零基础学习数据分析路线，学习到什么程度可以找到工作

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/duozhishidai/article/details/86642661

　一、数据分析学习到什么程度可以找工作？

　　这个问题要看你准备面试的公司，具体情况差异较大。所以我只能从自身真实经验中总结一些建议，给出一些最基础的知识结构，供楼主参考。

　　首先，我觉得优秀的数据分析师应该具备三方面的素质：

　　数据分析技能；

　　对业务的理解；

　　独到的分析思维和表达；

　　当然，只要具备基本的数据分析技能就可以尝试找工作了，可以在工作中逐步培养和提升后面两项素质。

　　楼主的专业是非计算机或统计专业，所以相对来说要多花一些时间补充最基础的技能。楼主现在在学的R语言没有问题，只是我认为可以先把基础打牢，再学R也不迟。因为R语言的应用过程中会涉及一些统计学的概念，如果对统计学有所了解，学习R的效率也会加快。

　　我个人的学习路径是这样的：

　　1、统计学

　　学习最基本的统计学知识。

　　我认为统计是数据分析的基石，统计分析可以解决日常大部分的分析需求，所以强烈推荐楼主先从统计学开始。

　　了解概率、分布、抽样、线性回归、时间序列。

　　推荐书目：《商务与经济统计》。

　　这本书的特点是案例很丰富，讲解通俗易懂，非常适合零基础的读者。

　　2、Excel

　　熟练使用Excel。

　　Excel的功能非常强大，各类函数非常丰富，尤其是数据透视表的功能一定要用好，你的分析能力会得到迅速提高。

　　推荐书目：《谁说菜鸟不会数据分析》。

　　这本书不只是介绍Excel的功能，更重要的是介绍一些实践场景中数据分析的步骤和思路，对于初学者有一定指导意义。

　　3、SQL

　　有了前两项的技能，你已经可以做一些初级的数据分析工作了。只是，Excel的局限在于数据量的限制。当你要分析的数据超过百万级别的时候，Excel就力不从心了。

　　这时候需要数据库来解决，而从数据库中获取数据要依靠SQL语言。

　　可以把MySQL作为学习对象，简单了解一些数据库范式设计等基本的数据库原理，重点学习SQL语言。可以自己安装一个MySQL数据库实践操作练习。

　　推荐书目：《MySQL必知必会》。

　　重点学习Select、聚合函数、关联查询等内容，系统管理方面可以忽略。

　　4、Hive

　　具备了SQL基础，就可以考虑向大数据方向进军了。

　　了解Hadoop生态圈，理解HDFS的原理，重点学习Hive。

　　Hive就是为了让数据分析师能平稳过渡到大数据领域而诞生的。

　　只要你会SQL，就可以通过Hive查询Hadoop中的数据。

　　推荐书目：《Hive编程指南》。

　　重点看HiveQL的数据操作、查询、调优部分，系统开发部分对于数据分析师应用的场景较少，简单了解即可。

　　5、数据挖掘、机器学习

　　这部分可以选择性学习。因为统计分析基本可以解决日常数据分析工作的70%-80%的需求，而且数据挖掘和机器学习的难度较大，门槛略高。

　　这部分主要是了解数据挖掘和机器学习的基本概念和理论。比如：分类、聚类、回归、决策树、贝叶斯定理等。

　　推荐书目：《数据挖掘概念与技术》；《机器学习》。

　　同时选择性学习R或Python。

　　推荐书目：《R语言实践》；《利用Python进行数据分析》。

　　语法只是基础，重要的是找一些具体的例子进行实践练习。

　　以上就是最最基础的数据分析基本技能了。

　　如果从零开始学习，可能需要3-6个月的学习时间。基础较好的话，2-3个月就能基本掌握。

　　当然，要精通还需要大量的实践才能积累更多经验。

　　此时，你已经具备了面试数据分析师的基础，但是否面试成功还要找准目标和定位，以及行业知识储备和工作经营等。

数据科学，数据分析和机器学习之间，有什么本质区别？
http://www.duozhishidai.com/article-7892-1.html
数据分析是什么，如何完善数据分析知识体系
http://www.duozhishidai.com/article-7743-1.html
数据分析是什么？如何从零开始学习数据分析？
http://www.duozhishidai.com/article-7653-1.html