小白成為數據分析師的基本技能！

數據分析師是現在比較熱的一個方向，那麼作為一個從來沒接觸過的小白，要準備什麼才能具備數據分析的能力呢，我就在這裡簡單的介紹一一下，以下內容純屬個人愚見，如果有不對的歡迎批評指正。

一、數理統計基礎

作為一名數據分析師，一定要掌握一些基礎的、成熟的數學模型演算法。例如：回歸分析、因子分析、聚類分析、決策樹、關聯規則、神經網路等。同時建議多看一些博文，看別人對於這個方法的理解，怎麼在實際業務中應用，以及如何優化等等。在演算法上可以不做到用軟體編寫演算法，但是一定要知道原理，知道怎麼應用，怎麼調整參數，參數的含義等等。

二、工具

對於一個初級的數據分析師要掌握的基礎工具，Excel，SPSS，資料庫（如mysql等），隨著大數據的來臨，傳統的一些軟體已經不足以支撐數據分析、數據挖掘了，隨著工作年限的增長，工作內容的加深，R和Python一定要會一個，目前流行的很多機器學習演算法要這些軟體才能實現。現在機器學習很火，建議多研究一下這方面的內容，不論是對於自身的提升還是對職業發展都是非常有利的。

三、行業背景（業務知識）

如果數據只是數據，不結合具體的業務，具體的行業，那麼沒有任何意義。數據分析、數據挖掘的意義是以數據為驅動營銷，挖掘商業價值，快速且有目標的提高科學決策，，沒有結合實際，模型再完美也是空談，是冷冰冰的。

數據分析學習交流：283296032（群）

一名合格的數據分析師，一定要對業務和行業知識有非常深入的了解。所謂的數據敏感性，就是當你看到某個數據時，你要知道這個數據的統計口徑是什麼？是怎麼獲取到的？是在實際業務的哪個環節產生的？數據的具體數值具體代表的業務是什麼？數據的變化會導致業務的什麼變化等等。當掌握好了基礎的統計知識，並軟體使用熟練之後，應該在業務上多多學習與累積。有人把數據與具體業務知識的關係，比作池塘中魚與水的關係，我覺得說的非常對，我在這裡給大家解釋一下他的看法，數據（魚）離開了行業、業務背景（水）是死的，是不可能是「活」。而沒有「魚」的水，更像是「死」水，你去根本不知道看什麼（方向在哪）。

作為一個沒有任何經驗的小白需要有哪些技能才可以進入到數據分析師這個行列呢，那麼就是我前文提到的二條，一是要掌握目前基礎且成熟的數學模型的原理，二是要學會應該軟體處理數據、分析數據、建立模型。只要可以做到這二點，那麼初級的數據分析師是沒有問題的，具體的業務要在企業中培養。

那麼作為一個技術大牛來說，業務沒那麼了解也是可以的，他們把演算法研究的非常透徹，對於編程語言很熟練，這樣也是可以作為一個機器學習的專家來進行業務的一些挖掘。所以我認為，一個數據分析師走到後面是分二條主線的，1是業務大牛，2是技術大牛，當然如果兩樣都很牛，那麼就是行業大牛了。所以我們可以朝著自己擅長並且適合自己的方向走下去。

希望各位從事數據分析師並且以後打算從事數據分析的各位，不要整天把大數據、機器學習掛到嘴邊，貌似討論很高大上的東西，但是我覺得不接地氣，能對數據玩的6，能有助於業務發展，有助於工作的才是最好的。我個人認為機器學習的實現是數學與計算機的結合，雖然這個方向現在很熱，但是真正能玩明白的沒有幾個人，還是腳踏實地的一步一步的比較好。數據分析師還是需要踏實肯研究的性格，而不是像個專家一樣每天到處跟人說一些概念上的東西，要做出來才是好樣的。