100小时成为数据分析师

没有数学基础,没有编程基础,没有项目经验,但有一颗想成为数据分析师的心,有没有办法?

让我们抛掉“一定要努力”的鸡汤,扔掉“数据科学家必备”的书单,在本文中,我将给出一条方向明确,可操作的实现路径。

开篇前的定义:

本文中的”100小时成为数据分析师“,指在0基础(统计学基本不懂,代码基本不会,数据分析经验基本没有)的前提下,使用平均100个小时(随个人情况不同有所增减)左右的学习时间,获得互联网(包括电子商务)或零售等传统行业(不包括金融)入门级数据分析相关工作(产品、运营、营销等非技术类职位)的入职资格(入职仅仅是一个开始,真正的学习和挑战在工作中)。

(温馨提示:下文较长,如无耐心可只看目录)

目录:

一、整体了解数据分析——5小时

二、了解统计学知识——10小时

三、学习初级工具——20小时

四、提升PPT能力——10小时

五、了解数据库和编程语言——10小时

六、学习高级工具——10小时

七、了解你想去的行业和职位——10+小时

八、做个报告——25小时

九、投简历,面试,入职——N小时

一、整体了解数据分析——5小时

新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来,立志成为一名数据分析师,于是问题来了,数据分析到底是干什么的?数据分析都包含什么内容?

市面上有很多讲数据分析内容的书籍,在此我推荐《深入浅出数据分析》,此书对有基础人士可称消遣读物, 但对新人们还是有一定的作用。阅读时可不求甚解,重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具,无需纠结分析模型的实现。5个小时,足够你对数据分析工作建立初步的印象,消除陌生感。

二、了解统计学知识——10小时

15个小时只够你了解一下统计学知识,作为入门足够,但你要知道,今后随着工作内容的深入,需要学习更多的统计知识。

本阶段推荐书籍有二:《深入浅出统计学》《统计学:从数据到结论》,要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等),重点放在学习模型的工作原理、输入内容和输出内容,至于具体的数学推导,学不会可暂放一边,需要用的时候再回来看。

三、学习初级工具——20小时

对于非技术类数据分析人员,初级工具只推荐一个:EXCEL。推荐书籍为《谁说菜鸟不会数据分析》,基础篇必须学习,提高篇不一定学(可用其他EXCEL进阶书籍),也可以学习网上的各种公开课。

本阶段重点要学习的是EXCEL中级功能使用(数据透视表,函数,各类图表适用场景及如何制作),如有余力可学习VBA。

四、提升PPT能力——10小时

作为数据分析人员,PPT制作能力是极其重要的一项能力,因此需要花一点时间来了解如何做重点突出,信息明确的PPT,以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多,但已经足够(你从来没做过PPT的话,需要再增加一些时间)。具体书籍和课程就不推荐了,网上一抓一大把,请自行搜索。

五、了解数据库和编程语言——10小时

这个阶段有两个目标:学习基础的数据库和编程知识以提升你将来的工作效率,以及测试一下你适合学习哪一种高级数据分析工具。对于前者,数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位,初期用不到),编程语言建议学Python(继续安利《深入浅出Python》,我真没收他们钱……)。数据库学到联合查询就好,性能优化、备份那些内容用不到;Python则是能学多少学多少。

六、学习高级工具——10小时

虽然EXCEL可以解决70%以上的问题,但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择:SPSS和R。虽然R有各种各样的好处,但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具,要是学编程语言学的很痛苦,就学SPSS,要是学的很快乐,就学R。不管用哪一种工具,都要把你学统计学时候学会的重点模型跑一遍,学会建立模型和小幅优化模型即可。

七、了解你想去的行业和职位——10+小时

这里我在时间上写了个”+“号,因为这一步并不一定要用整块时间来学习,它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识,没有之一。你将来想投入哪个行业和哪个职位的方向,就要去学习相关的知识(比如你想做网站运营,那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。

八、做个报告——25小时

你学习了那么多内容,但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话:你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验,当然可以拿出来,但是如果没有,怎么办?答案很简单,做个报告给他们看,告诉招聘者:我已经有了数据分析入门级(甚至进阶级)职位的能力。同时,做报告也会是你将来工作的主要内容,因此也有可能出现另外一种情况:你费尽心血做了一个报告,然后发现这不是你想要的生活,决定去干别的工作了……这也是件好事,有数据分析能力的人做其他工作也算有一项优势。

在此只说做报告的几个要点:

1、先定好分析目标,梳理好分析逻辑,然后再做其他工作,否则要么没有结论,要么逻辑生硬不合理,要么多次返工……

2、数据来源:首选网上的各种公开数据库和数据源,国外的数据比较规整,国内的数据背景学习成本相对低;

3、数据清洗整理:这项工作通常要占到40%-50%甚至更多的时间,请做好多次重来的心理准备。

4、工具使用:如无能够解释分析过程和结果的信心,请多用描述统计多作图,少用聚类等分析模型,工具和模型是为分析目标服务的,不要为了使用而使用。

5、报告制作:注意三点:

(1)虽然”图比表好,表比字好“,但前提是你能清楚的表达出想要表达的内容,该用文字的时候还是要用文字;

(2)分析一定要有结论,结论一定要有数据支持;

(3)如果使用了一些你当前所属组织(公司或学校)的专有数据,请在具体的数值上打马赛克,且最好不要标注具体来源(写到某公司或某学校即可),这是作为一个数据分析师的职业素养,面试时有加分。

6、做好多次修改完善报告的心理准备。

九、投简历,面试,入职——N小时

投简历的时候不要看见职位里带”数据分析师“就投!带这个关键字的,有录入整理数据的最低级职位,也有需要写代码的开发人员(数据分析师,数据挖掘工程师,傻傻分不清楚),看好职位描述再投!需要3年以上工作经验的,可以投但不要抱希望;需要1年以上工作经验的,你手里有做好的报告,请转成PDF文件,然后向他们砸过去……很大几率能中。

面试时候基本上会问一些”你认为数据分析都包含哪些工作“,”你之前做过什么数据分析项目“,”你印象最深刻的项目是哪一个“,”你觉得数据分析哪部分最重要“,”你在工作中碰到过什么难题“之类的问题,你已经做过一份完整报告所以这些问题应该都能答上来,基本都是开放式问题,没有标准答案,不必紧张。如果碰上让你写代码或者做算法题的,默默退了吧,他们要招的是开发……

N次面试之后,准备入职吧,正式开始你作为数据分析师的征程。

本站特约专栏文章,作者:陈丹奕,本文链接:https://www.afenxi.com/4971.html 。内容观点不代表本站立场,如若转载请联系专栏作者。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

大数据交流群

统  计  学 数据分析网-统计学

商业智能 数据分析网-商业智能

数据挖掘 数据分析-数据挖掘

数据产品 数据分析网-数据产品

QR code