2018-04-18Priscilla优达学城Udacity
导语：十年资深数据分析师告诉你正确入门数据分析，成为一名年薪50万以上的数据分析师。
文/ Priscilla
自大学零基础从市场营销专业，转行到数据分析行业，至今已有近十年的工作经验，我的经历可以写成一本书了。最初是完全零基础小白，当决心转行到数据分析后，每天凌晨四点半起床恶补高数线代，统计学概率论。基础打牢后，又开始疯狂敲代码，撸项目，整日沉迷于编程不能自拔。
[图片上传失败...(image-8afb6-1542838940758)]
到后来，成为数据分析的职场新人，不断跳槽，积累经验，升职加薪，最终得到一份梦寐以求的工作，也实现了年薪50万的小目标。
为什么选择数据分析
答主当初之所以选择数据分析，是因为随着数据逐渐变得廉价，分析仍然稀缺，高校毕业生数量远远无法满足行业需求。毫无疑问，数据分析师是当今最具发展潜力的职业。入门月薪就已达到8K以上，5年工作经验一般不会低于22K/月，当你做到team leader，规划主导一个项目的时候，基本上就是年薪50万+了。
技能要求
想成为年薪50万的数据分析师，必须具备以下技能：
算法：统计学，高数线代，模型理论等基础知识将是解决任何数据问题的地基。无论多复杂的数据实验以及算法模型，离开他们都无从谈起。
编程：数据获取，清洗，处理，挖掘，存储必不可少的工具。同时，熟练的码出code将会为你省出大量的时间和精力。
可视化：将编程挖掘到的信息，灵活直观的展现出来，呈现给非数据分析行业人员，为下一步决策提供理论根据。
[图片上传失败...(image-900898-1542838940758)]
避开弯路
直至2016年，教育部才批准三所高校开设数据分析相关专业，这意味着如今市场上没有科班出身的数据分析师。不要慌，大家都是依靠自学转行的，可见培养强大的自学能力，对转行来说多么重要。
然而，网上有太多的免费资源，动辄几十个G的网盘分享，然而我们犯的最大的错误是把收集当学习，把信息当知识，于是最后只剩下存得满满的空虚感。
珍贵的永远是付费的，最大的学习成本永远是时间。免费资料通常内容陈旧，逻辑混乱，学起来无从下手，一筹莫展。所以，当遇到「扫码送史上最全资源」时，一定要注意甄别，毕竟在高速发展的互联网时代，不能用原始方法去学习了。
正确的学习路径
给大家分享我学习的思路，按照：理论-编程-实践的顺序来进行，会让你的学习循序渐进，事半功倍。
Part 1 ：理论
理论学起来往往比较枯燥，但若想打下扎实的数理基础，也必须吃得苦中苦。
推荐几本好书：
《深入浅出统计学》、《商务与经济统计》、《数据挖掘概念与技术》
[图片上传失败...(image-1daa86-1542838940750)]
[图片上传失败...(image-241203-1542838940750)]
[图片上传失败...(image-8d06db-1542838940750)]
这几本书写的都很有趣，安下心来读完后，会形成比较宏观的统计学框架和数理思维，从更高的角度看问题。
此外，BBC纪录片，如数学的故事，统计的乐趣等，都可以在业余时间刷一下，学习娱乐两不误。
学习网站：
可汗学院公开课：概率论 麻省理工毕业生创立，讲课节奏明快，思路清晰，逻辑性强。
Coursera：计算导论 知名的学习网站，内容很多很足。
Udacity：统计学基础 应该是统计学网课中最全的了，包含了抽样分布，假设检验等，讲课风格很有趣，包办了我的统计学入门。
基础理论是未来工作的根基，这句话每行都适用。所以理论万万不可忽视。
Part 2 ：编程
尽管有很多编程语言，但是在数据分析行业，主流还是SQL，R，python。SQL主要是存储数据，R和python各有所长，配合使用。
SQL：
《Database Management Systems 3rd Edition》
《数据库原理》
Udemy：数据分析技能速成 Microsoft SQL
python&R：
《利用PYTHON进行数据分析》与pandas是同一个作者，这本书可以帮你入门numpy，pandas，matplotlib，但是要注意，代码不要看一遍就觉得都会了，动手敲一敲会有不一样的体验。
《统计建模与R软件》 薛毅老师的经典作品，融合了统计与编程。
廖雪峰python 业界大咖，以生动有趣著称，但缺点就是缺少互动性，有问题找不到老师答疑。
[图片上传失败...(image-9cd1d8-1542838940756)]
Udacity：数据分析 硅谷旗下的产品，在专业性方面毋庸置疑，从基础函数讲解，到如何利用python和R进行数据清洗挖掘，以及两种语言如何配合使用。配有助教24小时指导，用户体验不错。
[图片上传失败...(image-5ea4bb-1542838940756)]
Part 3 ：实践
此时的你已经兼顾了统计思维，数理知识，和数据清洗挖掘，可视化的能力。但是想成为一流的数据分析师，这还是远远不够的。你还需要在大量的项目中积累经验，打磨实际操作能力。
Kaggle
可以观摩大神是怎么撸比赛的地方，会产生为什么世界这么大，而我这么渣的想法。
Udacity
Udacity的亮点之一就是会配上大量的项目进行训练，并有老师逐行审核代码，把你的作品打造成专业水平。
无论看别人做过多少遍，不如自己上手挖掘一遍。实践过后，才能实际体会到什么是数据分析。
学习心得
最初深受网上那些「转发赠50G资料」所害，在图书馆刷劣质资源，又枯燥又混乱，差点上演一幕从入门放弃。后来终于意识到，人与人之间的差别在于平台和认知，对于一个志在转行拿高薪的人来说，最宝贵的是时间，付费学习实际上是花钱买时间，花钱买行业最顶尖的知识和技能，看到的世界也就会更远更宽广。
[图片上传失败...(image-36fa75-1542838940755)]
横向对比了好几个在线教育平台，慕课网虽然完全免费，但是课程形式上略有陈旧；网易云课堂和Coursera不愧是知名充电网站，内容丰富，讲课节奏明快，但是作为与名校合作开发的课程，更偏向于学术钻研，而且后续服务欠佳。
Udacity顶着硅谷的光环入华，诚意满满，在国内上线第一天，就宣布与优酷、滴滴出行、京东、新浪、谷歌和亚马逊达成人才方面的合作，在招聘时，这些企业将会优先录用通过Udacity纳米学位的用户，对于零基础转行的人来说，明显是不错的平台和跳板。
尽管Udacity刚入华时，沿袭硅谷的英语授课是不少学习者的屏障，并且网络环境拥堵，但近些年不断努力汉化，课程大部分都推出了双语教学，还有项目考核和代码一对一审阅服务，通过项目练习去模拟数据分析的实战过程，在老师的帮助下提升代码的规范性和简洁性。此外，Udacity最大的亮点是与名企合作开发的课程，更注重培养工作中解决问题的能力。
[图片上传失败...(image-345ad0-1542838940755)]
合作企业
Udacity介于培训和自学之间的中间态，既可以学到来自硅谷的标准数据分析流程和思维，节省大量时间，又给你留了足够的空间发挥和延展，培养强大的自学能力。这两方面，都是想拿高薪必不可少的思维。
确定职场方向
具备数据分析的能力后，你还要确定职场方向：
数据分析师
通过分析数据，可视化展示，将结果转化为切实可行的商业方案，为公司的决策提供依据。偏重于数据挖掘与沟通交流。
数据工程师
将数据整理，存储，方便其他人查询，主要负责数据库结构，数据建模，质量审核等后端工作。偏重于数据库和编程语言的技能。
数据科学家
解决一切数据分析师解决不了的问题。偏重于数学，统计，算法和模型的开发。
所以，在学习阶段，了解自己喜爱的岗位所需技能，有针对性的去学习；在求职阶段，了解自己的特长与优势，选择对应公司的分析团队。
最后送大家一句话：种一棵大树最好在十年前，其次是现在。
— 完 —