数据分析学习指南V2.0

林骥
林骥
林骥
44
文章
0
评论
2021-08-0416:49:26 评论 40 1575字
摘要

你好,我是林骥。本文首发于 2019 年 1 月,做了比较大的修订,所以版本号升级为V2.0。

 

由于我平时比较爱分享,所以经常有读者问我一些问题,比如说:

学习数据分析有哪些方法?

做数据分析师需要学习哪些内容?

数据分析的学习路径是怎么样的?

在解答这些问题的过程中,我自己的能力也得到提升,其实这正是我学习的一种方法。

以教为学,比自己埋头苦学更高效。

下面这份简单的数据分析学习指南,希望能够对你有所帮助。

1. 学习方法

我的学习方法,概括起来就是「三多」:多维度、多提问、多分享。

多维度,是指当我们面对一个很难理解的事物时,不妨换个纬度想一想,也许就豁然开朗了,因为知识往往都是相通的。

多提问,是指当我们遇到难题的时候,可以问搜索引擎,也可以问别人,还可以反过来问自己。

如今网络资源非常丰富,提炼好的关键词,善用搜索引擎,很多问题都能找到多种解决方案。

如果是问别人,应在充分思考的基础上,注意提问的技巧,把问题准确地描述清楚。

如果是问自己,推荐使用 5W2H 分析法,又叫七问分析法,简单实用。

What:是什么?目的是什么?做什么工作?Why:为什么要做?可不可以不做?有没有替代方案?Who:谁?由谁来做?When:何时?什么时间做?什么时机最适宜?Where:何处?在哪里做?How :怎么做?如何提高效率?如何实施?方法是什么?How mutch:多少?做到什么程度?数量如何?质量水平如何?费用产出如何?

多分享,是指当我们解决问题之后,把答案分享出来,这样在帮助别人的同时,还能巩固自己所学的知识,并提高自己的专业影响力。

分享的方法包括:公开自己的学习笔记、发表微信公众号文章、给同事和朋友讲解、在社群进行分享、制作视频课程等等。

2. 学习内容

数据分析学习的主要内容包括基础概念、业务逻辑、分析思维和分析工具等等。

基础概念,包括一些数学、统计学、经济学、心理学等方面的基础知识。

积极与懂业务的人多沟通交流,可以加深你对业务逻辑的理解。

俗话说:「磨刀不误砍柴工」,利用好数据分析工具,往往能够事半功倍,但是要注意灵活运用,不要把时间花在磨刀背上,而要把时间花在磨刀刃上。

我们始终要记住,数据分析是为业务服务的,重点是要满足业务的需求。

所以,我们要在理解业务逻辑的基础上,运用数据分析的思维和工具,想方设法为业务赋能。

3. 学习路径

我在网上看到 IBM 的架构师绘制的一张图片:

数据分析学习指南V2.0

这张数据科学家的地铁线路图,总共包含 10 条线路:

1.基础原理(例如:矩阵和线性代数等)2.统计学(例如:描述统计和贝叶斯理论等)3.编程(例如:Python和R等)4.机器学习(例如:决策树和神经网络等)5.文本挖掘(例如:支持向量机和关联规则等)6.数据可视化(例如:D3.js和Tableau等)7.大数据(例如:Hadoop和MongoDB等)8.数据获取(例如:数据调查和ETL等)9.数据清理(例如:主成分分析和分层抽样等)10.常用工具(例如:Excel和Python等)

其中每条路深入走下去都不容易,如果每个领域都深入学习,恐怕一辈子都学不完,世界上很少有人能精通多个领域。

而且,以上这些都属于硬技能,但事实上,职场中更重要的是软技能,比如写作能力,就属于非常重要的软技能。

最后的话

在快速变化的工作环境中,建议你树立终身学习的理念,努力提升自己的硬技能和软技能。

学习数据分析,首先应该确立数据分析的目标,然后熟悉一些基本概念和业务逻辑,逐步培养数据分析思维,再利用数据分析工具去实现目标,在实践中不断积累数据分析的经验,从而丰富和完善自己的数据分析知识体系。

 

 

End.

爱数据网专栏作者:林骥

作者介绍:数据赋能者,专注数据分析 10 多年。

个人公众号:林骥(linjiwx)

本文为挖数网专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

更多文章前往爱数据社区网站首页浏览http://www.itongji.cn/

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: