数据分析学习之路——(一)初衷
博客专区 > Nekyo 的博客 > 博客详情
数据分析学习之路——(一)初衷
Nekyo 发表于4个月前
数据分析学习之路——(一)初衷
  • 发表于 4个月前
  • 阅读 38
  • 收藏 0
  • 点赞 0
  • 评论 0

       毕业以来一直在做web系统开发,主要为证券、基金公司等金融公司机构做呼叫中心产品开发,总的来说比较顺风顺水。但是很清楚自己不适合做纯开发工作,再加上对接触的客服业务也几乎不感兴趣,于是想着要改变,年轻多踩点坑没坏处!

       曾经一度想找一份互联网产品经理的工作,但是产品经理工作思维并非是自己私下能学得好的。能把axure、viso、思维导图等软件自学到比较熟练,能写一份比较全面的竞品分析报告,对于一个非互联网行业的人来说私下学习到这样大概就很厉害了吧,但是产品思维却是非实际项目经历不能培养的,任凭看再多文章,看再多报告也是一头雾水。于是就这样放弃了。年初的时候突然冒出进入大数据行业的念头,正好有大学同学也在做机器学习,经交流我就决定入这个坑——数据分析。对于有技术背景的我来讲,这个转型比产品经理容易得多。

       入行数据分析,要掌握哪些技能呢?于是我去拉钩等招聘网站查看数据分析的招聘要求,发现重合得最多的技能要求就是计算机/统计学专业,掌握excel/spass/R等分析工具,掌握mysql/oracle等数据库,会python开发语言。当然更高级一点的是要求掌握大数据工具spark/hadoop,熟悉常见的统计分析方法及模型、算法,数据挖掘等。我根据自己的基础和需求,选择了掌握python的技术型数据分析道路(业务型数据分析在很多企业主要以数据分析运营为主),于是将入门数据分析的技能要求分成几个方面进行学习:统计学概率论知识、python数据获取/清洗/分析、数据库操作(mysql/oracle)、数据分析思维、Excel操作、数据挖掘/机器学习。

       关于学习,每天下班后我只是用双眼盯着看,最多哪里不太理解多去想一想,稍微记下不懂的地方。后来发现这种方式效率太低,过一个月几乎就忘记学过的东西。于是后面我开始制定学习计划,并不要具体到某一天要做些什么,只需要列出最近要学习的内容,然后排日期,每天按照计划去做就行,记住:要记得当天设个时间点提醒任务是否完成。再有就是,我一般每天学习一个章节,晚上我会回顾当天的内容,然后用思维导图的形式将主要的知识点列出来,很有逻辑和层次性。这样不管是加深知识理解,还是以后复习都很有帮助。

统计学概率论知识

       数据分析必须具备的理论知识,主要了解概率、样本/总体、离散/连续型数据的分布、假设检验等相关概念和计算。我通过两本书来学习:《深入浅出统计学》《商务与经济统计》,相对来讲后者作为经典教材,讲解更细致。

python数据获取/清洗/分析

      由于我有两年web开发经验,所以我学习python几乎没什么障碍,在runoob.com看了一下基础语法,从最后的100个例子中选了一部分自己实现就算python入门了。数据分析python用到最多的库是numpy、pandas、scipy和matplotlib,我选择了经典的《利用Python进行数据分析》学习数据分析库的使用。再往后又去学习数据获取——爬虫,并接触了Scrapy爬虫框架,并实践了一个小项目(从链家网爬取数据并分析)。numpy和pandas用来做数据规整和清理,统计分析需要用到scipy库,matplotlib用来进行数据的最基本的可视化;高级可视化可以用basemap,wordcloud等。

数据库操作

       如上所述,工作期间使用oracle,已经掌握了基本操作,因此未安排这方面的学习。

数据分析思维

       关于分析思维说实话我自己都没有,这个要在实际工作中形成。我仅仅是走马观花翻看了一些书,并没有太明显的感触。

Excel操作

      其实excel并不难,只是一些函数和功能的操作问题,熟练了就好。这里推荐个教程 如何快速成为数据分析师?—秦路的回答 ,里面通过6篇文章讲了excel的使用。

数据挖掘/机器学习

      高阶的数据分析过程,我还没有接触,建议指导书籍:《数据挖掘导论》《数据挖掘》《机器学习》《集体编程智慧》等重量书籍。

      以上只是我刚刚准备入门的粗浅理解,数据分析是一门很综合的技能,作为大数据行业的敲门砖还不错的。

标签: 数据分析 python
共有 人打赏支持
粉丝 0
博文 7
码字总数 14586
×
Nekyo
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: