数据科学，如何成为一名优秀的数据分析师？学习总结与经验分享

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~~