数据分析师需要掌握的技能

数据分析师需要掌握的技能

数据分析师需要掌握的基础技能

1、Excel:这似乎很简单,但是其功能十分强大。excel不仅可以创建简单的二维表,复杂的嵌套表,还可以创建折线图,柱形图,条形图,面积图,饼图,雷达图,组合图和散点图。

2、sql server或oracle上掌握sql语句。学习编写嵌套的sql语句,包括 加入,分组依据,排序依据,不同,求和,计数,平均值和各种统计功能,会有很大的帮助。

3. 熟练掌握可视化工具,如bi, cognos, tableau和finebi等, 使用这些工具进行可视化非常方便,尤其是在分析报告中可以包含这些图像的情况下。在项目汇报的时候可以更好的让他人一目了然地了解并深入了解业务的本质。 作为专业分析师,使用多维分析模型多维数据集,可以轻松,高效地自定义报告。

掌握以上的基础技能其实已经可以进行数据分析了。现阶段的数据分析人员需要知道如何使用工具来处理数据,了解业务场景以及分析和解决基本问题。 仍然重要的是要强调,对于数据分析师来说,最重要的是熟悉业务。 知道业务之后,分析师的逻辑将是清晰而笼统的,并且将排除大多数无用的分析。 了解业务可以帮助更好的解决问题。

进阶学习:

1.学习统计系统

  • 纯机器学习强调算法的预测能力和实现,但统计数据始终强调“可解释性”。 例如, 我可以查看两个股票之间的相关性是否相关。假设其中一只反向相关的股票下跌,然后根据数据,我们可以假设另一只股票会上涨。
  • 与数据挖掘相关的统计方法(多元逻辑回归分析,非线性回归分析,判别分析等)。
  • 定量方法(时间轴分析,概率模型,优化)。
  • 决策分析(多用途决策分析,决策树,影响图,敏感性分析)。
  • 建立竞争优势分析(通过项目和成功案例学习基本的分析概念)。
  • 数据库条目(数据模型,数据库设计)。
  • 预测分析(时间轴分析,主成分分析,非参数回归,统计过程控制)。
  • 数据管理(etl(提取,转换,加载),数据治理,管理职责,元数据)。
  • 优化和启发式(整数规划,非线性规划,局部探索,超启发(模拟退火,遗传算法))。
  • 数据分析(学习非结构化数据概念,mapreduce技术,大数据分析方法)。
  • 数据挖掘(聚类(k均值法,分割法),关联规则,因子分析,生存时间分析)。
  • 风险分析和运营分析的计算机模拟。
  • 软件级分析(组织级,企业和业务用户的分析主题,变更管理,数据主题,表示和通信。

2. 掌握人工智能机器学习算法,并使用诸如python / r之类的工具对其进行建模

传统的双向分析能否回答过去 发生的事情,现在正在发生的事情以及 将来会发生的事情? 我们必须依靠算法。 尽管 tableau 和 finebi 之类的自助服务bis 已内置在分析模型中,但分析人员希望进行更全面,更深入的探索,而这需要诸如python和r之类的数据挖掘工具。

 此外,大数据集之间的隐藏关系无法通过手动分析或传统工具来实现。目前,该算法已实现。

其中,用于统计分析的开源编程语言及其运行环境r引起了广泛关注。 r的优势不仅在于它包含丰富的统计分析库,而且还具有高质量的图表生成功能,该功能可以可视化结果并可以使用简单的命令运行。 此外,它还具有称为cran(全面的r归档网络)的软件包扩展机制,可通过导入扩展软件包来导入标准状态下不支持的功能和数据集。 

尽管r语言功能强大,但是学习曲线却很陡峭。就个人而言,我建议您从python开始,它具有大量的统计库,例如numpy, scipy , python数据分析库和matplotlib。

数据人才可以利用其知识和经验来帮助制定业务决策方向。数据科学家可以使用它技术来开发复杂的模型和算法。分析顾问可以结合实际的业务知识和分析经验,专注于行业的下一个爆发点。

因此,您需要具备沟通,组织,管理技能和业务思维的能力。这不限于某个位置。您需要考虑更高的位置并为公司寻求利益。 同时,我们还必须考虑如何使用“数据分析”在公司中发挥作用,以及如何使用数据来推动业务运营。

免责声明:凡未注明来源或者来源为网络的信息均转自其它平台,是出于传递更多信息之目的,并不意味着赞同其观点或证实其内容的真实性。网站只负责对文章进行整理、排版、编辑,不承担任何法律责任。若有侵权或异议请联系我们删除,谢谢。

发表评论

您的电子邮箱地址不会被公开。