数据分析师支招：教你如何迅速成为一名合格的数据分析师

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据分析师支招：教你如何迅速成为一名合格的数据分析师

学习数据分析、数据挖掘，无疑都是为了成为一名合格的数据分析师，再者寻到一份好的工作。不过学习数据分析，不单单是一门技术活，它还是要有一定的方法和技巧，或者说是悟性的。如果单单是学习一门技术，那么我们很有可能只会在比较狭隘的小范围里活动。如何迅速成为一名合格的数据分析师，让已然是数据分析师的大师们来好好传授一下自己的经验。不过，说到迅速，指的是一下子喔，指的仅仅是如何更好地走向学习和通向数据分析师的道路上少走弯路和错路。

数据分析最重要的可能并不是你熟悉的编程工具、分析软件，或者统计学知识，而是清楚你所使用的统计知识(统计学、计量、时间序列、非参数等等)背后的原理、假设及其局限性，知道各种数据分析工具(例如数据挖掘)能带来什么，不能带来什么，看到一组统计检验的结果你能言说什么，不能言说什么。这一切的背后，需要一套完整的「科学」逻辑框架，让你了解自己手中的工具的本质，你才能从数据中「正确地」发现有效的信息，而不是胡乱地使用一大堆自己都搞不清楚的工具来堆砌分析结果，这样得到分析结果不仅无用，而且有害。

知道了这些后，希望成长为「数据分析师」，就需要着手训练自己的能力和洞察力。既然是「数据分析师」，那就分别从「数据」和「分析」两方面入手。

「数据」当然包含了数据收集、处理、可视化等内容，每个环节对于最后的结果都有关键性的影响。其中涉及的技术性内容只是一部分而已，更重要的是你要理解数据收集(是否存在采样偏差?如何纠正或者改进?)、处理(是否有漏洞或异常情况没有考虑?)背后的逻辑。

例如：如果分析股票数据用于设计交易策略，那么你不仅需要明白数据处理本身的问题，还要清楚金融市场的基本知识。例如，使用股票价格时，到底要用收盘价，还是复权价;复权价的话要用前复权价还是后复权价。这些选择与数据分析没有太大的关系，纯粹决定于你分析的目的是什么。因此你要充分了解这些概念背后的逻辑、动机是什么，才能正确地根据自己的目的作出选择。

数据可视化更多的是一门艺术：如何把信息以最恰当的方式呈现给希望获得这些信息的人。首先，你要充分理解这些信息究竟是什么，有什么特点，你才能较为恰当的选择采用的可视化工具。

另外一部分就是「分析」。当然就是各种分析模型，还是需要了解这些模型背后的逻辑，要放到整个项目的上下文中去看，而不是单纯地在模型中看。

总而言之，「理解」数据以及其中的信息是非常重要的，这决定了你的分析和呈现的方法是否合适，决定了最后的结论是否可靠。

现在可以回答题主的问题了：成长为一个数据分析师，要注意「理解」你的知识，形成一个系统，而不是像机器人一样机械地胡乱套用模型。在这个理念下训练你的编程能力，了解你所分析对象的原理和尽可能多的细节。在这个基础上，才能谈数据分析。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：数据分析师 数据分析 分析师 数据分析工具 数据可视化 数据分析师支招：教你如何迅速成为一名合格的数据分析师 数据分析师 如何迅速成为一名合格的数据分析师

成长为一个数据分析师，要注意「理解」你的知识，形成一个系统，而不是像机器人一样机械地胡乱套用模型。在这个理念下训练你的编程能力，了解你所分析对象的原理和尽可能多的细节。在这个基础上，才能谈数据分析。

说到底，还是得有个好的心态去学习，不能急功近利啊。数据分析师，不能为了跟风而学，而是真正是兴趣或目标使然，不然真的会很痛苦。

言简意赅，说的很到位，确实对想当数据分析师和正在学数据分析的人有一定的启示作用。

数据分析师，不知道是学到什么级别才算是数据分析师呢？

我愿一生孤独 发表于 2016-3-19 17:55
数据分析师，不知道是学到什么级别才算是数据分析师呢？

我也挺疑惑的，不知道各个公司或企业对数据分析师的定义和标准都是怎么样，看来还是得具体情况具体分析。

谢谢分享！

数据分析和挖掘部门位于科技部门，优点是直接可以了解所有数据，利用最新的大数据计算分析技术来进行数据分析和建模，数据视野好。面对全局数据建立数据采集和分析系统，系统复用程度高，降低重复投资，效率高。但是团队人员商业敏感度低，过度关注技术和架构，重视技术的领先和处理效率，数据商业敏感度低，不重视数据商业化场景，对业务理解程度不够，支持力度不如前者。

数据分析师将杂乱的数据进行整理后，将数据以不同的形式展现给产品经理、运营人员、营销人员、财务人员、业务人员等。提出基于数据的结果和分析建议，完成数据从原始到商业化应用到关键一步，数据分析师的数据敏感度、商业敏感度、分析角度、表达方式对于商业决策很重要。

随着企业对数据价值的认识越来越高，数据分析类项目也随之增加，尤其是近一段时间大数据时代的到来，数据分析已经是必不可少的内容。其中数据分析结果以报表形式呈现给用户，是各项目的重要组成部分。