数据分析学习经验分享

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

对于很多刚开始学习数据分析的人来说，最常被问道的问题就是：我感觉自己掌握了很多数据分析技术啊，但好像又什么也做不了，拿到一堆数据，根本不知如何下手，从哪里开始分析？统计分析、建模一顿骚操作，得出的结论竟然只是常识？简单、规整的数据能够下手，遇到杂乱、多文件数据就懵逼？ ……… 这些问题看似简单，但是确实是大部分的人在学习过程中都会遇到的问题。真正去学习数据分析的人，都会有这样的感觉：数据分析本身并不困难，难的是真正获得能够支撑决策的结论。就好像，即便你熟读Python各种语法，依然不能写出自己的程序一样。就是算你有一把锋利无比的剑，你不懂得招式方法，不懂驭剑之术，那就是一把废铁。所以真实的数据分析应用，应该是工具与方法、逻辑、思维的结合，你仅掌握了工具（而且深入不够），自然不能得心应手，那么到底应该掌握哪些技能，掌握到什么程度，才能够胜任真正的商业分析和职位需求呢？我们分别从技术、方法和业务三个方面来说明。 关于技术 技术应该是最能够直观感受的层面，请别人推荐书单、寻求专业人士的指导，搜索系统的教程，几乎都是去解决技术层面的问题。通常我们去提升技术，无非是找一个资源，然后开始啃。比如要偶然听说要学Python，就哼哧哼哧开始数据结构、语句、函数、面向对象……；数据库要学习，就找来《十日精通mySQL》《MongoDB速成指南》…… 我们通常把一个数据分析项目的技术流程分为“数据预处理、统计分析、探索性分析、预测性分析、可视化及报告”，那么我们就需要针对每个流程进行针对性的训练。 关于方法论 为什么我们要说方法论呢？因为这在某种程度上，为我们做具体的数据分析项目提供了方向。很多时候，我们拿到一个数据集、或者遇到一个分析问题，无从下手，很大的可能不是技术不足，而是缺少分析方法。 比如即便是最简单的统计分析，统计量的理解要非常深刻。哪些字段应该求和；哪些字段应该取均值；哪些字段应该进行方差分析；哪些应该进行频率统计……这些都是建立在你对统计分析理解的基础上。而仅仅是这些分析，就足够得出有价值的结论。 而对于刚上手数据分析的小白来说，探索性分析则是弥补方法论不足的重要方式。所以可视化的技能就显得尤为重要，有人认为可视化是单纯做最后的结论展示的，但事实上，可视化是进行数据分析的重要步骤。所以，尽可能多地用图形去观看探索数据内部的规律，是获得数据中隐藏信息的关键步骤。 这些比较通用的方法，只要你多做几个项目，你就会有一些初步的感觉：哪些统计信息是有用的，哪些字段的信息是相对重要的，这就是我们常说的数据思维。 当然涉及到具体的领域，还有一些比较常用的方法论，比如对比分析（数据变化、同比环比等指标）、比如用户增长的AARRR模型、生命周期模型、漏斗分析法…… 当然，对于新手来说更重要的是，去熟悉更多的项目，尝试更多的实践，找到基本的分析感觉。我们遇到的大多是二维数据、时间序列、网络数据，了解不同数据类型的分析方法，就能掌握不同领域的数据分析。 经过实际训练，不用多久，你就会发现，对于数据分析豁然开朗，那么你就真正上道了。 进阶技能体系 对于一个专业务据分析师，也就是具备进阶分析能力的人，他的技能树应该是怎么样的呢？我们梳理了一个数据分析进阶的能力构成体系1.对技术有更深入的了解，工具/代码灵活应用，能够对复杂、大规模数据进行分析；2.全面的技能树，能够利用科学计算、可视化、建模的方式进行全面的数据处理、探索、分析与预测；3.整合更多的行业，理解不同类型的业务数据，熟悉各领域数据基本分析套路；4.更高维度的数据分析思维，理解业务和数据，快速输出分析逻辑的能力。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和方法。针对数据分析师的核心技能和分析思维训练，可以了解CDA数据分析师推出的一门数据分析就业班课程，让你快速迈入专业分析师的行列。

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0 回帖

关键词：经验分享 学习经验 数据分析 分析学 经验分

赞