经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办?并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考!
欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注。
 
----------------------------------------我不是完美的分割线--------------------------------------- 
Q1:我现在的工作有一点数据分析的模块,自从上微薄后了解到还有专门从事数据分析工作,我现在想做这一行,但是经验、能力都还是菜鸟中的菜鸟,请问成为一名数据分析师还有需要哪些准备?
A:很简单,我们可以看一下国内知名互联网数据分析师的招聘要求,进行自我对照,即可知道需要做哪些准备。
数据分析师职位要求 :
1、计算机、统计学、数学等相关专业本科及以上学历;
2、具有深厚的统计学、数据挖掘知识,熟悉数据仓库和数据挖掘的相关技术,能够熟练地使用SQL;
3、三年以上具有海量数据挖掘、分析相关项目实施的工作经验,参与过较完整的数据采集、整理、分析和建模工作;
4、对商业和业务逻辑敏感,熟悉传统行业数据挖掘背景、了解市场特点及用户需求,有互联网相关行业背景,有网站用户行为研究和文本挖掘经验尤佳;
5、具备良好的逻辑分析能力、组织沟通能力和团队精神;
6、富有创新精神,充满激情,乐于接受挑战。
 
另外可以再看下:
数据分析师的基本素质:blog.sina/s/blog_49f78a4b0102dt95.html
菜鸟与数据分析师的区别:blog.sina/s/blog_49f78a4b0102droj.html
 
《数据分析技能提升十大建议》
网页版:t/hg5VTH
PPT下载版:weibo/1240959563/l4EWKdaxB
数据分析学习网址大全(强烈推荐) t/SPGMeA
 
 
Q2:对数据分析有浓厚兴趣,希望从事数据分析、市场研究相关工作,但听说对学历要求较高,请问我是否要读研,读研的话应该读哪个方向?
A:读研要看自身情况,但可明确:专业不是问题,本科学历就够。关键是兴趣与能力,以及自身的努力,兴趣是学习成长最好的老师!
当然如果是在校生考上研究生的话那是最好,如果考不上可以先工作,等你工作有经验了,你就知道哪方面的知识是自己需要,要考哪方面的研究生,也就更有方向性。
 
Q3:那么如何培养对数据分析的兴趣呢?
A:建议如下:
1、先了解数据分析是神马?
2、了解数据分析有何用?可解决什么问题?
3、可以看看啤酒与尿布等成功数据分析案例;
4、关注数据分析牛人微博,听牛人谈数据分析(参考Q1的三个链接);
5、多思考,亲自动手分析实践,体验查、解决问题的成就感;
6、用好搜索引擎等工具,有问题就搜索,你会有惊喜发现;
7、可以看看@李开复 老师写的《培养兴趣:开拓视野,立定志向》;怎么做数据分析
 
有网友说:让数据分析变的有趣的方法是,把自己想象成福尔摩斯,数据背后一定是真相!
 
 
Q4:我有点迷茫,是练好技能再工作,还是一个数据分析助理之类的要求不是特别高的工作,在工作中提升?
A:建议在工作中进行学习实践,这才是最好的提升。看那么多书,没有实践都是虚的。
 
Q5:我是做电商的,对于数据分析这块,您有什么好的软件工具类推荐吗?
A:做数据分析首先是熟悉业务及行业知识,其次是分析思路清晰,再次才是方法与工具,切勿为了方法而方法,为工具而工具!不论是EXCEL、SPSS还是SAS,只要能解决问题的工具就是好工具。
问题的高效解决开始于将待解决问题的结构化,然后进行系统的假设和验证。分析框架可以帮助我们:1、以完整的逻辑形式结构化问题;2、把问题分解成相关联的部分并显示它们之间的关系;3、理顺思路、系统描述情形/业务;4、然后洞察什么是造成我们正在解决的问题的原因。
 
Q6:请问现在国内做数据分析行业需要精通SPSS、SAS之类的统计软件吗?
A:不同公司不同职位要求都不一样,虽然大部分公司的招聘要求有提到要求会SPSS、SA
S之类的统计软件,但是实际工作中还是以EXCEL居多,只有少数公司在工作中才常用到SPSS、SAS。
 
另外分享一网友@AC不米兰微博感想:
其实对绝大多数财务人员和管理人员而言,excel用到透视表已经可以解决95%的问题了吧,宏什么的属于炫技式用法。重要的是数据设置时的逻辑关系。还有一个重要的是分析结果的展示方法。
地址:weibo/1846816572/y4ThvFjHo
 
Q7:可不可以推荐些数据分析方面的网站呢?
A:数据分析学习网址大全(强烈推荐) t/SPGMeA
 
Q8:如果我想系统的学习数据分析,有哪些途径?或者课程呢?可以给我们一些建议吗?
A:可看小黄书《谁说菜鸟不会数据分析》,其目录基本上就是数据分析体系,按这个思路学习,先了解数据分析是神马?了解数据分析有何用?可解决什么问题?然后再根据实际所需进行学习。
可通过此网址检测自己是否真正了解数据分析 blog.sina/s/blog_49f78a4b0102dwzp.html
 
Q9:看完小黄书、小蓝书后要看哪本书?有何推荐没有?
A:如果看完小黄书后,能对数据分析有个清晰的认识,知道数据分析是做什么用的,并且书中每个方法都理解,都能用简单的语言描述出来,能活学活用,那就说明你真正掌握了。到时你自然而然的知道你需要再补充哪方面的知识。
有些读者看了小黄书、小蓝书后,觉得书中的知识浅了。提醒大家:1、不要小看基础知识
喔!那才是最核心的,正所谓万变不离其宗,只有掌握基本原理,并灵活运用才是王道!2、数据分析的深不深,不在于技术高不高级,而在于对于业务的解读。
如果是想往统计技术方面发展,可以看@文彤老师 这本SPSS统计分析基础教程(第二版)。
 
Q10:我想知道想要从事数据分析这方面的工作,我现在应该什么类型的公司和实习岗位来积累经验呢?
A:建议是互联网、移动互联网、游戏、通信类的企业,因为这些类型的公司是数据都较为庞大,并且也较为重视数据分析工作的公司。
不过先想清楚自己以后所要从事的行业,然后在有针对性的实习,这样可以累积行业经验,加深对行业及业务的理解,应为毕竟数据分析的前提是要熟悉行业及业务。如果你熟悉了业务,你看到的不在是简简单单的数据,而是看到数据后面所隐含的信息。
举个案例:某公司面试官发了这么一条微博:问他擅长什么,答数据分析,于是给他一堆数据,5分钟后问他,答约,可以分析出标准差,离散度……再追问,分析这些的意义是什么,答曰:可以知道样本数据的标准差,离散程度……
地址:weibo/1590680882/y4YGB8nIH
这就是技术与业务脱节,为了分析而分析,谨记!
 
Q11:如何写成一份好的数据分析报告?
A:一份好的数据分析报告,首先需要有一个好的分析框架,并且图文并茂,层次明晰,能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容;图文并茂,可以令数据更加生动活泼,提高视觉冲击力,有助于阅读者更形象、直观地看清楚问题和结论,从而产生思考。--小黄书《谁说菜鸟不会数据分析》
 
Q12:该如何学习数据分析呢?
A:数据分析三字经:
学习:先了解,后深入;先记录,后记忆;先理论,后实践;先模仿,后创新;
方法:先思路,后方法;先框架,后细化;先方法,后工具;先思考,后动手;
分析:先业务,后数据;先假设,后验证;先总体,后局部;先总结,后建议;
 
 
Q13:统计专业毕业可什么工作呢?
A:详见 blog.sina/s/blog_49f78a4b0102dwoz.html ;
 
Q14:数据分析师发展路径是怎样呢?
A:详见
blog.sina/s/blog_49f78a4b0102dys4.html
blog.sina/s/blog_49f78a4b0102dwob.html
 
Q15:怎么知道自己是否适合做数据分析?
A:详见 blog.sina/s/blog_49f78a4b0102dx5a.html
 
Q16:我看到有人说数据分析可以分为数据分析师和数据挖掘师,是这样吗?数据分析做到深入的话必须要懂数据挖掘吗?数据挖掘要掌握一些算法吧,那不成了计算机专业的了吗?
A:首先要了解数据挖掘与数据分析之间的关系。
《谁说菜鸟不会数据分析》中有如下介绍:数据挖掘其实是一种高级的数据分析方法。数据挖掘就是从大量的数据中挖掘出有用的信息,它是根据用户的特定要求,从浩如烟海的数据中出所需的信息,以满足用户的特定需求。数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。一般来说,数据挖掘主要侧重解决四类数据分析问题:分类、聚类、关联和预测,重点在寻模式与规律。
数据分析与数据挖掘的本质都是一样的,都是从数据里面发现关于业务的知识。 
另外从事数据挖掘工作需要各种专业的人才一起参与,如计算机、统计学、数学等,数据挖掘工作包括算法研究开发、ETL、业务建模、系统开发等等,所以要看你的工作偏向哪方面,如果是业务建模分析,那就要熟悉业务,并对各种常用算法原理、优缺点比较熟悉,至于具体如何实现,统统交给数据挖掘软件和计算机去处理吧!如果是算法开发,那就要非常熟悉各种算法,并精通一门编程语言,才能开发出适合业务分析的算法。
可以说数据分析师更偏向业务研究,主要负责报告撰写,而数据挖掘师(其实应该是数据挖掘工程师),则更偏向技术,负责相关算法的开发与实现。大家可以根据自身的特点选择发展方向。
 
Q17:数据分析师会遇到哪些困难呢?
A:可以参考下最伤数据分析师的几句话:
1、你这个数据不对吧;
2、数据换个口径重新跑一遍;
3、你们做的一大堆数据,有啥用呢?无法落地;
4、怎么数据还没跑出来;
5、报告一点逻辑都没有;
6、报告一点业务深度都没有;
7、报告看不懂;
8、报告看懂了但没用;
9、报告再改改;
10、全是基础数据堆彻,没有重点,没有分析和结论!