数据分析师资格证书好考吗_数据分析师

宽松的格子衫、酒瓶底一样的眼镜，这或许是大多数人对程序员这一群体的群体画像，但在大数据发展如此之快的今天，数据分析师已经成为一个新兴职业。这个听着就高大上的职业，你有没有想过也可以算得上是程序员的一个分支，他们的就业现状如何?

数据分析师不仅听起来是个高大上的职业，做起来也需要高大上的技能;所以，打算一脚踏入数据分析师行业的年轻人请注意，此门深似海，换句话说，你需要投入大量精力，而且需要学习的东西太多，导致数据分析师的回报率相对较低。
　　
数据分析师在我国属于新兴职业，这一方面意味着缺乏大量这方面的人才;但另一方面也意味着行业规模小，行业规章制度与基础设施还不完善。如此看来，数据分析师这个职业，是你的菜吗?

数据分析师的主要职责包括寻找、检索、整理和传递从数据中来的见解。数据分析师也帮助报告和发现隐藏在数据潜在产品中的有意义的见解。从商业指标到用户行为和产品表现，他们负责获取、分析和报告范围的数据。

举个例子，职责可能涵盖：

书写查询从数据库中检索数据，和正确的利益相关者分享数据
浏览用户行为来寻找可以用来提升公司产品表现的见解或趋势
解释A/B测试的结果，基于此结果做出产品推荐

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

数据分析师是目前比较火的一个行业。

数据分析：

SciPy and NumPy 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。

Python for Data Analysis 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强！

Bad Data Handbook  很好玩的书，作者的角度很不同。

适合入门的教程：

集体智慧编程  学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。

Machine Learning in Action  用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博： 王斌_ICTIR）已经翻译这本书了 机器学习实战 这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。我带的研究生入门必看数目之一！

Building Machine Learning Systems with Python  虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。

对中国很多企业来说，都是拥有“数据金矿”，但是已经开始挖掘数据并熟练使用数据分析的企业并不是很多。在国内外市场的影响和中国ZF的扶持下，很多企业开始整理、分析自己的数据，这导致数据分析类岗位和专门从事数据分析的企业如雨后春笋般出现，这意味着企业对数据分析师这个岗位需求会越来越大，直至出现井喷。所以笔者从目前市场供求关系来看，认为目前从事数据分析师竞争压力会小，而且越早从事越有利。

回到大数据圈子里，每一个圈子里面的人，都是在做着改变未来世界的事，都有可能引领着大数据科技与生活的完美融合，不管是互联网+、生物医疗、基因工程、智能家居还是人工智能等等，太多新领域充满了太多未知，充满了太多使命感，所以我们真正天生傲娇，每个人都是自己的英雄。

可现在这个圈子并没有健康的茁壮生态，很多人从早就认为它就是一个泡沫，人人谈，人人吹，人人忽悠。就像法国的密西西比公司泡沫、英国的南海公司泡沫。当真正每个人都在吹捧它的时候，那说明大数据已经很危险了。

我很担心，未来的以后，大数据只是数据的积累和整合，一大堆框架性的东西，只是耗钱的东西，高空楼阁。并不是担心着失业，我只是觉得自己一路探索的“数学真正的价值”，仍然还是很难得到满意的答案。那种无助，也只能是弃甲归田罢了。