從零開始學數據分析，什麼程度可以找工作？

11-24

我現在在coursera 上面學data science 中的R programming，本碩均為化學工程，過去很少接觸過統計、計算機這兩個學科，現在很想轉行做數據。問題如下：
1. data需要學到什麼程度可以找工作？
2.初級的數據分析會做哪些工作？
3.數據分析有什麼小方向嗎？
4.想要深度做數據分析有怎樣的建議
5.統計的學習應該從哪裡下手
希望得到大家的指導，現在對這個行業的了解處於很模糊的狀態，想儘快步入正軌。

基本答一下吧，但是不是很準確，只了解大致情況（杭州），帶有某種行業自黑。

1. 第一階段（一般崗位叫數據專員）

基本學會excel（VBA最好學會；會做透視表；熟練用篩選、排序、公式），做好PPT。這樣很多傳統公司的數據專員已經可以做了

2. 第二階段（數據專員~數據分析師）

這一階段要會SQL，懂業務，加上第一階段的那些東西。大多數傳統公司和互聯網小運營、產品團隊夠用了。

3. 第三階段（數據分析師）

統計學熟練（回歸、假設檢驗、時間序列、簡單蒙特卡羅），可視化，PPT和excel一定要溜。這些技術就夠了，能應付大多數傳統公司業務和互聯網業務。

4. 第四階段（分裂）

數據分析師（數據科學家）、BI等：這部分一般是精進統計學，熟悉業務，機器學習會使用（調參+選模型+優化），取數、ETL、可視化啥的都是基本姿態。
可視化工程師：這部分國內比較少，其實偏重前端，會high charts，d3.js, echarts.js。技術發展路線可以獨立，不在這四階段，可能前端轉行更好。
ETL工程師：顧名思義，做ETL的。
大數據工程師：熟悉大數據技術，hadoop系二代。
數據工程師（一部分和數據挖掘工程師重合）：機器學習精通級別（往往是幾種，不用擔心不是全部，和數據分析師側重點不同，更需要了解組合模型，理論基礎），會組合模型形成數據產品；計算機基本知識（包括linux知識、軟體工程等）；各類資料庫（RDBMS、NoSQL(4大類)）
數據挖掘：和上基本相同。
爬蟲工程師：顧名思義，最好http協議、tcp/ip協議熟悉。技術發展路線可以獨立，不在這四階段

發現回答的有點文不對題額，不過大致是所有從底層數據工作者往上發展的基本路徑。往數據發展的基本學習路徑可以概括為以下內容：

1. EXCEL、PPT（必須精通）

數據工作者的基本姿態，話說本人技術並不是很好，但是起碼會操作；要會大膽秀自己，和業務部門交流需求，展示分析結果。技術上回VBA和數據透視就到頂了。

2. 資料庫類（必須學）

初級只要會RDBMS就行了，看公司用哪個，用哪個學哪個。沒進公司就學MySQL吧。

NoSQL可以在之後和統計學啥的一起學。基本的NoSQL血MongoDB和Redis（緩存，嚴格意義上不算資料庫），然後（選學）可以了解各類NoSQL，基於圖的資料庫Neo4j，基於Column的資料庫BigTable，基於key-value的資料庫redis/cassendra，基於collection的資料庫MongoDB。

3. 統計學（必須學）

如果要學統計學，重要概念是會描述性統計、假設檢驗、貝葉斯、極大似然法、回歸（特別是廣義線性回歸）、主成分分析。這些個用的比較多。也有學時間序列、bootstrap、非參之類的，這個看自己的意願。

其他數學知識：線性代數常用（是很多後面的基礎），微積分不常用，動力系統、傅里葉分析看自己想進的行業了。

4. 機器學習（數據分析師要求會選、用、調）

常用的是幾個線性分類器、聚類、回歸、隨機森林、貝葉斯；不常用的也稍微了解一下；深度學習視情況學習。

5. 大數據（選學，有公司要求的話會用即可，不要求會搭環境）

hadoop基礎，包括hdfs、map-reduce、hive之類；後面接觸spark和storm再說了。

6. 文本類（選學，有公司要求的話會用即可）

這部分不熟，基本要知道次感化、分詞、情感分析啥的。

7. 工具類

語言：非大數據類R、Python最多（比較geek的也有用julia的，不差錢和某些公司要求的用SAS、Matlab）；大數據可能還會用到scala和java。
可視化（選學）：tableau、http://plot.ly、d3.js、echarts.js，R裡面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不錯
資料庫語言：看你自己用啥學啥
其他框架、類庫（選學）：爬蟲(requests、beautifulsoup、scrapy)，日誌分析（常見elk）

更新：
今年初由於換工作的原因，意外的和曾經的一些同事有了聯繫，其中3個數據分析師都轉成了數據產品經理，幾乎沒有純粹做數據分析的同事了。數據分析師入門容易，但越到職業發展後期，對技能要求越高，學習成本陡增，身邊一些數據分析師都在學習python，但真的能在實際工作中運用的機會很少，所以轉向數據挖掘方向的難度很大。也許數據產品經理是很多數據分析師在工作幾年後一個不錯的選擇。

以下是原答案：我工作5年，一直在互聯網公司做和數據相關的工作，
接觸過各種數據分析師，數據專員，etl工程師，數據挖掘，數據科學家，數據運營，數據產品。看了其他人的答案，我覺得更偏向數據開發，或者數據挖掘，我來說下一般招聘網站里要求的數據分析師的情況吧。
對數據分析師的要求和數據分析師所隸屬的部門相關，數據分析師一般存在於三類部門：
一是隸屬於負責某一條產品線的業務部門，部門只有一個數據分析師，也可能叫數據專員，部門內的其他人是運營、產品，數據分析師的日常工作就是給領導或同事出各種數據報表，偶爾出個報告，只要熟練掌握excel和ppt即可，數據來自bi系統，或者提需求給技術部或數據部提取數據。統計學的知識用不上，因為你的領導和同事完全不懂，他們就是想看某個數據，需要你給出數據來證明他們產品改進或運營的效果，他們會根據經驗來理解這些數據。這類數據分析師的工作比較機械重複，但對自己所屬的產品線非常熟悉，適合剛畢業的。
二是隸屬於數據部門，有的也叫數據中心（或者裝B的大數據中心），數據分析師也可能叫數據運營，需要熟練掌握sql，了解資料庫的知識，有的也需要會python，每天大部分工作是寫sql幫業務提數，還有就是幫業務梳理邏輯，把數據需求落實進bi系統或寬表裡。
三是隸屬於業務部門裡獨立的數據組，整個組由多個數據分析師組成，所需的技能和行業相關，一般電商之類的熟練掌握excel、sql、spss就夠了，如果是金融行業，那就得會sass。工作是製作各種報表，監控業務情況，也會有專項分析報告，主要是向大領導彙報。
其實現在大部分互聯網公司的數據建設都不健全，尤其是流量數據，但出於安全性的考慮又不用第三方數據分析系統，所以無論你是哪個部門的數據分析師，大部分的工作都是在獲取和加工數據，做數據報表。對工具的掌握決定了你獲取和加工數據的效率和層次，比如你只會用bi導數，用excel處理數據，在遇到bi沒有的數據，或者涉及幾十萬數據量的時候，你就只能寫郵件提需求了。
但也不是說掌握了各種技術和工具就能當個好的數據分析師，好的數據分析師必須是要非常熟悉並理解業務的，因為你要是不懂業務，你連需要取什麼數都不知道！
現在還有一個崗位和數據相關，叫數據科學家，很像其他回答里說的那種懂各種演算法，或者高階的數據分析師，但這類數據人員基本不是從低階數據分析師進化來的，而是本來就是計算機相關專業的碩士或博士。同樣的還有數據挖掘工程師。
如果想走技術路線，或者所謂大數據方向，最好去公司專門的數據部，起碼可以接觸到更多的數據和技術。如果在業務部門做數據分析師，雖然門檻低好入行，但沒有機會和空間，做的時間再久也是導數做報表，發展不大。

我是本科畢業工作兩年轉行數據分析。
我的答案是——取決於你想找哪個程度的數據分析師崗位。
我的經歷供你們參考：當初為了轉行，辭職半年。這半年各種學python，SPSS，SQL，數據分析理論，結果呢，你會發現怎麼學得完？而且你根本不知道你將來的崗位需求是什麼，你原來沒做過數據分析的話你也不會明確知道自己該加強哪一塊。後來找工作，別人不要沒經驗的數據分析師（口徑一致地說我們沒空慢慢培養你），要的呢，你只需要會excel。建議現在就開始投簡歷，跟人家聊，人家需要什麼你就學什麼。然後你需要證明你會數據分析，能自己做分析，出報告。到這個程度，人家就會看上你。我就是這樣找到我的第一份數據分析工作的。我現在的工作內容只用到EXCEL，是的，本科生剛畢業都會做了，但這是跳板。人家看上我不僅是因為我會EXCEL，還因為我有他們行業的經驗（區別於數據分析的行業經驗，數據分析只是通用技能），所以我目前的階段，想過度到專門做數據分析，初級崗位我能夠得著，也就剛好用Excel就夠了。我想你這種情況，應該有適合你的起點——化學工程沒有相關的統計項目嗎？

我來提供個最快捷的路子吧，不為別的，請那些簡歷上寫了「數據分析」方向的筒子們先看一下，會了再投，不會不要去面，希望不大，浪費時間。

1. 數據結構和演算法，這是是必須會的。跨專業的人往往忽略這一點，但這是跟實際工作相關的東西，cs其他的可以暫時不會，但這個一定要會。要手工刷代碼。

2. java，python, R, 精通其中一種，精通就是拿它做過一個完整的項目，從頭到尾，全須全尾，經得起問。如果都是淺淺的知道，那是沒用的。

3. 手工刷過data mining和prml上的三四種以上有工作量的演算法。kmeans和knn這種太簡單了不能算。

4. 概率線代高數統計，需要維持在本科考試60分水平。

5. 簡歷不要造假，簡歷上寫的你會的東西都要經得起問。不要偽造獲獎經歷，一分鐘問死你到現形。

這是基線，低於這個水平，像樣的公司不可能給offer。

很多數據分析方法的崗位，偏業務理解、分析思路、基本操作比較多。動輒就是hadoop、python、r的，對想入行的同學來說真的鴨梨山大的。

一、首先定義我們的目標，「什麼是從0開始到能夠找工作」
那麼我的理解是，懂得常規知識並能找到基礎的工作是我們的目標。

二、再來看看，積累哪些技能才能夠找到基礎的工作
想要做好數據分析真的需要掌握多方面的知識和技能，主要分軟+硬兩大實力，軟實力還包括溝通能力、表達能力、設計能力等；另外業務理解能力需要逐步積累。那麼，對於入行來說，可從思維、心術、理論、工具四方面進行訓練和事先判斷。思維和心術主要靠性格和長期訓練積累，下理論和工具是可以學習和訓練的。
下圖主要適用於入門的學習，雖非高階，但確常用而必備

三、如何積累基礎的技能
理論：
1、統計學是必須要了解的，知其然知其所以然，對分析結果的判斷也是有幫助的；
2、基本的分析方法論也要了解，常用的有對比、趨勢、細分等；
3、管理理論特別是麥肯錫的那一套對於分析思路的開闊也比較有幫助，數據分析始於商業分析/業務分析，那麼必備的方法論一定要瞭然於心。

工具：

為什麼很多人學了Python、Hadoop、R、Spss，依然做不好數據分析。

數據分析最關鍵的一定是理解業務的能力以及整理分析思路的能力，其次才是動手能力，也就是駕馭工具的能力。至於工具，不論黑貓白貓能解決問題就是好貓，不是說Hadoop就比Oracle強，python就比spss厲害，不同的場景不同的背景對工具的使用也不同。

對於入門來說，掌握常規的即可：Excel+Sql+PPT，Excel的簡潔和強大無需多說了，小規模的數據處理、分析、展示都可以搞定，對於稍大點規模的公司而言，Sql是必備的取數技術，沒有數據源就等於是無源之水，所以數據查詢和處理能力一定要具備。那為什麼還要PPT？數據分析師很多時候的產出是分析報告，那麼PPT的展示能力就格外重要，如何將你的結論簡潔直觀的傳遞給你的受眾，是必備的能力。

簡單的回答一下，具體參見原文數據分析，你真的準備好了嗎？ - tommy的文章 - 知乎專欄

學完123就可以了吧。

……

加兩張，來自網路。

數據分析，註定是「數據科學+行業經驗」的雙天賦技能樹成長模式。
也就是說，你必須在具備豐富的行業經驗的同時，還要開發自己的數據科學技能。
加倍的技能樹，加倍的努力！

擅長玩狼人遊戲，玩到首輪不是殺手必死的境界！

擅長玩三國殺，玩到把把內奸干翻全場的境界！

閑著無聊喜歡邏輯推理，比如轉角遇到個美女的概率是多大？

能在短時間內就能掌握新知識，比如從零開始學習個繪畫攝影什麼的！

最後，也是最重要的一條：遇到一個像我這樣的面試官！哈哈哈哈！

說實話自學的那些個編程語言算是能證明你的學習能力還不錯吧！工作需要的軟體和語言對於學習能力強的人來說還不是半天的事情！

以上！

羅賓同學寫的非常完整了，基本市面上做數據分析的就是這三大類以及一個終極目標：
1.數據開發類，本類要求最多，且基本走在時代前沿，軟體入門級別分別是Python&>Java&>Hadoop&>Spark等等，這個順序仁者見仁，意思就是說最起碼得會Python，網上Python較多，客觀來說此類崗位要求經驗較多，相對加班較多，工資也相對最多。
2.數據分析類（業務部門類），首先找工作的時候一定開清楚，它到底要你處理的是什麼方面的數據，如果動輒上千萬，Excel肯定是解決不了的，而且一般商業化的場景基本都是Sas,R,Python運用較多，這塊看個人造化吧，有很多人通過這個後來也成功轉崗，這裡的意思就是轉到業務上去，實際上隨著現在大數據的應用，很多重要的崗位除了經驗的積累也需要對數據方面的了解，所以說還是很有前景的，我也算這一類吧，大概從業也是4年左右，當然我是從第一類到第二類的，也是個人的選擇。
3.數據ETL架構師，這些崗位往往寫著數據分析師的牌子，做的其實系統做的事，提取，清洗等等，並不是說不重要，因為工作相對基礎，重複性比較多，完全可以當做這份數據分析工作的開始來做。軟體使用方面：Sas,R,Hadoop,Java。
4.最後就是數據科學家，本類崗位非10年+經驗無法駕馭，國內幾乎沒有，但也並不完全是做CS的轉過去的，很多都是在經過業務過程中自己摸索學習的，所以你可以簡單的把它定義為數據分析師的終極目標，至於具體做法就是學習,了解最前沿的技術,很多時候不是你的心沒到位，是你的努力不到位，是你周圍沒有那種環境（軟體，硬體皆是）。
最後說一點就是一般的發展路線就是數據分析師---數據主管----業務主管-----相關總監或者是數據分析師----項目經理-----高級經理-----XXXXX，每個人的路自己想清楚，都是需要不停學習的。祝你好運。

從零開始學數據分析，什麼程度可以找工作？
1. 掌握基礎的演算法和數據結構。面試的時候會考察這些基本功。建議去leetcode上刷題，或者拿個演算法導論翻一翻。適當的準備一下，面試的適合一般不會太難，常見的是字元串類、數組鏈表類和排序類題居多。
2. 會寫sql。這是分析數據的工具。熟悉sql基礎的函數，外連接等操作。
3.懂點統計學。這是分析數據的思路。
以上三點差不多可以讓你找到數據分析的工作。最重要的是進入工作崗位後要繼續成長。關於合格數據分析師，甚至數據科學家的描述，請參考排名前幾的答案。

最後打個廣告，美團現在正在熱招數據分析、數據倉庫ETL、數據挖掘等方向的工程師。要內推的請看我簡介。

數據分析的工作內容(熟悉任何一方面都可以開始找工作)：

a.臨時取數分析，比如雙11大促活動；產品的流量轉化情況、產品流程優化分析，等等；
b.報表需求分析--日報、周報、月報、季報、年報、產品報表、流量轉化報表、經營分析報表、KPI報表等等；
c.業務專題分析：
精準營銷分析（用戶畫像分析、營銷對象分析、營銷策略分析、營銷效果分析）；
風控分析（策略分析，反欺詐分析，信用狀況分析）；
市場研究分析（行業分析、競品分析、市場分析、價格分析、渠道分析、決策分析等等）；
工具和技能：
工具： R、Python、SAS、SPSS、X-Mind、Excel、PPT
技能：需掌握SQL資料庫、概率統計、常用的演算法模型、分析報告的撰寫等等；

會用R語言或python進行基本的數據處理，懂SQL語句，再有點統計知識和行業經驗，就可以開啟投簡歷找工作的模式了。根據投簡歷和面試獲取市場的真實反饋，進而有側重地填補自己缺少且必要的內容。以下是我跨行求職數據分析的過程，供你參考。

求職數據分析的面面觀