——10小时
六、学习高级工具——10小时
七、了解你想去的行业和职位——10+小时
八、做个报告——25小时
九、投简历,面试,入职——N小时

一、整体了解数据分析——5小时
新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来,立志成为一名数据分析师,于是问题来了,数据分析到底是干什么的?数据分析都包含什么内容?
市面上有很多讲数据分析内容的书籍,在此我推荐《深入浅出数据分析》,此书对有基础人士可称消遣读物, 但对新人们还是有一定的作用。阅读时可不求甚解,重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具,无需纠结分析模型的实现。5个小时,足够你对数据分析工作建立初步的印象,消除陌生感。

二、了解统计学知识——10小时
15个小时只够你了解一下统计学知识,作为入门足够,但你要知道,今后随着工作内容的深入,需要学习更多的统计知识。

本阶段推荐书籍有二:《深入浅出统计学》《统计学:从数据到结论》,要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等),重点放在学习模型的工作原理、输入内容和输出内容,至于具体的数学推导,学不会可暂放一边,需要用的时候再回来看。

三、学习初级工具——20小时
对于非技术类数据分析人员,初级工具只推荐一个:EXCEL。推荐书籍为《谁说菜鸟不会数据分析》,基础篇必须学习,提高篇不一定学(可用其他EXCEL进阶书籍),也可以学习网上的各种公开课。本阶段重点要学习的是EXCEL中级功能使用(数据透视表,函数,各类图表适用场景及如何制作),如有余力可学习VBA。

四、提升PPT能力——10小时
作为数据分析人员,PPT制作能力是极其重要的一项能力,因此需要花一点时间来了解如何做重点突出,信息明确的PPT,以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多,但已经足够(你从来没做过PPT的话,需要再增加一些时间)。具体书籍和课程就不推荐了,网上一抓一大把,请自行搜索。

五、了解数据库和编程语言——10小时
这个阶段有两个目标:学习基础的数据库和编程知识以提升你将来的工作效率,以及测试一下你适合学习哪一种高级数据分析工具。对于前者,数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位,初期用不到),编程语言建议学Python(继续安利《深入浅出Python》,我真没收他们钱……)。数据库学到联合查询就好,性能优化、备份那些内容用不到;Python则是能学多少学多少。

六、学习高级工具——10小时
虽然EXCEL可以解决70%以上的问题,但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择:SPSS和R。虽然R有各种各样的好处,但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具,要是学编程语言学的很痛苦,就学SPSS,要是学的很快乐,就学R。不管用哪一种工具,都要把你学统计学时候学会的重点模型跑一遍,学会建立模型和小幅优化模型即可。

七、了解你想去的行业和职位——10+小时
这里我在时间上写了个”+“号,因为这一步并不一定要用整块时间来学习,它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识,没有之一。你将来想投入哪个行业和哪个职位的方向,就要去学习相关的知识(比如你想做网站运营,那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。具体的学习方法可参看知乎的其他答案,或自行在互联网上搜索。

八、做个报告——25小时
你学习了那么多内容,但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话:你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验,当然可以拿出来,但是如果没有,怎么办?答案很简单,做个报告给他们看,告诉招聘者:我已经有了数据分析入门级(甚至进阶级)职位的能力。同时,做报告也会是你将来工作的主要内容,因此也有可能出现另外一种情况:你费尽心血做了一个报告,然后发现这不是你想要的生活,决定去干别的工作了……这也是件好事,有数据分析能力的人做其他工作也算有一项优势。
在此只说做报告的几个要点:

1、先定好分析目标,梳理好分析逻辑,然后再做其他工作,否则要么没有结论,要么逻辑生硬不合理,要么多次返工……

2、数据来源:首选网上的各种公开数据库和数据源,国外的数据比较规整,国内的数据背景学习成本相对低;
什么你说找不到或者不是你想要的?写个Python(或其他语言)的脚本去抓你想要的数据;

什么你说不会写脚本?手工去复制你想要的数据总可以吧,比如去百度指数、淘宝数据魔方查些关键词,然后把数据复制下来;

什么你说懒得复制?……算了,这份工作不适合你,还是挑一份更有前途的工作吧。

3、数据清洗整理:这项工作通常要占到40%-50%甚至更多的时间,请做好多次重来的心理准备。

4、工具使用:如无能够解释分析过程和结果的信心,请多用描述统计多作图,少用聚类等分析模型,工具和模型是为分析目标服务的,不要为了使用而使用。

5、报告制作:注意三点:
(1)虽然”图比表好,表比字好“,但前提是你能清楚的表达出想要表达的内容,该用文字的时候还是要用文字;
(2)分析一定要有结论,结论一定要有数据支持;
(3)如果使用了一些你当前所属组织(公司或学校)的专有数据,请在具体的数值上打马赛克,且最好不要标注具体来源(写到某公司或某学校即可),这是作为一个数据分析师的职业素养,面试时有加分。

6、做好多次修改完善报告的心理准备。

九、投简历,面试,入职——N小时
投简历的时候不要看见职位里带”数据分析师“就投!带这个关键字的,有录入整理数据的最低级职位,也有需要写代码的开发人员(数据分析师,数据挖掘工程师,傻傻分不清楚),看好职位描述再投!需要3年以上工作经验的,可以投但不要抱希望;需要1年以上工作经验的,你手里有做好的报告,请转成PDF文件,然后向他们砸过去……很大几率能中。

面试时候基本上会问一些”你认为数据分析都包含哪些工作“,”你之前做过什么数据分析项目“,”你印象最深刻的项目是哪一个“,”你觉得数据分析哪部分最重要“,"你在工作中碰到过什么难题“之类的问题,你已经做过一份完整报告所以这些问题应该都能答上来,基本都是开放式问题,没有标准答案,不必紧张。如果碰上让你写代码或者做算法题的,默默退了吧,他们要招的是开发……

N次面试之后,准备入职吧,正式开始你作为数据分析师的征程。

正文到此结束,再次重申,以上内容仅是帮助你获得数据分析师的入门资格,而且并不够快速(一天纯学习3个小时,也要至少一个月),数据分析师是一个需要不断学习提升的职业,实际有效的项目经验对分析水平的影响非常大,看主要互联网公司招聘数据分析相关职位的JD就可以体会到。

要回复问题请先登录注册