数据分析师需要学哪些-36氪企服点评

近年来，大数据相关行业前景越来越好，许多小伙伴有转行大数据的想法；数据分析师是大数据的基础，数据分析师在促进大数据方面发挥着越来越重要的作用。下面就由小编为您介绍一下数据分析师需要学哪些，让我们一起来看看吧！

RayData Plus

0条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

数据分析师需要学哪些

数据分析师需要学习哪些内容呐？

在大数据的背景下，数据分析师对于整个行业发展的推动作用日趋重要，数据分析师市场需求增速较快（近年来基本保持40%以上），越来越多的小伙伴想要加入这个行业。但是，如果想要成为一名数据分析师，应该学习哪些相关的知识和技能呐？这应该是很多小伙伴非常关注的问题。

数据分析师需要掌握哪些技能？

总的来说，数据分析师大致可以分为三个阶段：

初阶-业务型，对公司业务很精通；主要做数据监控、统计分析、分析报告等；数据分析工具只需要懂一点excel即可；

中阶-技术型，对公司业务有一定的了解，会编程+建模+数据库+可视化等；主要做数据挖掘，模型构建，方案决策优化，将理论应用于实践，发现、分析、解决问题；数据分析工具种类丰富专业性较强；

高阶-业务型+技术型，即业务性和技术性的结合，懂业务也精通技术，将数据分析相关专业性技能应用于解决实际业务相关问题，为企业运营和发展提供数据支撑+决策建议。

以上是业务型和技术型的特性，其对应的数据分析师技能主要包含硬性+软性两个方面的内容，硬性要求：基础理论知识、数据分析工具、编程建模能力，分析结果展示等；软性要求：业务知识技能、沟通表达技巧、逻辑思维严谨、分析解决问题能力等。然而从各大网站招聘要求中可以看出，数据分析师的招聘过程，最注重的是基础理论知识和数据分析工具实践两部分内容。

基础理论知识

在看数据分析师基础理论知识之前，咱们先看看大数据相关从业者的专业背景吧。

数据分析师大部分都是数理类和计算机类专业背景。可见数据分析师的基础理论知识和这两类专业是密不可分的，数理统计算是数理类的一种，统计学在数据分析岗位招聘过程中具有重要的地位，很多都有统计类相关专业优先的要求。

在数据分析的学习过程中，最重要的相关理论知识主要包括四类：

统计类：时间序列（平稳性、白噪声、纯随机等）、灰色预测、多元线性回归、聚类分析、主成分分析、因子分析、关联分析、方差分析、判别分析、描述统计、假设检验、贝叶斯、概率、分布、抽样等

机器学习类：逻辑回归、支持向量机、神经网络、决策树、随机森林、集成等（随机森林作为一种集成算法，其相比于回归、支持向量机、神经网络和决策树而言，其具有较高的准确率；随机森林引入了随机性，使得模型不容易过拟合，并且拥有很好的抗噪声能力；随机森林对于数据集的规范性要求不高，既可以处理离散型数据，也可以处理连续型数据，同时也能够处理较高维的数据集；随机森林的训练速度较快，能够得到各个变量的重要程度排序。但是，随机森林也存在自身的缺陷，当计算过程中决策树数量较多时，训练时需要较大的空间）；

数学类：大数定律、中心极限定律、建设检验、概率分析等；

可视化类：用户画像、用户标签、行为分析、偏好分析、情景分析、趋势分析法、对比分析法、多维分解法、用户细查、漏斗分析、留存分析等。

数据分析初学者建议可以先看看这两本书：

《深入浅出数据分析》：浅显易懂、生动形象，看完以后会对数据分析有个系统性、全面性的认识。

《谁说菜鸟不会数据分析》：数据分析技巧汇总全面，将数据分析的一些职场技能展现的淋漓尽致，有助于以后的职业发展和规划。