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(shí)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(jiǎn)歷
- 數(shù)據(jù)分析的概念
- 數(shù)據(jù)科學(xué)家是什么？
- 機(jī)器學(xué)習(xí)和自動(dòng)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(lái)的見解。數(shù)據(jù)分析師也幫助報(bào)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(bào)告范圍的數(shù)據(jù)。

舉個(gè)例子，職責(zé)可能涵蓋：

書寫查詢從數(shù)據(jù)庫(kù)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(lái)尋找可以用來(lái)提升公司產(chǎn)品表現(xiàn)的見解或趨勢(shì)
解釋A/B測(cè)試的結(jié)果，基于此結(jié)果做出產(chǎn)品推薦
在有（或無(wú)）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(jì)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(qiáng)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(jī)會(huì)去建立有趣獨(dú)立項(xiàng)目的組合。我們?cè)贛ortar的朋友建立了一個(gè)主要列表，收錄了從當(dāng)今這個(gè)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(jī)器學(xué)習(xí)更符合你的風(fēng)格，Kaggle競(jìng)賽會(huì)是一個(gè)磨練你的技能和自我提升的好舞臺(tái)（一些公司招聘時(shí)搜索Kaggle排行榜）。

如果你想通過(guò)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(xiàng)目，你可以通過(guò)GitHub pages、WordPress、Medium或其他網(wǎng)頁(yè)或個(gè)人博客平臺(tái)創(chuàng)建的網(wǎng)站來(lái)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(xiàng)目和你學(xué)過(guò)的技能范圍

完美地，這些項(xiàng)目要展示你的：

在R語(yǔ)言、Pandas、Numpy、Scipy、Scikit-Learn包或者相關(guān)數(shù)據(jù)分析工具方面的實(shí)踐經(jīng)歷
使用和整理大規(guī)模（太大而難以適合一個(gè)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(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的知識(shí)
強(qiáng)大的問題解決、數(shù)學(xué)、統(tǒng)計(jì)和定量推理的技能
最重要的，這些項(xiàng)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(jiǎn)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(jī)器學(xué)習(xí)和無(wú)人駕駛汽車

了解谷歌的無(wú)人駕駛汽車怎樣運(yùn)用機(jī)器學(xué)習(xí)。

視頻：模仿因子怎么通過(guò)Facebook傳播

了解模仿因子和它們?cè)鯓釉谏缃幻襟w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(yùn)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(guò)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(kù)，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(yǔ)言。

統(tǒng)計(jì)學(xué)

最低要求，你應(yīng)該能理解基本的統(tǒng)計(jì)描述和統(tǒng)計(jì)推斷。你應(yīng)該理解分布的不同類型，哪種統(tǒng)計(jì)檢驗(yàn)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(shí)。

機(jī)器學(xué)習(xí)

如果你有大量數(shù)據(jù)，機(jī)器學(xué)習(xí)中的技術(shù)是難以置信的強(qiáng)大。你需要用這些數(shù)據(jù)去預(yù)測(cè)未來(lái)，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(jī)器學(xué)習(xí)算法），比如k最近鄰算法、支持向量機(jī)和k均值聚類。你可能不必懂得這些算法背后的理論和實(shí)現(xiàn)細(xì)節(jié)，但知道什么時(shí)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(duì)的數(shù)據(jù)集是干凈的、準(zhǔn)備好進(jìn)行分析的。然而，現(xiàn)實(shí)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(cuò)誤、或者輸入錯(cuò)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(huì)表示為09/01/2014。像這樣的情況，你的數(shù)據(jù)清理技能會(huì)派上用場(chǎng)。

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(huì)對(duì)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(guò)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(yǔ)言和工具。

Python或R：不僅僅是這些編程語(yǔ)言易于學(xué)習(xí)（相對(duì)于C來(lái)說(shuō)），一些最流行的數(shù)據(jù)科學(xué)庫(kù)，從數(shù)據(jù)分析到數(shù)據(jù)可視化，都是在這兩種編程語(yǔ)言之上建立的。
Pandas/Numpy/Scipy：Python數(shù)據(jù)科學(xué)庫(kù)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(shí)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(shí)現(xiàn)許多常用的科學(xué)和數(shù)學(xué)運(yùn)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(yùn)算功能更完備的版本。
Scikit-Learn：機(jī)器學(xué)習(xí)算法難以高效且正確地實(shí)現(xiàn)。Scikit-Learn是一個(gè)經(jīng)過(guò)實(shí)戰(zhàn)測(cè)試的工具，它是一個(gè)已經(jīng)為你實(shí)現(xiàn)了常用機(jī)器學(xué)習(xí)算法的Python庫(kù)，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(gè)指數(shù)尺度的散點(diǎn)圖和成千上萬(wàn)的數(shù)據(jù)點(diǎn)，Mattplotib和Ggplot2應(yīng)該是你要找的庫(kù)。他們分別是Python和R的實(shí)質(zhì)上的繪圖可視化標(biāo)準(zhǔn)庫(kù)。
這是列表中僅有的JavaScript庫(kù)。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(kù)。不過(guò)，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。