從零開始學數據分析，新手教程攻略

所有從底層數據工作者往上發(fā)展的基本路徑：

1. 第一階段(一般崗位叫數據專員)

基本學會excel(VBA最好學會;會做透視表;熟練用篩選、排序、公式)，做好PPT。這樣很多傳統(tǒng)公司的數據專員已經可以做了

2. 第二階段(數據專員~數據分析師)

這一階段要會SQL，懂業(yè)務，加上第一階段的那些東西。大多數傳統(tǒng)公司和互聯網小運營、產品團隊夠用了。

3. 第三階段(數據分析師)

統(tǒng)計學熟練(回歸、假設檢驗、時間序列、簡單蒙特卡羅)，可視化，PPT和excel一定要溜。這些技術就夠了，能應付大多數傳統(tǒng)公司業(yè)務和互聯網業(yè)務。

4. 第四階段(分裂)

數據分析師(數據科學家)、BI等：這部分一般是精進統(tǒng)計學，熟悉業(yè)務，機器學習會使用(調參+選模型+優(yōu)化)，取數、ETL、可視化啥的都是基本姿態(tài)。

可視化工程師：這部分國內比較少，其實偏重前端，會high charts，d3.js, echarts.js。技術發(fā)展路線可以獨立，不在這四階段，可能前端轉行更好。

ETL工程師：顧名思義，做ETL的。

大數據工程師：熟悉大數據技術，hadoop系二代。

數據工程師(一部分和數據挖掘工程師重合)：機器學習精通級別(往往是幾種，不用擔心不是全部，和數據分析師側重點不同，更需要了解組合模型，理論基礎)，會組合模型形成數據產品;計算機基本知識(包括linux知識、軟件工程等);各類數據庫(RDBMS、NoSQL(4大類))

數據挖掘：和上基本相同。

爬蟲工程師：顧名思義，最好http協(xié)議、tcp/ip協(xié)議熟悉。技術發(fā)展路線可以獨立，不在這四階段。

往數據發(fā)展的基本學習路徑可以概括為以下內容：

1. EXCEL、PPT(必須精通)

數據工作者的基本姿態(tài)，話說本人技術并不是很好，但是起碼會操作;要會大膽秀自己，和業(yè)務部門交流需求，展示分析結果。技術上回VBA和數據透視就到頂了。

2. 數據庫類(必須學)

初級只要會RDBMS就行了，看公司用哪個，用哪個學哪個。沒進公司就學MySQL吧。

NoSQL可以在之后和統(tǒng)計學啥的一起學?；镜腘oSQL血MongoDB和Redis(緩存，嚴格意義上不算數據庫)，然后(選學)可以了解各類NoSQL，基于圖的數據庫Neo4j，基于Column的數據庫BigTable，基于key-value的數據庫redis/cassendra，基于collection的數據庫MongoDB。

3. 統(tǒng)計學(必須學)

如果要學統(tǒng)計學，重要概念是會描述性統(tǒng)計、假設檢驗、貝葉斯、極大似然法、回歸(特別是廣義線性回歸)、主成分分析。這些個用的比較多。也有學時間序列、bootstrap、非參之類的，這個看自己的意愿。

其他數學知識：線性代數常用(是很多后面的基礎)，微積分不常用，動力系統(tǒng)、傅里葉分析看自己想進的行業(yè)了。

4. 機器學習(數據分析師要求會選、用、調)

常用的是幾個線性分類器、聚類、回歸、隨機森林、貝葉斯;不常用的也稍微了解一下;深度學習視情況學習。

5. 大數據(選學，有公司要求的話會用即可，不要求會搭環(huán)境)

hadoop基礎，包括hdfs、map-reduce、hive之類;后面接觸spark和storm再說了。

6. 文本類(選學，有公司要求的話會用即可)

這部分不熟，基本要知道次感化、分詞、情感分析啥的。

7. 工具類

語言：非大數據類R、Python最多(比較geek的也有用julia的，不差錢和某些公司要求的用SAS、Matlab);大數據可能還會用到scala和java。

可視化(選學)：tableau、http://plot.ly、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不錯

數據庫語言：看你自己用啥學啥

其他框架、類庫(選學)：爬蟲(requests、beautifulsoup、scrapy)，日志分析(常見elk)