09月22日, 2014 97次
一个是基本的理论知识，需要知道算法和一些分析方法，第二个需要知道一些工具的应用，因为数据分析师所处理的数据一般比较大，需要借助工具才能分析完成，第三需要知道行情，因为数据分析师主要是为了知道业务的。如果你想要知道更多的话可以私信我的 本回答由提问者推荐
最好有统计学基础，熟悉一些工具的使用如SAS、SPASS、R，了解业务。
懂的数据的理论知识和变化规律
1、概念区别数据分析师培训出来的数据分析师，是数据师的一种，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。大数据培训出来的大数据工程师其实有很多别名，数据挖掘工程师、大数据专家、数据研究员、用户分析专家等都是经常在国内公司里出现的Title，大数据工程师就是一群“玩数据”的人，玩出数据的商业价值，让数据变成生产力。大数据和传统数据的最大区别在于，它是在线的、实时的，规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。2、发展方向数据分析师培训后的数据分析师发展方向有：市场调研方向、数据分析/挖掘方向、数据工程师方向等。大数据培训出来的大数据工程师发展方向有：首席数据官（CDO）、营销分析师/客户关系管理分析师、数据工程师、BI开发工程师、数据可视化等。3、具备技能数据分析师和大数据工程师需要具备的技能很相似，比如：（1）数据和数据仓库数据是数据分析的基础，数据库是数据的承载，数据仓库是有主题的数据库。（2）报表报表这种原始的BI方式有时候是简单有效，但要做一张优秀的报表似乎又要考虑很多问题。（3）数据挖掘数据挖掘作为报表这种非智能性BI的一种补充，理论上应该属于机器学习的一种，存在着那么一点儿让计算机自学的能力。（4）算法随着面向对象（OrientObject）编程方法兴起，“程序=数据结构+算法。如果你想成为顶级的数据分析师，算法与数据结构的知识必不可少。搜索，排序，树，图之所以经典，是因为它们简单有效而且通用。
一、 办公软件 1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA； 二、 数据分析软件及方法 1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、百度统计、Omniture等； 2）具备相关数据分析软件的使用经验SPSS\SAS\EVIEW\STATA\R\Weka…… 3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作； 4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、百度统计等），并掌握分析工具的部署、配置优化和权限管理； 5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求； （7.1）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力； （7.2）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；（7.3）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力； （7.4）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。 三、 数据库语言 1）熟悉Linux操作系统及至少一种脚本语言(Shell/Perl/Python)； 2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本操作； （3.1）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （3.2）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。四、 思维能力等方面 1）具备良好的行业分析、判断能力、及文字表达能力； 2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议； 4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力； 5）熟悉数据分析与数理统计理论，具有相关课程研修经历。五、 其他要求 1）较强的英文听说读写能力，英语6级以上；2）文笔良好； 3）了解seo,sem优先； 4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文名称；具备互联网产品设计知识； 5）具有深厚的数据分析、数据挖掘理论知识，深入了解相关技术；能熟练使用至少一种统计分析或数据挖掘工具。
小编觉得，学习数据分析，一是要打下坚实的基础，才能屹立于专业之上，不被人看轻；二是根据企业的招聘技能要求情况，有的放矢。为此，小编给出以下建议，希望能帮到你。（1）SQL数据库的基本操作，会基本的数据管理（2）会用Excel/SQL做基本的数据分析和展示（3）会用脚本语言进行数据分析，Python or R（4）有获取外部数据的能力，如爬虫（5）会基本的数据可视化技能，能撰写数据报告（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等。
：学习数据分析师之前，你必须清楚自己想要达成什么目标。也就是说，你想通过这门技术来解决哪些问题或实现什么计划。有了这个目标，你才能清晰地开展自己的学习规划，并且明确它的知识体系。只有明确的目标导向，学习必备也是最有用的那部分
要学习Python、R、SAS等编程工具；对数据仓库需要了解可以去九道门做些实验项目；如果你觉得还是难，那就采用最基础的学习路径，直接买MYSQL关系型数据库的书看，随便到网上去找个免费的MYSQL课程听；；分布式存储HDOOP需要简单了解；云计算的技术作为了解就可以了；数据可视化不是很难，如果不要求特别美工的话，大家先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划；大数据技术:这个相对来说有些难度，如果是学数学统计类专业小伙伴就非常有优势了，其他专业的小伙伴也不用担心，毕竟工作后还可以继续学习，在工作中用的比较多的是聚类、关联、决策树、线性回归等，如果你不去做模型和算法工程师那么只需要会用就可以了，实在不行有专业的工具让我们用，阿里云的机器学习PAN是可以直接出结果的工具；。可以到天池大赛上去看一些案例，自己做做训练。如果自学的小伙伴觉得很难坚持，那就只能去报班了，九道门之类的，如果要成为大数据分析师的话就要时间沉定，或者让老师带你，像我就是进到决明后由老师带了半年，现在基本上已经能熟练的搞这一套了。
在大城市打拼，每天早出晚归，赶公交挤地铁，我们人生的3/5的时间都花在了路上和工作上，除去睡眠，真正属于我们自己的业余时间真的是少之又少。然后职场竞争激烈，不进则退，于是乎，想高效地学习数据分析，算是个人专业技能的提升，为日后的跳槽或转行做好铺垫。不过，如何明晰地规划好自己的学习时间，让自己有的放矢地一步一步掌握数据分析师的各项基本技能？这是一个值得思考好和计划好的事情。总体来说，先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。3、学习数据分析工具，软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难)：Excel，SPSS，stata，R，Python，SAS等。4、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。如果是实在不懂，还可以去网上找些视频课程看。切记，第一步是必不可少的，是数据分析的基础。
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
数据分析师要学会数据分析思维、编代码、懂数据库、统计、数据、等技能，还要懂业务、懂管理等。而且作为数据分析师，Excel是必备技能。个人以为要成为一名优秀的数据分析师，除了应具备专业知识外，成熟的人格、宽泛的视野也是必须要具备的。
所谓数据分析师，是指不同行业中专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。因此，想要成为一名优秀的数据分析师，应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景是不可少的。其次，作为一名数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。此外，想要成为一名优秀的数据分析师，还得考虑数据分析的应用，这就需要学习专业本身的同时还能补充些其他应用领域方面的知识，比如市场营销、经济统计学等。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。 本回答被网友采纳
第一、对于任何的数据分析来说，首要的就是数据采集，一些移动客户端中的数据进行快速而又广泛的搜集，同时它还能够迅速的将一些其他的平台中的数据源中的数据导入到该工具中，对数据进行清洗、转换、集成等，从而形成在该工具的数据库中或者是数据集市当中，为联系分析处理和数据挖掘提供了基础。 第二、数据在采集之后，大数据分析的另一个技术数据存取将会继续发挥作用，方便用户在使用中储存原始性的数据，再有就是基础性的架构，比如说运储存和分布式的文件储存等，都是比较常见的一种。 第三、数据处理可以说是该软件具有的最核心的技术之一，面对庞大而又复杂的数据，运用一些计算方法或者是统计的方法等对数据进行处理，包括对它的统计、归纳、分类等，从而能够让用户深度的了解到数据所具有的深度价值。 第四、统计分析可以帮助用户分析出现某一种数据现象的原因是什么，差异分析则可以比较出企业的产品销售在不同的时间和地区中所显示出来的巨大差异，以便未来更合理的在时间和地域中进行布局。第五、某一种数据现象和另外一种数据现象之间存在怎样的关系，此外，聚类分析以及主成分分析和对应分析等都是常用的技术，这些技术的运用会让数据开发更接近人们的应用目标。亿信ABI 是一款融合了数据源适配、ETL数据处理、数据建模、数据分析、数据采集等核心功能而打造的全能型数据分析平台。
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！
数据分析师需要学习哪里内容？EXCEL 数据处理、 SQL 数据库语言入门，统计分析知识、 SPSS 数据分析、 R 数据挖掘、Python机器学习，
预测分析：预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。随着现在硬件和软件解决方案的成熟，许多公司利用大数据技术来收集海量数据、训练模型、优化模型，并发布预测模型来提高业务水平或者避免风险。NoSQL数据库：非关系型数据库包括Key-value型(Redis)数据库、文档型(MonogoDB)数据库、图型(Neo4j)数据库；虽然NoSQL流行语火起来才短短一年的时间，但是不可否认，现在已经开始了第二代运动。尽管早期的堆栈代码只能算是一种实验，然而现在的系统已经更加的成熟、稳定。分布式存储系统：分布式存储是指存储节点大于一个、数据保存多副本以及高性能的计算网络;利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。当前开源的HDFS也是非常不错的。数据可视化：数据可视化技术是指对各类型数据源(包括Hadoop上的海量数据以及实时和接近实时的分布式数据)进行显示，当前，国内外数据分析展示的产品很多。
数据分析行业的大火以及较高的薪酬待遇，让很多在校大学生或职业遭遇瓶颈的人士开始蠢蠢欲动，想学习数据分析从而进入数据分析行列。但 有一个很困惑的问题就是：自己选择或学习的专业似乎和数据分析没什么交集，这个时候选择数据分析师这条道路会不会很艰难？担心自己的专业跟不上数据分析的学习进度，也担心自己的能力是否符合数据分析技能的要求。其实，讲真的。虽然数据分析这个行业有着天然的专业鄙视链（文理科的逻辑思维功底、编程语言接受程度上以及数理统计基础实实在在的存在差别，这也是甲方更信赖理工科出身的重要原因，因为社科或文艺类专业，很少有学校会严格地按照数理逻辑去制定学生的课程培养计划），但是并不代表文科生没有任何机会，因为大学以前，其实我们都没正式接触过编程或统计学，大学本科更多的是提升一个人的思维、而不是过硬的专研能力。所以文科专业的朋友，兴趣和决定也是重要因素，不能单单凭借客观的专业背景就否定自己。当然，学习数学与应用数学、统计学、计算机科学与技术等理工科专业的人确实比文科生有着客观的优势，但能力大于专业，兴趣才会决定你走得有多远。毕竟数据分析不像编程那样，需要你天天敲代码，要学习好多的编程语言，数据分析更注重的是你的实操和业务能力。如今的软件学习都是非常简单便捷的，我们真正需要提升的是自己的逻辑思维能力，以及敏锐的洞察能力，还得有良好的沟通表述能力。这些都是和自身的努力有关，而不是单纯凭借理工科背景就可以啃得下来的。相反这些能力更加倾向于文科生，毕竟好奇心、创造力也是一个人不可或缺的。
1 大学数学牛的人适合2 不排斥敲代码的工作的人适合我是刚出来的，学了很多，但是工作得敲代码，个人有点烦，所以不做了，不过我有上课时的录播，可***（光环大数据的课程，线下学了半年，学费花了19800）
数据分析师需要学习以下几个方面的课程：（1）数据管理。a、数据获取。企业需求:数据库访问、外部数据文件读入案例分析:使用产品信息文件演示spss的数据读入共能。b、数据管理。企业需求:对大型数据进行编码、清理、转换。案例分析:使用银行信用违约信息文件spss相应过程。1）数据的选择、合并与拆分、检查异常值。2）新变量生成，SPSS函数。3）使用SPSS变换数据结构——转置和重组。4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。c、数据探索和报表呈现。企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。案例分析:企业绩效文件，如何生成美观清晰的报告。1）制作报表前对变量的检查2）制作报表的中对不同类型的数据处理3） 报表生成功能与其他选项的区别（2）数据处理a、相关与差异分析。案例分析:产品合格率的相关与差异分析。b、线性预测。企业需求: 探索影响企业效率的因素，并进一步预测企业效率。案例分析:产品合格率的影响因素及其预测分析。c、因子分析。企业需求: 需要抽取影响企业效率的主要因素，进行重点投资案例分析:客户购买力信息研究。d、聚类分析。企业需求: 需要了解购买产品的客户信息案例分析:客户购买力信息研究e、bootstrap。案例分析: bootstrap抽样。（3）SPSS代码SPSS代码应用 本回答被网友采纳
统计学专业、心理学专业、社会学专业、人口学专业、营销学专业、财务管理专业 这几个专业的比较适合做数据分析。当然也要看你对未来的规划和掌握的知识。数据分析师是一个高薪有前景的职业，未来的发展也是很好的。想入行的话参加培训是一个非常不错的选择。找工作的如果你有cpda证，是一个加分项。证书可以多少代表你的能力。
本人03年计算机科学与技术毕业，大学教书7年，从网络到数据库、软件开发；2010年接触数据分析，，一路学习，进入某上市公司做人才测评工作，开始正式入行，从产品竞争情报分析、产品快速测试、用户图谱、数据采集、报表、可视化制作等入手，后来到建模、对比分析、关联分析、聚类等，后来又去阿xx呆了一年多，然后又和加拿大一帮分析师一起工作，从他们身上学到很多思维方式和分析经验，对如何通过数据去解决企业实践问题的能力提升很多。现在自己和加拿大哥们开公司专门为中国企业做数据商业咨询服务，业务太多都有点忙不过来了。另外一块业务就是为阿里云提供大数据分析教育内容，比如高校大数据专业的课程体系、实验室产品等，阿里云大数据分析师ACP认证整套体系和认证考试培训研发都是我们公司开发的；连考题都是我们出的。还有每年全国各高校大数据专业的师资培训都是我们在做。所以总结我个人的学习路径和方法及认知，给你们提供一条学习路径，希望对你们在大数据商业分析师这条职业道路上有所帮助！ 以职业能力结构的学习图谱目前就业市场第一层在5-8K；第二层年薪15-30万；第三层50万年薪以上 具体学习路径与方法：第一层通用技能1、 通用技能是作为数据分析师必须具备的分析工具和大数据相关知识；数据编程：数据编程工具有Python、R、SAS等，目前用的多的是Python,如果有语言基础的小伙伴上手很快，语法、函数、面向对象这些都比较简单，没有基础的小伙伴也可以自学，不是很难，可以去《小象学院》每天学习一节课，听完后可以去阿里云大学官网去做一些Clouder，增加对Python在项目中的使用场景理解，数据清洗、爬虫、数据分析、数据可视化这些是工作中经常用到的。书籍： 2、 数据存储：主要是数据库、数据建模，分析师对数据仓库需要了解，这些基础课程完全可以自学，优达学城里面有这些课程，老师讲的还不错，也可以去九道门做些实验项目，他们有时候搞活动是免费的；如果你觉得还是难，那就采用最基础的学习路径，直接买MYSQL关系型数据库的书看，随便到网上去找个免费的MYSQL课程听；先解决会的问题。书籍： 另外分布式存储HDOOP需要简单了解就可以了，如果能自己搭建3个节点跑通，个人觉得就OK了，3、 云计算：做为分析师对云计算的技术作为了解就可以了，可以不做目前的强化学习内容4、 数据预处理：这个是数据分析师必须时刻记住的事情，从我们这个行业有句行话，叫垃圾进来垃圾出去，如果数据质量控制不好，后面做的再牛逼，也是垃圾；这个主要是看大家对数据的理解和质量控制的方法，目前市场上有专门的岗位就叫ETL数据清洗工程师；有专门的数据质量控制或者数据清洗的书。 5、 数据可视化：数据可视化不是很难，如果不要求特别美工的话，大家先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划。6、 大数据技术:这个相对来说有些难度，如果是学数学统计类专业小伙伴就非常有优势了，其他专业的小伙伴也不用担心，毕竟工作后还可以继续学习，在工作中用的比较多的是聚类、关联、决策树、线性回归等，如果你不去做模型和算法工程师那么只需要会用就可以了，实在不行有专业的工具让我们用，比如第四范式的产品和阿里云的机器学习PAN都是可以直接出结果的工具； 书籍： 7、 分析&AI：这部分先了解数据分析的基本流程和分析手法；上面的如果都学了，可以到阿里云大学上面去做几个数据分析方面的案例，增加对数据分析的流程理解和相关技术应用，但是要注意的是阿里案例都是用阿里的工具来实现的，比较简单，建议大家自己编程实现，也可以到天池大赛上去看一些案例，自己做做训练。以上的工具学习如果自学的小伙伴觉得很难坚持，那就只能去报班了，需要提醒大家的是目前培训机构愚弄混杂，在工具教学上有些机构还算马马虎虎，大部分培训机构的老师根本没做过商业分析项目，很多思维方式可能会误导你。至于那个培训机构好，我也不是很清楚，个人觉得自己坚持以上东西是可以自学的，做好规划一步步往前，时间可能长点，需要恒心，哈哈！ 第二层商业分析学完通用技能后你是否能真正入门，到企业能干活就看这一层了，在写这篇学习路径的时候我帮大家简单做了中国培训机构的调查分析，稍微好点的能做第一层，第二层都做不了，主要原因分析真正做大数据商业咨询人才都在名企，专业做数据咨询的公司员工一是没时间，二是价格高，培训机构请不起。我帮大家总结了，目前中国市场大部分企业招聘大数据分析师主要为四个层面服务；一为产品经理服务，国内产品经理不懂数据分析，而新产品的竞争情报分析、产品敏捷测试等都需要数据分析师帮助完成，后期产品迭代优化还是需要数据分析师采集用户行为、习惯、评价等数据来完成。二是为运营服务，产品运营中的用户流量、促销、顾客关系管理等需要数据分析师帮助完成；三是公司数据制定和标准建设、各部门数据打通，数据化管理等工作需要数据分析师完成，四是数据情报和数据预测为高层服务。从以上四个方面我们再去看第二层的商业分析能力和业务知识能力就显得尤为重要，这个时候是考验分析师的业务理解能力及通过数据为企业解决实际问题的能力了。比如分析师的分析流程、分析思维、分析技能、展示说服能力。小伙伴们要想快速进入第二层只有三种方式，一是锁定一个行业，刚开始别嫌工资低，入行1年左右，拼的就是悟性和钻劲，也能进入，如果运气好找个专业做数据咨询的公司那就很快，一个项目下来套路就明白了；二是能遇到一个比较牛的师傅，人家愿意教你，这个也很快，我就是遇到师傅的人，半年时间就完成第二层，不过本人原来做过教师，口才、文案这些软性技能比较强；呵呵。第三种方法去阿里合作伙伴决明科技，这家公司是专门做数据咨询服务的，这家公司有一块业务是做教育的，比如企业培训（阿里的合作企业大数据商业培训都是这家公司在交付），师资培训（这家公司每年做二期高校大数据应用师资培训），去年和前年做了二期大数据商业分析实训，有的被他们公司留下了，其他学员被阿里系的企业一抢而空，听说企业招聘一个人还给这个公司钱；不过他们招人实训要求比较高，首先要本科及以上学历，要会分析工具和数据库相关知识；具体情况小伙伴可以去百度一下九道门就知道了。另外听说很多培训机构租他们的大数据实验平台.第三层：上面我说在入行的时候建议大家选择一个行业，不要轻易换行业，大数据商业分析师对行业的要求很高，本身如果你是行业专家有加上懂数据分析，那就是行业大数据商业分析大牛了，这个需要时间和项目沉淀，现在这种行业大牛在国内很少，因为数据分析行业中国才刚刚发展，企业才刚刚接受这个岗位！这个行业非常不错的，非常有潜力，偏商科，技术辅助；真正的大牛不是数据分析工具技术，而是用数据帮助企业在产品、价格、促销、顾客、流量、财务、广告、流程、工艺等方面进行价值提升的人。主要是三个方面的分析，一是现状分析、二是原因分析、三是预测分析。洋洋洒洒写了这么多，希望对您有一些启发和帮助！也希望我们以后在大数据商业分析的江湖上进行切磋相遇！祝您学业有成，尽快入行，加油！