1，商场和环境

问：1)如今一线城市和二线城市的数据分析师真有像陈述上所说的那么稀缺吗?如今的行情是怎么的呢?

2)数据分析师平时的工作是啥?分为哪几类?传统公司和互联网的数据分析师作业有啥不相同点吗?

答：1)现在数据分析师这个JOB 的确有缺口，为啥呢?这个由数据分析师自身作业特性决议：

?数据分析师，数据+剖析+师，这个意味着从业者需求懂数据，也要会剖析，到了师的境地，阐明有必定的经历堆集。通常的大学应届毕业生，大学里边没有相似的专业，懂计算机的不明白数据，懂数据的计算机技术差点，懂数据和计算机的逻辑性不好，最大的一个疑问是，许多同学关于界说疑问，剖析疑问，思考疑问等根本的才干，都不具有，更别问详细的商场，或许事务的剖析和经历，所以，应届毕业生中计算学专业的相对接近数据分析师的根本技术，可是，也仅仅是技术上的接近。假如毕业今后不从事这个职业，今后想转行做这个职业，就相对艰难一点，究竟，隔行如隔山。别的，上面也旁边面提到了，数据分析师需求具有许多技术，这个比JAVA开发工程师这么相对单一技术来说，要杂乱一点，所以，这个也是数据分析师缺的一个因素。

?别的，大数据炽热的时间比较短，顶多3-5年左右。应届毕业生供求少，相应的从业人才比较少，又加上近来言必称数据，公司更是想尽办法跟大数据沾边，关于数据人才需求量大。尤其是互联网公司的开展太快，互联网公司关于数据人才的需求更大。储藏少 VS 需求大，天然就有缺口了。

?现在数据剖析的行情，不相同的公司和职位有不相同的状况，大概介于运营、商品和开发之间吧。

2)?传统互联网公司我没有待过，不敢说了解。可是从我自个关于数据分析师的了解，我猜除了剖析和研讨的事务有不相同，本质上没有不相同。举个比方，A股是传统公司公司，美股是互联网公司，2个股市不相同，可是，作为一名出资者，关于根本面、资金面和情绪面的研讨办法，逻辑推理，出资办法，我觉得是相同的，不会有差异。可是，涉及到详细的A股和美股不相同的股市，详细操作的时候，会一些差异。古话说：万变不离其宗 。

?数据分析师平时作业，大概有如下的几方面(当然，各公司事务开展阶段不相同，稍有差异)，中心都是环绕数据，发掘其价值：

?供给根底报表，满意根底需求

?剖析事务和商品，供给事务运营和商品优化主张

?供给战略剖析和战略性陈述

?开发数据商品

?根本的作业是前三个，后面一个数据商品开发，主要是数据商品司理去做的，可是也不必定。可能是分析师提需求，别的人去做。

2，技术

问：1)我现在比较了解 Python 的根底数据包(Numpy，Pandas，Matplotlib 等)和 Linux Shell，Keynote、AI、Ps 做陈述展示也没啥疑问，做过 5 年销售，一年风投司理，但数学和计算较弱，英语也通常，能找到适宜的数据剖析作业吗?

2) 数据剖析从入门到进阶的道路是啥?中心技术是啥呢?至少要懂那些东西才干上手干活?

3) SQL 在数据剖析作业很主要吗?常用的 SQL 东西有哪些呢?

4)数据发掘和数据剖析的差异是啥呢?做数据剖析必定要懂数据发掘吗?需求懂到啥程度呢?

答：1)数据分析师职位，也有初、中、高档的区别，比方你去阿里巴巴岗位查找数据分析师，会有数据分析师，数据剖析专家等区别，所以，请求不也有，关于求职者的技术请求也不相同。会Python，不是优势，反而你做过一年风投精力会给你的经历增色，为啥呢?一个好的数据分析师，必定是一个商业剖析家，准确的界说疑问，思考疑问，找到解决办法，才是一名合格的分析师需求具有的技术。所以，你必定可以找到一份数据剖析的作业。

2)提到从入门到进阶的道路，我自个觉得没有一个清晰和固定的道路，不像JAVA，从看《think in java》开端，到《怎么医治颈椎病》完毕。每自个都会剖析，都有想法，也都有自个的观点。不过，分析师需求具有的技术，看值得分析师新同学重视的“软技术”!这篇文章吧。这个是我自个的自个经历总结，希望对你有协助。

3)SQL主要是用来做数据获取的。现在公司的数据，许多都放在数据库，比方MySQL，mangoDB，等等;假如是ODPS,HIVE，也是sql获取，所以，这种状况让他人觉得SQL很主要。本来，SQL也是一个技术。咱们做数据剖析，有必要要把数据获取出来，这个是第一步。获取出来今后，再剖析，是第二步。本来，在阿里巴巴这么巨大上的公司，一个分析师会SQL+EXCEL+PPT，根本就可以把活干完了。相信么? 所以，只要会SQL的根本语法，会写SQL代码，写个1W行，根本SQL就不是疑问了。

4)数据剖析和数据发掘，广义的数据剖析包含了数据发掘，狭义的说呢，它们的意图相同，都是发掘数据的价值，可是进程和办法不相同。数据发掘侧重研讨数据中的规则和形式，规则、形式必定要经过东西来发掘;数据剖析通常剖析方针相对清晰，从数据得到一些信息，不必那么深的规则的讨论。做数据剖析，不必定非要懂那么多数据发掘的算法，或许机器学习。当然，技多不压身，懂的东西越多越好。至于详细的一个事务疑问的剖析，通常不会涉及到杂乱的数据发掘，计算办法就够了。

3，别的

问：1)这个书单和学习方案如何?

2)会 Python 还需求学 R 吗?他们在做数据剖析时各自的好坏是什么呢?

答：1)这个书单和方案，怎么说呢，挺完美。可是，要看完这些书，学会这些技术，消化掉，很难。之前值得分析师新同学重视的“软技术”!的文章里边我也推荐了一个书单，我觉得分析师的中心技术，仍是软技术方面的，比方，准确界说疑问，剖析疑问，找到疑问的串联点，怎么去解决疑问，怎么准确的思考疑问，这些才是分析师的中心技术。所以，我格外附和查理芒格说的一句话：不要做一名股市剖析家，而要做一名商业剖析家。分析师亦然。 我个人觉得完美的学习方案，不如这么。找一家公司的IPO陈述，然后细心的研讨这个IPO的陈述，研讨这个公司的发展和改变，以及股市的改变，思考一些疑问。用到了剖析的软件，就去学习，学完了立马使用它去研讨IPO陈述，等等。这种办法，比看XX软件学习技术好多了。

2)Python和R，一把是倚天剑，一把是屠龙刀。两个都好。在高手那里，它们没有半点差异。不用纠结。通晓一个就够用了。大多数的疑问剖析，用不到逻辑回归和机器学习。

4，总结

本来，兄弟问的几个疑问，基本触及了数据分析师技术技术，作业内容，成长道路等等，这儿简略再总结一下：

?数据分析师，作业触及到数据获取，数据收拾，数据剖析，数据陈述等几个方面。

?数据获取这块，现在SQL是必需求把握的，上面也提到了。别的，有些时分也许也会用到爬虫，爬取一些数据;

?数据收拾这有些，python和R，二者取其一就够了。不多说。简略的数据，Excel就够用了。现在做数据分析师用Excel打天下的，估量有90%。

?数据剖析，这有些理解为探索性数据剖析吧，比方做一些计算图，计算办法来剖析一些疑问，研讨方差改变，等等。这个方面，软技术更需求，比方疑问的界说，疑问的剖析，等等。当然，为了更大程度的发掘信息，会用数据发掘的办法，等等。从外界看，形似会建模和发掘，就巨大上了，用excel就不巨大上了。形似巴菲特用电脑只会打桥牌，不会所谓的股市发掘和预测模型，可是，不影响他是一个巨大的出资和理财家。想想他的出资理财的回报率，亲我们，你们不觉得你会excel就很牛了么?

?数据陈述，好了，前面一切的获取，收拾，剖析，都是进程，陈述才是咱们做这个数据剖析的一个成果。假如它有含义，对他人有协助，OK，咱们做的作业有含义了。假如它不准确，更没有含义。前面的支付都是一江春水向东流，拜拜了。 大多数的陈述，是PPT或许邮件方式。这有些，因为做个PPT不会格外复杂，我们都不重视。本来，它也是有许多窍门的。不展开了。

?最终说一点东西，关于数据分析师，举一个巴菲特的比如。他不会发掘算法，不会建模，可是他有一套自个的剖析疑问，解决疑问的模型结构，他会自个去剖析公司的财务数据，剖析经济发展走势，等等。巴菲特，不是一个好的分析师么? 相信我们理解数据分析师的中心技术是什么了。