数据分析学习路径
1.定义、分析步骤、运用场景
定义: 数据分析是对信息进行搜集,提取有用的信息形成结论,辅助决策的过程。
数据分析包括以下步骤:
- 明确数据分析的目的/需求设计
- 数据采集
- 数据清洗和储存
- 数据分析
- 形成业务报告
- 作出判断及采取行动
数据分析运用场景众多,数据分析是决策判断及采取行动的工具。一切皆数据,商业决策中、生活中均会用到数据分析。具体包括:
- 商业:产品分析、运营分析、市场分析、用户画像、战略分析、组织变革
- 日常生活:买房、投资
2.数据分析职位及岗位
2.1 工作职责
挖掘商业信息,支持决策;
数据流程,指标设计,数据产品设计;
商业问题量化分析,影响业务;
数据看板检测;
数据平台的研发、运维和升级;
数据分析与建模;
数据整理;
算法平台构建;
2.2 任职要求
- 数据分析技术能力
- 熟练掌握数据分析基本套路
- 熟练数据分析工具的使用
- 逻辑分析能力
- 书面表达能力
- 文档写作能力
- 沟通表达能力
- 日常工作时间50%用于沟通,30%用于分析报告写作
- 把数据反映的故事讲解出来
- 用获得的数据与团队沟通
2.3 常用工具
- 数据库管理工具:SQL-MySQL、NoSQL-MongDB;
- 数据分析工具:Excel、python、SPSS、Matlab;
- 数据可视化工具:Tebleau、Power BI;
- 大数据处理工具:Hive、Spark等。
2.4 任职条件总结
- 数据分析需要掌握知识点和技术实现方式,「统计基础」「机器学习」「R」「Excel」「SQL」「Power BI」足以让你得到一个主流公司初级的数据分析师面试的机会。
3.能力进阶
3.1 数据分析师的职位晋升
4.数据分析就业市场分析
4.1 就业方向
数据分析师、数据工程师和机器学习算法工程师:
- 数据分析师:偏向于数据的商业化运用
- 数据工程师:偏向数据架构及数据储存,数据平台的运维
- 机器学习算法工程师:偏向于数据建模,算法平台的构建
三个就业方向,越往下越偏向于数据这种技术,越往上,越偏向于在商业上的运用。不管哪一个方向,都离不开对业务个技术的理解,只不过偏向点有所不同。人才需求呈现金字塔,数据分析师的人才需求量最大。
- 企业管理咨询、战投部门、财务分析等方向
数据分析师三个岗位珙桐之处都是需要和数据联系,但可以划分为便业务型和偏技术型两种。
4.2 我适合的方向
- 必须记住:数据分析是辅助商业决策的工具,目的是用工具更好的在行业中创造价值;
- 工作也是学习的一部分,工作的目的在于创造,不要忽视创造;
- 数据分析结合商学,和行业深度绑定发展。
5.数据分析学习计划
5.1 学习的学习
- 创造第一:一上来就写代码和运用工具;
- 注意实操场景,业务驱动数据分析;
- 模仿最厉害的专家:使用的工具、交流的社区、看的书、日常关注的信息等
5.2 数据分析分为四个层次学习
- 入门数据分析,掌握常用数据分析工具的使用;
- 掌握数据分析必备方法论,提升数据分析能力;
- 建立分析思维,探索分析应对之道;
- 建立算法思维、数据探索能力,提升商业探索能力。
5.3 数据分析的学习组成部分
5.3.1 数据分析由三大板块组成
数据分析最重要的组成部分包括三块:数据采集、数据挖掘、数据可视化。
组成部分 | 描述 | 关键步骤 |
---|---|---|
数据采集 | 数据分析的基础,有数据才可以进行分析 | 1.数据源选择 |
2.数据抓取工具抓取数据 | ||
数据挖掘 | 挖掘数据潜在的商业价值的过程 | 1.算法基础知识 |
2.数学基础知识 | ||
3.数据挖掘实战工具 | ||
数据可视化 | 直观的感受数据分析的结果 | 1.通过工具直观展示 |
5.4 掌握的知识内容细分
5.4.1 数据分析工具使用篇
Python for Everybody | Coursera
Learning Python for Data Analysis and Visualization
《数据挖掘技术》
5.4.2 数据库应用技能篇
Managing Big Data with MySQL | Coursera
5.4.3 数据可视化工具篇
Data Visualization and Communication with Tableau | Coursera
5.4.4 常用统计基础知识篇
5.4.5 商业分析知识篇
- 战略思维/产品思维/市场营销思维
- 信息分析能力/论证分析能力
5.4.6 机器学习
Hadoop、storm、spark
5.3 学习模块设计
最小知识:Excel及数据可视化、基本的商业分析套路和模型。
常用统计模型—->Excel—->MySQL—->Tableau。
最多3个月搞定所有工作,通过CDA的考试。
知识类别 | 知识模块 | 学习资源 | 课程性质 | 学习方式 | 学习情况 |
---|---|---|---|---|---|
数据分析思维篇 | 数据分析常用的思维模型 | 《精益数据分析》《数据实践之美》《深入浅出数据分析》 | 必修 | 了解 | 完成 |
数据分析常用模型 | 《谁说菜鸟不会数据分析》1 | 必修 | 完成 | ||
常用的四十个战略思维模型 | 选修 | 商业实践 | 完成 | ||
数据分析案例解析 | 《数据化管理:洞悉零售及电子商务运营》 | 选修 | 商业实践 | ||
统计学知识篇 | 统计学思维 | 《统计学七支柱》《深入浅出统计学》《商务与经济统计》 | 必修 | ||
统计概念及常用统计量 | 《概率论与数理统计》- | 必修 | |||
常用统计模型 | 必修 | ||||
Excel技能养成篇 | 表格设计的原则;数据处理、筛选、 | 《Excel数据分析思维、技术与实践》《和秋叶一起学Excel》 | 必修 | 完成 | |
函数及公式(Vlookup) | 必修 | 完成 | |||
数据透视表/VBA程序开发 | 必修 | 完成 | |||
Excel实现数据可视化 | 必修 | 完成 | |||
XX业务数据分析 | 《高效商业分析——Excel建模与决策》 | 必修 | |||
数据库技能篇 | 数据库基本结构(查增删改) | 必修 | |||
SQL及MySQL | 《MySQL必知必会》及官方教程 | 必修 | |||
数据库数据获取方式 | 选修 | ||||
XX数据库实战课程 | 《网站分析实战》 | ||||
Pyhon使用篇 | python从入门到精通 | 《利用Python进行数据分析》《python编程从入门到实践》 | 必修 | ||
Numpy入门到精通 | 必修 | ||||
Pandas入门到精通 | 必修 | ||||
Matplotib入门到精通 | |||||
python统计分析 | 必修 | ||||
python网络爬虫 | 必修 | 商业实战 | |||
python实现办公自动化 | 必修 | 案例实战 | |||
数据可视化篇 | 数据可视化原则、入门及工具 | 《数据之美——一本书学会可视化设计》《数据可视化之美》 | 必修 | ||
Excel实现数据可视化 | 必修 | ||||
Tableau数据分析 | 《人人都是数据分析师:Tableau应用实战》 | 必修 | |||
Python 实现数据可视化 | 选修 | ||||
经典数据可视化案例拆解 | 《数据可视化(40位数据设计师访谈录)》 | 必修 | 案例解析 | ||
机器学习入门篇 | 基本思想,算法分类、算法库 | 选修 | |||
无监督学习与聚类算法 | 必修 | ||||
商业能力养成篇 | 商学入门 | 《智能商业》 | 必修 | ||
产业知识入门到精通 | 和君产业书单 | 必修 | |||
战略知识入门到精通 | 和君战略书单及王丰/曾乔课程 | 必修 | |||
招股书阅读 | 必修 | ||||
游学、访谈 | 必修 |
参考资料
数据分析全景地图-三节课
数据分析课程-开课吧
数据分析实战45讲|极课时间
ChangeLog
20201024 增加数据分析的学习组成部分
20200823 增补学习计划
20200821 完成课程设计初稿