导语让我们抛掉“一定要努力”的鸡汤。
没有数学基础,没有编程基础,没有项目经验,但有一颗想成为数据分析师的心,有没有办法?
让我们抛掉“一定要努力”的鸡汤,扔掉“数据科学家必备”的书单,在本文中,我将给出一条方向明确,可操作的实现路径。
开篇前的定义:
本文中的”100小时成为数据分析师“,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)。
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
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。
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。
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。
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。
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。
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。
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)。
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;
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。
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。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14