我的数据分析学习路径设计

1.定义、分析步骤、运用场景

定义：数据分析是对信息进行搜集，提取有用的信息形成结论，辅助决策的过程。

数据分析包括以下步骤：

明确数据分析的目的/需求设计
数据采集
数据清洗和储存
数据分析
形成业务报告
作出判断及采取行动

数据分析运用场景众多，数据分析是决策判断及采取行动的工具。一切皆数据，商业决策中、生活中均会用到数据分析。具体包括：

商业：产品分析、运营分析、市场分析、用户画像、战略分析、组织变革
日常生活：买房、投资

2.数据分析职位及岗位

2.1 工作职责

挖掘商业信息，支持决策；
数据流程，指标设计，数据产品设计；
商业问题量化分析，影响业务；
数据看板检测；
数据平台的研发、运维和升级；
数据分析与建模；
数据整理；
算法平台构建；

2.2 任职要求

数据分析技术能力
- 熟练掌握数据分析基本套路
- 熟练数据分析工具的使用
- 逻辑分析能力
书面表达能力
- 文档写作能力
沟通表达能力
- 日常工作时间50%用于沟通，30%用于分析报告写作
- 把数据反映的故事讲解出来
- 用获得的数据与团队沟通

2.3 常用工具

数据库管理工具：SQL-MySQL、NoSQL-MongDB；
数据分析工具：Excel、python、SPSS、Matlab；
数据可视化工具：Tebleau、Power BI;
大数据处理工具：Hive、Spark等。

2.4 任职条件总结

数据分析需要掌握知识点和技术实现方式，「统计基础」「机器学习」「R」「Excel」「SQL」「Power BI」足以让你得到一个主流公司初级的数据分析师面试的机会。

3.能力进阶

3.1 数据分析师的职位晋升

4.数据分析就业市场分析

4.1 就业方向

数据分析师、数据工程师和机器学习算法工程师：
- 数据分析师：偏向于数据的商业化运用
- 数据工程师：偏向数据架构及数据储存，数据平台的运维
- 机器学习算法工程师：偏向于数据建模，算法平台的构建
三个就业方向，越往下越偏向于数据这种技术，越往上，越偏向于在商业上的运用。不管哪一个方向，都离不开对业务个技术的理解，只不过偏向点有所不同。人才需求呈现金字塔，数据分析师的人才需求量最大。
企业管理咨询、战投部门、财务分析等方向

数据分析师三个岗位珙桐之处都是需要和数据联系，但可以划分为便业务型和偏技术型两种。

4.2 我适合的方向

必须记住：数据分析是辅助商业决策的工具，目的是用工具更好的在行业中创造价值；
工作也是学习的一部分，工作的目的在于创造，不要忽视创造；
数据分析结合商学，和行业深度绑定发展。

5.数据分析学习计划

5.1 学习的学习

创造第一：一上来就写代码和运用工具；
注意实操场景，业务驱动数据分析；
模仿最厉害的专家：使用的工具、交流的社区、看的书、日常关注的信息等

5.2 数据分析分为四个层次学习

入门数据分析，掌握常用数据分析工具的使用；
掌握数据分析必备方法论，提升数据分析能力；
建立分析思维，探索分析应对之道；
建立算法思维、数据探索能力，提升商业探索能力。

5.3 数据分析的学习组成部分

5.3.1 数据分析由三大板块组成

数据分析最重要的组成部分包括三块：数据采集、数据挖掘、数据可视化。

组成部分	描述	关键步骤
数据采集	数据分析的基础，有数据才可以进行分析	1.数据源选择 2.数据抓取工具抓取数据
数据挖掘	挖掘数据潜在的商业价值的过程	1.算法基础知识 2.数学基础知识 3.数据挖掘实战工具
数据可视化	直观的感受数据分析的结果	1.通过工具直观展示

5.4 掌握的知识内容细分

5.4.1 数据分析工具使用篇

Python for Everybody | Coursera

Learning Python for Data Analysis and Visualization

廖雪峰python课

《数据挖掘技术》

5.4.2 数据库应用技能篇

Managing Big Data with MySQL | Coursera

SQL教程_w3cschool

5.4.3 数据可视化工具篇

Data Visualization and Communication with Tableau | Coursera

Tableau Training & Tutorials

Live Training Resources

Webinars

5.4.4 常用统计基础知识篇

Basic Statistics | Coursera

5.4.5 商业分析知识篇

战略思维/产品思维/市场营销思维
信息分析能力/论证分析能力

5.4.6 机器学习

Machine Learning | Coursera

Hadoop、storm、spark

5.3 学习模块设计

最小知识：Excel及数据可视化、基本的商业分析套路和模型。

常用统计模型---->Excel---->MySQL---->Tableau。

知识类别	知识模块	学习资源	课程性质	学习方式	学习情况
数据分析思维篇	数据分析常用的思维模型	《精益数据分析》《数据实践之美》《深入浅出数据分析》	必修	了解
	数据分析常用模型	《谁说菜鸟不会数据分析》1	必修
	常用的四十个战略思维模型		选修	商业实践	完
	数据分析案例解析	《数据化管理：洞悉零售及电子商务运营》	选修	商业实践
统计学知识篇	统计学思维	《统计学七支柱》《深入浅出统计学》《商务与经济统计》	必修
	统计概念及常用统计量	《概率论与数理统计》-	必修
	常用统计模型		必修
Excel技能养成篇	表格设计的原则；数据处理、筛选、	《Excel数据分析思维、技术与实践》《和秋叶一起学Excel》	必修
	函数及公式（Vlookup）		必修
	数据透视表/VBA程序开发		必修
	Excel实现数据可视化		必修
	XX业务数据分析	《高效商业分析——Excel建模与决策》	必修
数据库技能篇	数据库基本结构（查增删改）		必修
	SQL及MySQL	《MySQL必知必会》及官方教程	必修
	数据库数据获取方式		选修
	XX数据库实战课程	《网站分析实战》
Pyhon使用篇	python从入门到精通	《利用Python进行数据分析》《python编程从入门到实践》	必修
	Numpy入门到精通		必修
	Pandas入门到精通		必修
	Matplotib入门到精通
	python统计分析		必修
	python网络爬虫		必修	商业实战
	python实现办公自动化		必修	案例实战
数据可视化篇	数据可视化原则、入门及工具	《数据之美——一本书学会可视化设计》《数据可视化之美》	必修
	Excel实现数据可视化		必修
	Tableau数据分析	《人人都是数据分析师：Tableau应用实战》	必修
	Python 实现数据可视化		选修
	经典数据可视化案例拆解	《数据可视化(40位数据设计师访谈录)》	必修	案例解析
机器学习入门篇	基本思想，算法分类、算法库		选修
	无监督学习与聚类算法		必修
商业能力养成篇	商学入门	《智能商业》	必修
	产业知识入门到精通	和君产业书单	必修
	战略知识入门到精通	和君战略书单及王丰/曾乔课程	必修
	招股书阅读		必修
	游学、访谈		必修

参考资料

数据分析全景地图-三节课

数据分析课程-开课吧

数据分析实战45讲｜极课时间

ChangeLog

20201024 增加数据分析的学习组成部分

20200823 增补学习计划

20200821 完成课程设计初稿