六年程序员，三十而立，转行数据分析师

前言

六年程序员，擅长.net开发，开发过C/S、B/S、大数据项目，研究过图像识别、机器学习技术，也做过硬件运维。三十而立之年，转行数据分析师，重拾激情，再踏征程。 此为第一篇博文，下述为自己近期实践中的一些浅显的认识，望拍砖讨论。

数据分析思维

数据分析师本质上是数据的探索者。广义上的数据分析包括提出问题、数据获取与存储、数据清洗、数据挖掘、结果呈现等过程，将杂乱的或未加工的数据源转换成有用的信息。数据分析思维，就是引领数据分析项目整个生命周期的指导思路和经验素质。
比如寻找数据源，并判断其价值：这些数据集的数据质量有多好？它们与你的目标是否相关？能否找到更好的数据源？
比如权衡数据存储格式：数据可以存储成许多不同的格式和文件类型，某些格式存储的数据很容易被机器处理，微软的 Word 文档属于后者，而 CSV、 JSON和 XML 文件则属于前者。再进一步，数据是否有必要存入数据库？选择关系型数据库还是非关系型数据库？

数据分析技术

作为数据分析师，不仅要锻炼思维，还要苦修技能，要学会综合运用各种技术和工具，个人能想到的都列在下方：

数据获取与存储技术

爬虫技术、数据库技术（MySQL、MongoDB等）、ETL工具（如SPOON，支持各种格式文件之间的数据抽取和转化）

数据清洗技术

数据格式化、剔除不良数据、数据归一化和标准化、正则表达式、脚本技术（个人觉得python在数据清洗方面比较好用）

数据挖掘技术

统计分析、机器学习技术，工具有SPASS、Tableau等（个人只用过上面两个工具），更多工具参考19款最好用的免费数据挖掘工具大汇总

数据可视化技术

Tableau、FineBI、Echarts等