数据分析师要学哪些内容?

1. 数据分析师要学哪些内容?

在大数据被广泛运用的今天，数据已经成为企业之间非常重要的竞争点之一。而作为与数据打交道最密切的职业——数据分析师，也将迎来了黄金就业期。据艾瑞研究统计，在过去的两年中，由于各行各业新聘用了80万名数据科学家，数据科学岗位的短缺问题已大大缓解；但是今天市场上仍然有成千上万的空缺职位，其中大部分在美国和中国。

图 1：数据分析概念图
一、常用分析技能：
数据分析和数据处理本身是一个非常大的领域，有不少分析方法和技巧。下面介绍几种比较常用的数据分析技巧。
数理统计基础：
在进行数据分析之前，掌握一定的数理统计的方法及原理是有必要的。比如了解数据的类型及各种数据类型的特点。在进行数据处理的过程中，不通的数据类型适用的方法也是不一样的。因为我们进行数据分析的目的，是需要借助对数据的分析得出一定的结论，因此，我们还需要了解一些数据统计特征背后的意义。比如，在使用IBM SPSS Statistics对数据进行相关分析时，我们需要了解分析结果中的显著性指标的含义。
数据库原理以及相关知识：
在进行数据分析时，在绝大多数的情况下，需要处理的数据并不会是很少的。尤其是在大数据技术被广泛使用的今天，数据库的使用更是数据分析过程中不可缺少的一环。很多的数据分析人员做的工作都是从原始数据的整理，到各种拆分汇总，再经过分析，最后形成完整的分析报告。即使很多时候原始数据并不需要自己整理，但是具备数据库原理以及相关知识，并具有一定的代码能力的话，一定能为你的工作锦上添花。
熟练使用Excel、IBM SPSS Statistics等数据分析软件：
在进行数据分析时，我们常常需要借助电脑软件进行辅助，毕竟，人脑的数据处理能力是远远不及计算机程序的。Excel是微软公司的办公软件Microsoft Office的组件之一。作为最常见的办公软件之一，我们使用的Excel的功能只是其中的冰山一角。Excel除了制作普通的电子表格，还有很多高级的应用场景。例如，数据透视功能，可以将一组数据通过一个数据透视表演变出很多符合不同分析需求的表格，从而能够从多角度对数据进行分析。但是我们需要进行专业的统计分析时，就需要用到更加专业的软件加以辅助，例如IBM SPSS Statistics。
二、常用分析软件
除了上述几种常用的分析技巧，一款好用且功能强大的分析软件也能让数据分析师事半功倍。虽然Excel常用且功能强大，但是当我们想要对大量数据进行统计分析时，Excel就会显得力不从心了。这时我们就需要使用到更加专业的统计软件——IBM SPSS Statistics 。SPSS在数据分析领域的地位是不言而喻的。
图 2：SPSS数据界面利用 SPSS Statistics，您可以：
通过用户友好型界面，分析并更好地了解您的数据，解决复杂的业务和研究问题。
借助高级统计程序，更快地了解大型复杂的数据集，帮助确保高精度和高质量的决策。
使用扩展、Python 和 R 编程语言代码，与开源软件集成。
通过灵活的部署选项，更轻松地选择和管理您的软件。
小结
掌握数据分析技巧以及熟练使用数据分析软件，是数据分析师的两大核心竞争力。想要成为一名优秀的数据分析师，可以先从掌握常用的数据分析方法以及SPSS软件开始。

2. 数据分析师要学什么内容?

数据分析师需要学习统计学、编程能力、数据库、数据分析方法、数据分析工具等内容，还要熟练使用 Excel，至少熟悉并精通一种数据挖掘工具和语言，具备撰写报告的能力，还要具备扎实的 SQL 基础。统计学
对于互联网的数据分析来说，并不需要掌握太复杂的统计理论。所以只要按照本科教材，学一下统计学就够了。
编程能力
学会一门编程语言，会让你处理数据的效率大大提升。如果你只会在 Excel 上复制粘贴，动手能力是不可能快的。我比较推荐 Python，上手比较快，写起来比较优雅。
数据库
数据分析师经常和数据库打交道，不掌握数据库的使用可不行。学会如何建表和使用 SQL 语言进行数据处理，可以说是必不可少的技能。
数据仓库
许多人分不清楚数据库和数据仓库的差异，简单来说，数据仓库记录了所有历史数据，专门设计为方便数据分析人员高效使用的。
数据分析方法
对于互联网数据分析人员来说，可以看一下《精益创业》和《精益数据分析》，掌握常用的数据分析方法，然后再根据自己公司的产品调整，灵活组合。
数据分析工具
SAS、Matlab、SPSS 这些工具经常有人推荐，我要说的是在互联网公司一般都用不上。做可视化的 Tableau，统计分析的友盟、百度统计，还有像我们神策分析等。

3. 数据分析师要学哪些内容

在大数据被广泛运用的今天，数据已经成为企业之间非常重要的竞争点之一。而作为与数据打交道最密切的职业——数据分析师，也将迎来了黄金就业期。据艾瑞研究统计，在过去的两年中，由于各行各业新聘用了80万名数据科学家，数据科学岗位的短缺问题已大大缓解；但是今天市场上仍然有成千上万的空缺职位，其中大部分在美国和中国。

图 1：数据分析概念图
一、常用分析技能：
数据分析和数据处理本身是一个非常大的领域，有不少分析方法和技巧。下面介绍几种比较常用的数据分析技巧。
数理统计基础：
在进行数据分析之前，掌握一定的数理统计的方法及原理是有必要的。比如了解数据的类型及各种数据类型的特点。在进行数据处理的过程中，不通的数据类型适用的方法也是不一样的。因为我们进行数据分析的目的，是需要借助对数据的分析得出一定的结论，因此，我们还需要了解一些数据统计特征背后的意义。比如，在使用IBM SPSS Statistics对数据进行相关分析时，我们需要了解分析结果中的显著性指标的含义。
数据库原理以及相关知识：
在进行数据分析时，在绝大多数的情况下，需要处理的数据并不会是很少的。尤其是在大数据技术被广泛使用的今天，数据库的使用更是数据分析过程中不可缺少的一环。很多的数据分析人员做的工作都是从原始数据的整理，到各种拆分汇总，再经过分析，最后形成完整的分析报告。即使很多时候原始数据并不需要自己整理，但是具备数据库原理以及相关知识，并具有一定的代码能力的话，一定能为你的工作锦上添花。
熟练使用Excel、IBM SPSS Statistics等数据分析软件：
在进行数据分析时，我们常常需要借助电脑软件进行辅助，毕竟，人脑的数据处理能力是远远不及计算机程序的。Excel是微软公司的办公软件Microsoft Office的组件之一。作为最常见的办公软件之一，我们使用的Excel的功能只是其中的冰山一角。Excel除了制作普通的电子表格，还有很多高级的应用场景。例如，数据透视功能，可以将一组数据通过一个数据透视表演变出很多符合不同分析需求的表格，从而能够从多角度对数据进行分析。但是我们需要进行专业的统计分析时，就需要用到更加专业的软件加以辅助，例如IBM SPSS Statistics。
二、常用分析软件
除了上述几种常用的分析技巧，一款好用且功能强大的分析软件也能让数据分析师事半功倍。虽然Excel常用且功能强大，但是当我们想要对大量数据进行统计分析时，Excel就会显得力不从心了。这时我们就需要使用到更加专业的统计软件——IBM SPSS Statistics 。SPSS在数据分析领域的地位是不言而喻的。
图 2：SPSS数据界面利用 SPSS Statistics，您可以：
通过用户友好型界面，分析并更好地了解您的数据，解决复杂的业务和研究问题。
借助高级统计程序，更快地了解大型复杂的数据集，帮助确保高精度和高质量的决策。
使用扩展、Python 和 R 编程语言代码，与开源软件集成。
通过灵活的部署选项，更轻松地选择和管理您的软件。
小结
掌握数据分析技巧以及熟练使用数据分析软件，是数据分析师的两大核心竞争力。想要成为一名优秀的数据分析师，可以先从掌握常用的数据分析方法以及SPSS软件开始。

4. 数据分析师考哪些内容?

Level Ⅰ：业务数据分析师。专指政府、金融、电信、零售等行业前端业务人员;从事市场、管理、财务、供应、咨询等职位业务人员;非统计、计算机专业背景零基础入行和转行就业人员。


Level Ⅱ：建模分析师。两年以上数据分析岗位工作经验，或通过 Level Ⅰ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。


Level Ⅲ：大数据分析师。两年以上数据分析岗位工作经验，或通过LevelⅠ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与云端大数据的人员。《投资数据分析实务》、《市场调研与预测》是项目数据分析专业考生必修必考教材。 《经济学原理》、《统计学原理》、《财务管理》是本课程的先修课程。考试内容涉及项目前期市场研究、项目相关数据采集、数据处理、数据预测、投资数据编制与估算、现金流量估算、投资数据分析、资本限量决策、不确定性分析、公司价值评估等。

5. 数据分析师需要学会哪些知识?

第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法设计能力，所以数学和统计学对于数据分析是非常重要的。


而要想快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用的过程中，辅助算法以及行业知识的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。对于大部分职场人来说，掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。


在掌握Excel之后，接下来就应该进一步学习数据库的相关知识了，可以从关系型数据库开始学起，重点在于Sql语言。掌握数据库之后，数据分析能力会有一个较大幅度的提升，能够分析的数据量也会有明显的提升。如果采用数据库和BI工具进行结合，那么数据分析的结果会更加丰富，同时也会有一个比较直观的呈现界面。


数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。

6. 学数据分析师有专业要求吗？

你好，是没有专业要求的，只要你数据基础不是太差，通过下面几步就可以成为一名数据分析师。
第一步：统计概率理论基础
    这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。

第二步：软件操作结合分析模型进行实际运用
    关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

第三步：数据挖掘或者数据分析方向性选择
    其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。
第四步：数据分析业务应用
    这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要，而这个能力是需要在工作之中一点一滴的积累，也许目前是做零售，会用到一些相关回归方法，但转行做电商，又会用到其他的挖掘等方法。业务虽千变万化，但是分析方法却万变不离其宗，所以掌握好技术用到任何一个环境靠的只有是业务经验的积累。
当然，考个CDA的数据分析师证书就更好了。

7. 数据分析师要学什么？

数据分析师要学：数学知识、分析工具、编程语言。
1、数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

2、分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
3、编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

8. 数据分析师需要学习哪里内容？

1、数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。
2、分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。
对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。
3、编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
4、业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。
4、逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
5、数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
6、协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
7、快速学习
无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。
快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！