成為一名數(shù)據(jù)分析師的新手指導(dǎo)

本文是著名學(xué)習(xí)網(wǎng)站Udacity的數(shù)據(jù)分析基礎(chǔ)性文章。由于Udacity的就業(yè)導(dǎo)向，不同于單純介紹學(xué)習(xí)路徑，文章還從職業(yè)人士的角度講述數(shù)據(jù)分析的方方面面。文章同時附有視頻，不失為一篇好的介紹文。以下為小標(biāo)題：

- 數(shù)據(jù)分析師們做些什么？
- 如何在沒有相關(guān)正規(guī)教育經(jīng)歷的情況下成為數(shù)據(jù)分析師？
- 一份能使你直通面試的簡歷
- 數(shù)據(jù)分析的概念
- 數(shù)據(jù)科學(xué)家是什么？
- 機器學(xué)習(xí)和自動駕駛車輛
- 文化基因如何在Facebook上傳播？
- 什么是數(shù)據(jù)角力？
- 學(xué)什么？以什么順序？
- 工具
- 資源

數(shù)據(jù)分析師干什么？

數(shù)據(jù)分析師的主要職責(zé)包括尋找、檢索、整理和傳遞從數(shù)據(jù)中來的見解。數(shù)據(jù)分析師也幫助報告和發(fā)現(xiàn)隱藏在數(shù)據(jù)潛在產(chǎn)品中的有意義的見解。從商業(yè)指標(biāo)到用戶行為和產(chǎn)品表現(xiàn)，他們負(fù)責(zé)獲取、分析和報告范圍的數(shù)據(jù)。

舉個例子，職責(zé)可能涵蓋：

書寫查詢從數(shù)據(jù)庫中檢索數(shù)據(jù)，和正確的利益相關(guān)者分享數(shù)據(jù)
瀏覽用戶行為來尋找可以用來提升公司產(chǎn)品表現(xiàn)的見解或趨勢
解釋A/B測試的結(jié)果，基于此結(jié)果做出產(chǎn)品推薦
在有（或無）正規(guī)教育的情況下這樣成為數(shù)據(jù)分析師

作為一名數(shù)據(jù)分析師，具有分析（數(shù)學(xué)/統(tǒng)計和編程）、溝通能力（展示/數(shù)據(jù)可視化）、注重細(xì)節(jié)地解決問題的系統(tǒng)化途徑、和在商業(yè)文案中應(yīng)用它們的能力等強大的組合能力。下面我們概述了一些你可以學(xué)習(xí)一些新技能的途徑。

網(wǎng)上有許多公開的數(shù)據(jù)集——它們是很好的資源，提供給你機會去建立有趣獨立項目的組合。我們在Mortar的朋友建立了一個主要列表，收錄了從當(dāng)今這個領(lǐng)域最好的知名的一些數(shù)據(jù)科學(xué)家那里找到的有趣數(shù)據(jù)集。

如果機器學(xué)習(xí)更符合你的風(fēng)格，Kaggle競賽會是一個磨練你的技能和自我提升的好舞臺（一些公司招聘時搜索Kaggle排行榜）。

如果你想通過數(shù)據(jù)可視化展示你的發(fā)現(xiàn)，你可以在像Many Eyes、Plot.ly或Blocks.io的網(wǎng)站上創(chuàng)建并與其他人分享有趣的可視化。

想展示你的新技能和項目，你可以通過GitHub pages、WordPress、Medium或其他網(wǎng)頁或個人博客平臺創(chuàng)建的網(wǎng)站來展示。

能使你獲得面試的技能組合

優(yōu)秀的技能組合應(yīng)該展現(xiàn)一系列項目和你學(xué)過的技能范圍

完美地，這些項目要展示你的：

在R語言、Pandas、Numpy、Scipy、Scikit-Learn包或者相關(guān)數(shù)據(jù)分析工具方面的實踐經(jīng)歷
使用和整理大規(guī)模（太大而難以適合一個電子表格）、不相干的和（或）非結(jié)構(gòu)化數(shù)據(jù)集的經(jīng)歷
機器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的知識
強大的問題解決、數(shù)學(xué)、統(tǒng)計和定量推理的技能
最重要的，這些項目應(yīng)該展示你出色的溝通能力。特別地，顯示你能分析復(fù)雜數(shù)據(jù)集，尋找有趣的見解，用正確的商業(yè)文案清晰而簡潔地展示它們。

數(shù)據(jù)分析師的概念

視頻：數(shù)據(jù)科學(xué)家是什么

了解數(shù)據(jù)科學(xué)家應(yīng)該具有的能力。

視頻：機器學(xué)習(xí)和無人駕駛汽車

了解谷歌的無人駕駛汽車怎樣運用機器學(xué)習(xí)。

視頻：模仿因子怎么通過Facebook傳播

了解模仿因子和它們怎樣在社交媒體中傳播

視頻：什么是 Data Wrangling

了解它是什么意思和它怎樣用于數(shù)據(jù)分析。

以什么順序?qū)W習(xí)？

技能

如果你有興趣成為數(shù)據(jù)科學(xué)家，你應(yīng)該在日常工作中勝任和能夠運用以下技能。

編程

作為數(shù)據(jù)分析師，具有編程能力很重要。曾經(jīng)很多次你使用過非編程工具，如Excel，但是最好和最常用的一些工具，如Pandas、Numpy，以及其他一些庫，都是基于編程的。使用這些基于編程的工具，你能夠做更深入、更高效的分析。由于流行度高，Python和R都是很好的入門編程語言。

統(tǒng)計學(xué)

最低要求，你應(yīng)該能理解基本的統(tǒng)計描述和統(tǒng)計推斷。你應(yīng)該理解分布的不同類型，哪種統(tǒng)計檢驗適用于哪種文本，還要能夠在面試中解釋線性回歸的基礎(chǔ)知識。

機器學(xué)習(xí)

如果你有大量數(shù)據(jù)，機器學(xué)習(xí)中的技術(shù)是難以置信的強大。你需要用這些數(shù)據(jù)去預(yù)測未來，或者給出合適的建議。你應(yīng)該懂得一些最常用的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)的算法（他們是兩種不同類別的機器學(xué)習(xí)算法），比如k最近鄰算法、支持向量機和k均值聚類。你可能不必懂得這些算法背后的理論和實現(xiàn)細(xì)節(jié)，但知道什么時候使用這些算法很重要。

數(shù)據(jù)清理

在理想的世界里，你面對的數(shù)據(jù)集是干凈的、準(zhǔn)備好進行分析的。然而，現(xiàn)實世界中，絕少是這樣的。你的數(shù)據(jù)集很可能缺失數(shù)值、格式錯誤、或者輸入錯誤。例如，讓我們討論一些日期，一些系統(tǒng)表示2014年9月1日為9.1.2014，其他一些系統(tǒng)會表示為09/01/2014。像這樣的情況，你的數(shù)據(jù)清理技能會派上用場。

溝通和數(shù)據(jù)可視化

作為數(shù)據(jù)分析師，你的工作不僅要解釋數(shù)據(jù)，還要同其他利益相關(guān)者高效交流你的發(fā)現(xiàn)，這樣你就能幫他們做出數(shù)據(jù)提供的決策。許多利益相關(guān)者不會對你的分析背后的技術(shù)細(xì)節(jié)感興趣，這就是為什么你能通過易于理解的途徑交流和展示你的發(fā)現(xiàn)很重要。

工具

這里使你入門的是你要熟知的一些最流行的編程語言和工具。

Python或R：不僅僅是這些編程語言易于學(xué)習(xí)（相對于C來說），一些最流行的數(shù)據(jù)科學(xué)庫，從數(shù)據(jù)分析到數(shù)據(jù)可視化，都是在這兩種編程語言之上建立的。
Pandas/Numpy/Scipy：Python數(shù)據(jù)科學(xué)庫中的三駕馬車一起工作真的很好。Pandas有助于結(jié)構(gòu)化數(shù)值或時間系列數(shù)據(jù)，這樣數(shù)據(jù)就容易用于分析和處理。Numpy有助于實現(xiàn)許多常用的科學(xué)和數(shù)學(xué)運算，如矩陣乘法，所以你不必重復(fù)發(fā)明輪子。Scipy在Numpy基礎(chǔ)上拓展，包含很多比你能在Numpy找到的數(shù)學(xué)運算功能更完備的版本。
Scikit-Learn：機器學(xué)習(xí)算法難以高效且正確地實現(xiàn)。Scikit-Learn是一個經(jīng)過實戰(zhàn)測試的工具，它是一個已經(jīng)為你實現(xiàn)了常用機器學(xué)習(xí)算法的Python庫，從組合方法到k均值到SVM，它都有。
當(dāng)你準(zhǔn)備創(chuàng)建一個指數(shù)尺度的散點圖和成千上萬的數(shù)據(jù)點，Mattplotib和Ggplot2應(yīng)該是你要找的庫。他們分別是Python和R的實質(zhì)上的繪圖可視化標(biāo)準(zhǔn)庫。
這是列表中僅有的JavaScript庫。如果你想創(chuàng)建靜態(tài)可視化或圖形，Mattplotib和Ggplot2很棒。然而，如果你想創(chuàng)建交互式可視化，例如當(dāng)你的鼠標(biāo)停在圖形上，一些東西彈出，或改變形狀，D3.js是你要的庫。不過，你要使用一些HTML、CSS和JavaScript，所以在嘗試D3.js之前，確保復(fù)習(xí)一下你的前端web開發(fā)技能。