一、引言
从一名一无所知的数据小白,到一位手拿大厂offer的数据分析师,我们需要多久?一个月,还是一年?
今天,给小伙伴们分享一位字节大佬的数据分析师学习和成长经历,字里行间皆是宝贵的学习经验,希望看完文章的你,宛如醍醐灌顶,签约大厂不是梦~~
告别盲目努力,请看今日面经~~
二、成长之路
1. 行业调研
首先,决定转型数据分析之后,我们需要到上网检索一下数据分析师这个行业目前的整体状况。其实,目前数据分析师这个行业十分混乱,不同企业对数据分析师有着不同的定位,薪资待遇也是千差万别,但总结一下,可以分为如下两种:
技术型分析师:算法类或数据类,类似于算法工程师、数据挖掘工程师、大数据工程师这类概念,但是区别于数据库工程师类。一般来说,此类岗位需要十分扎实的算法和数据结构知识,且要了解机器学习、数据挖掘及大数据框架等基础知识,对于非计算机或数学专业的同学,学习或转型会有一定难度!
业务型数据分析师:产品类或运营类,当今市面上岗位最多的数据分析师,这类分析师的门槛会相对较低一点,但是如果做不好的话,很有可能就会变成PPT分析师、报表分析师。不过,毕竟入行门槛相对较低,对于想零基础入门数据分析师的同学,业务型数据分析师将会是你更好的选择,也更加友好一些。
2. 自主学习
首先,选定学习方向:业务型数据分析师。
其次,明确转型方向之后,对于从零转型的同学来说,会有两个比较迫切的问题:
该从什么地方下手?
简历上什么都没有怎么办?
首先,解决第一个问题,我列了一个业务型数据分析师所需要具备的基本能力矩阵,一图胜千言,再针对性的一一准备,轻松入门不是梦。简单来说主要包括以下三个层面:
基本工具
数据分析师三板斧:Excel、SQL、Python
Excel、SQL、Python是数据分析师必知必会的3种基本工具。
(1)Excel
如果你的意向岗位不是那种纯excel的数据分析师,建议大家不需要花费太多时间在excel上,主要掌握vlookup、透视表和一些常用的图表即可,不会的函数直接检索就可以了。
(2)SQL
重要核心!SQL一定要精通,基础知识要牢记,烂熟于心最佳,基本数据库操作需要融会贯通,笔试基本必考,面试时候很大概率让你手撕SQL,写不出来的话很容易凉凉~~对于sql的学习,可以选择SQL学习,也可选择MySQL等数据库入门,了解sql的基本知识,增删改查。
(3)Python
Python是世界上最优秀的高级编程语言,入门简单,应用广泛,下期精讲。
数据分析理论知识
统计学和机器学习两手都要抓、两手都要硬
理论知识,数据分析师最需要掌握的理论知识是统计学和机器学习,但要掌握到什么程度、掌握哪些领域,还是有一些门道~
1. 统计学
如果你不是统计学专业的同学,一般面试官心里都有数,不会问你很难的问题,大学统计学范畴。
2. 机器学习
机器学习一门综合性学科,相关的知识学习成本会比较高,对于非数学系的同学来说可能会有一定的难度,但是对于业务型数据分析师来说,一般不会要求你去推导理论的算法公式,能做到明白不同算法的适用场景、优缺点、原理,大概懂就基本可以了。
数据分析项目实战
kaggle打得好,工作也好找
如果你已经学完了上面所有的Python和机器学习知识,就可以进入项目实战阶段了,可以选择去打比赛,既可以巩固学到的知识,同时又可以解决简历中没有相关项目的问题,即解决第二个问题。
比赛和真实的数据分析工作其实非常接近,特征工程的魅力,是来自于你对比赛任务的理解,只有真正理解了业务,才能构思出好的特征,从而取得好的名次,这与业务型数据分析师的本质也是相通的,理解业务,改进业务。
数据分析思维
没有比这个更重要的能力了!
分析思维是数据分析师最核心的竞争力,上面所学习的python、sql、机器学习知识等都是在工具层面,要想使用好他们,还需要分析思维的驾驭。
在面试中,对于分析思维的考察也是相当重要的一环。对于分析思维的学习,建议新人也是从读书开始。
由于篇幅限制,未完待续。更多精彩内容,欢迎关注,不迷路,敬请期待下期分享~~