数据分析师资格证书好考吗_数据分析师

如今好多公司都在招聘数据分析师精英。现在这个时代，人人都用大数据说话，靠大数据分析来进行决策，可见数据分析和数据挖掘有多重要。也越来越多的人投入到数据分析的行业，竞争也随之增大。因此，想好自己是否喜欢和适合大数据分析。不然坚持真的是种很痛苦的折磨……

数据分析师如何入门，学习周期又需要多久，这是很多初学者的心态，我觉得这个可以看一下各大网站的招聘，比如，国内知名互联网数据分析师的招聘要求，进行自我对照，即可知道需要做哪些准备？
这是某互联网巨头的数据分析师职位要求 ：
1. 计算机、统计学、数学等相关专业本科及以上学历；
2. 具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；
3. 三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；
4. 对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；
5. 具备良好的逻辑分析能力、组织沟通能力和团队精神；
6. 富有创新精神，充满激情，乐于接受挑战。

大多数据分析师都是从计算机、数学、统计这些专业而来的，也就意味着数学知识是重要基础。尤其是统计学，更是数据分析师的基本功，从数据采集、抽样到具体分析时的验证探索和预测都要用到统计学。现在社会心理学也逐渐囊括到数据分析师的能力体系中来了，尤其是从事互联网产品运营的同学，需要了解用户的行为动向，分析背后的动机。把握了整体方向后，数据分析的过程也就更容易。

数据分析师千万不要认为自己只是一个技术人员。比起数据库、统计、业务理解程序等硬性技能，严谨的工作态度、良好的沟通能力、迅速的学习能力以及随时随地的好奇心，这四项软实力，是数据分析师突破自己的决定性因素。 数据分析师不要只站在岸边看业务岗位的同事们游泳。半年都不懂业务的数据分析师是没有进入状态的。从技术人员到公司核心，数据分析师需要用开放的好奇心不断拓宽知识的疆界。

数据分析师平均工资为10920元。其中，5-8K的薪资水平占31.96%，位列第一；2-5K的薪资水平占25.05%，位列第二；8-12K的薪资水平占21.14%，位列第三。 薪资水平的高低也与数据分析师的工作经验，以及数据分析师所在的区域有关。有3-5年工作经验的数据分析师，薪资一般在10K以上，而有5-10年工作经验的数据分析师，薪资水平保持在15K以上；而有10年以上工作经验的数据分析师，薪资水平可以达到20K以上。

在做数据分析时，有自己的想法固然重要，但是“前车之鉴”也是非常有必要学习的，它能帮助数据分析师迅速地成长，因此，模仿是快速提高学习成果的有效方法。这里说的模仿主要是参考他人优秀的分析思路和方法，而并不是说直接“照搬”。成功的模仿需要领会他人方法精髓，理解其分析原理，透过表面达到实质。万变不离其宗，要善于将这些精华转化为自己的知识，否则，只能是“一直在模仿，从未超越过”。

「数据分析师」这个职位，不同的公司，不同的行业，对于它的理解，以及它覆盖的工作范围不太一样。在有些传统行业，数据分析师工作重点是「做行业报告」等；在阿里巴巴等大型互联网公司，职位区分比较明确，数据分析师大部分时间只做产品和运营的分析工作，至于「基础数据处理」、「搭建数据产品」等等不涉及；在创业公司等相对小型公司，「数据分析师」要干的活可能要不仅仅是「产品和运营分析」，「基础数据采集和处理」，「数据产品搭建」都属于「数据分析师」的工作范围。

数据分析师拥有了数据分析的基本能力，还怕不够专业？不如让自己的生活中充满数据分析的气氛吧！试着多去数据分析的论坛看看，多浏览大数据知识的网站，让自己无时无刻不在进步，还怕不能学会数据分析吗？拥有这些技能，再去做数据分析，数据将在你手里变得更亲切，做数据分析也会更简单更便捷，速成数据分析师不再遥远。

数据分析师千万不要认为自己只是一个技术人员。刘普成的经历，比起数据库、统计、业务理解程序等硬性技能，严谨的工作态度、良好的沟通能力、迅速的学习能力以及随时随地的好奇心，这四项软实力，是数据分析师突破自己的决定性因素。

"数据分析与数据挖掘有哪些区别呢。总结一下主要有以下几点：                 
1、计算机编程能力的要求，而数据挖掘则需要有编程基础。
为什么这样说呢？举两个理由：第一个，目前的数据挖掘方面及相关的研究生方面绝大多数是隶属于计算机系；第二点，在招聘岗位上，国内比较大的公司挂的岗位名称大多数为“数据挖掘工程师”。从这两点就可以明确看出数据挖掘跟计算机跟编程有很大的联系。
2、在对行业的理解的能力
要想成为一名优秀的数据分析师，对于所从事的行业有比较深的了解和理解是必须要具备的，并且能够将数据与自身的业务紧密结合起来。简单举个例子来说，给你一份业务经营报表，你就能在脑海中勾画出目前经营状况图，能够看出哪里出现了问题。但是，从事数据挖掘不一定要求对行业有这么高的要求。
3、专业知识面的要求
数据分析师出对行业要了解外，还要懂得一些统计学、营销、经济、心理学、社会学等方面的知识，当然能了解数据挖掘的一些知识会更好。数据挖掘工程师则要求要比较熟悉数据库技术、熟悉数据挖掘的各种算法，能够根据业务需求建立数据模型并将模型应用于实际，甚至需要对已有的模型和算法进行优化或者开发新的算法模型。想要成为优秀的数据挖掘工程师，良好的数学、统计学、数据库、编程能力是必不可少的。
总之一句话来概括的话，数据分析师更关注于业务层面，数据挖掘工程师更关注于技术层面。"