大专生怎么成为大数据分析师

本篇经验将介绍如何大专生如何成为大数据分析师，希望对大家的工作和求职有所帮助！

初识数据分析

1、这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～

升级你的技能

1、第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）这个咧矸苒禺月就是要升级你的技能，在对已有的知识基础上做一个升华。本瘅莹遒淄月任务较重，小伙伴需要动脑和动手的地方比较多。第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？

准备一个小小的毕业吧

1、前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!

能力和知识储备

1、数据分析师需要三个方面的能力：技术（编程），数据分析方法，行业知识。

2、技术技术方面刚刚说了，就是SQL, 20 个小时，假设文科生，同时对自己要求高一点，最多 80 个小时可以搞定了。按照这个学习 http://www.w3scho泠贾高框ols.com/sql/default.asp评论里说上面这个链接打不开，所以奉上中文版的：SQL教程_w3cschool重点需要注意的：where / group by / order by / left join / right join / inner join / null / not null / having / distinct / like / union / avg / sum / min / max 学完之后再搜索一下 "SQL hardest questions", 做做练习。当然除了 SQL 之外，Excel 也是要会一点的。不过 Excel 这玩意儿基本多少都会那么些吧，比如说做个图，算算总合、平均之类的，稍微复杂点的数据透视表 (pivot) 就够了。话说我第一份工作的时候连数据透视表都不会，所以说如果你不会这个，那也没关系。如果 SQL 上手比较快，时间充裕，那就练练 Tableau, 主要目的是看看都有什么样的图表，感受一下各自适用什么样的场景。具体怎么做图不是非常重要，真要用的时候搜索一下现学就好了。Tableau 很贵，所以下个试用版的就可以了，然后试用期学点最基本的就可以了。这一共就假设用了 80 个小时吧，那么 8 天过去了（没算错，都要速成了，那还不每天学习 10 个小时）。

3、数据分析方法经常被问到学习数据分析推荐哪些书，通常答案是我没看过什么数据分析的书，后来仔细想了想，还是有一些的。Case in point. 经典的管理咨询的书，哪个版本的都无所谓了，印象中大概看了一半左右。好像是因为懒，所以没看完，也因为套路都是类似的，看一半也就差不多可以了。 -- 5 天Introduction to Probability Models by Sheldon M. Ross. 应该是出到第 11 版了，但内容应该区别不大，看第一章就可以了，需要搞清楚条件概率，这个概念还是有点重要的。-- 4 天然后再找本统计基础的书（随便哪本教科书都差不多，实在不行的话把 wiki 上统计长条目下的多看几遍也可以），不要太纠结于理论、证明，时刻记住你要能把这些概念解释给不懂统计的人听，解释不清楚的东西你也不用搞清楚。搞清楚几种常见的分布，假设检验，假阳性，假阴性，区别估算，显著性差异，p-value，平均值，中位数，p1/p25/p50/p75/p99，相关性，因果性，幸存者偏差，大数定律，80/20。-- 10 天Thinking, Fast and Slow. 当科普书看看就好，如果看不下去的话那就看《牛奶可乐经济学》。-- 2 天

4、行业知识很不幸，这一部分就真的没有什么书可以看的了，基本都靠搜索，总结，思考，再搜索，总结，思考。。。如果平时对互联网、科技行业相对比较关注，这一部分会上手很快，了解一些基本概念，试用一些产品，基本上 20 天肯定可以了。比如说这里面总结的资源，都是我入行之前通过搜索引擎总结出来的：求职互联网数据分析，如何准备行业知识？ - 邹昕的文章 - 知乎专栏基本上把这些搞清楚，也差不多可以入门了吧。