合格的大数据分析师应该掌握的技能-新东方前途出国

逐步成为大数据分析师

　　如果您认真地打算成为一名大数据分析师，并且从头开始，请不要担心!你可以这样做。这有助于采取逐步的方法。

　　1)了解R或Python编程的基础知识。即使您以前从未编写过任何代码，我们在Python 和R中的大数据分析师学习路径也可以帮助您从头开始。

　　2)开始建设项目。尽早开始整理数据项目。这些早期的项目将帮助您巩固正在学习的技能并保持动力。在执行此处的后续步骤时，您应继续构建难度和复杂性不断增加的项目(AAA教育的学习路径具有内置的指导项目来帮助您完成此工作)。

　　3)添加更多高级技术技能。我们的大数据分析师学习路径将按逻辑顺序将您带入所有这些技能，因此每种技能都建立在前一个技能的基础上，您不必担心接下来要学习什么。但是，如果您正在学习其他资源，请务必涵盖：SQL，统计信息，命令行和Git(除了特定数据的编程技巧和所选择的语言中使用的软件包)。

　　4)分享您的工作并与社区互动。这将帮助您学习，协作，并开始建立作为大数据分析师的“个人品牌”。共享您的工作可能会令人生畏，但您永远不知道合适的人碰巧遇到了您共享的一个很酷的项目，可以提供什么样的工作机会。

　　5)超越界限。掌握了基础知识之后，请确保继续推进项目，以学习新技能。不要一遍又一遍地进行类似项目的陷阱，因为您愿意做它们。尝试在每个新项目中包含至少从未做过的一件事，或者回到旧项目并尝试改善它们或增加复杂性。

• 数学知识

对于初级数据分析师来说，则需要了解统计相关的基础性内容，公式计算，统计模型等。当你获得一份数据集时，需要先进行了解数据集的质量，进行描述统计。

而对于高级数据分析师，必须具备统计模型的能力，线性代数也要有一定的了解。

• 分析工具

对于分析工具，SQL 是必须会的，还有要熟悉Excel数据透视表和公式的使用，另外，还要学会一个统计分析工具，SAS作为入门是比较好的，VBA 基本必备，SPSS/SAS/R 至少要熟练使用其中之一，其他分析工具（如 Matlab）可以视情况而定。

• 编程语言

数据分析领域最热门的两大语言是 R 和 Python。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力不足，学习曲线比较陡峭。Python 适用性强，可以将分析的过程脚本化。所以，如果你想在这一领域有所发展，学习 Python 也是相当有必要的。

当然其他编程语言也是需要掌握的。要有独立把数据化为己用的能力, 这其中SQL 是最基本的，你必须会用 SQL 查询数据、会快速写程序分析数据。当然，编程技术不需要达到软件工程师的水平。要想更深入的分析问题你可能还会用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。

• 业务理解

对业务的理解是数据分析师工作的基础，数据的获取方案、指标的选取、还有最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

• 逻辑思维

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。对于数据挖掘工程师，罗辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

• 数据可视化

数据可视化主要借助于图形化手段，清晰有效地传达与沟通信息。听起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化。

对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚地展示数据，就达到目标了。对于稍高级的数据分析师，需要使用更有效的数据分析工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

• 协调沟通

数据分析师不仅需要具备破译数据的能力，也经常被要求向项目经理和部门主管提供有关某些数据点的建议，所以，你需要有较强的交流能力。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。