|
【黄宝臣的回答(488票)】: 基本答一下吧，但是不是很准确，只了解大致情况（杭州），带有某种行业自黑。 1. 第一阶段（一般岗位叫数据专员） 基本学会excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了 2. 第二阶段（数据专员~数据分析师） 这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。 3. 第三阶段（数据分析师） 统计学熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。 4. 第四阶段（分裂）
发现回答的有点文不对题额，不过大致是所有从底层数据工作者往上发展的基本路径。往数据发展的基本学习路径可以概括为以下内容： 1. EXCEL、PPT（必须精通） 数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作；要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。 2. 数据库类（必须学） 初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。 NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis（缓存，严格意义上不算数据库），然后（选学）可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。 3. 统计学（必须学） 如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归（特别是广义线性回归）、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。 其他数学知识：线性代数常用（是很多后面的基础），微积分不常用，动力系统、傅里叶分析看自己想进的行业了。 4. 机器学习（数据分析师要求会选、用、调） 常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯；不常用的也稍微了解一下；深度学习视情况学习。 5. 大数据（选学，有公司要求的话会用即可，不要求会搭环境） hadoop基础，包括hdfs、map-reduce、hive之类；后面接触spark和storm再说了。 6. 文本类（选学，有公司要求的话会用即可） 这部分不熟，基本要知道次感化、分词、情感分析啥的。 7. 工具类 语言：非大数据类R、Python最多（比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab）；大数据可能还会用到scala和java。 可视化（选学）：tableau、http://plot.ly、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不错 数据库语言：看你自己用啥学啥 其他框架、类库（选学）：爬虫(requests、beautifulsoup、scrapy)，日志分析（常见elk） 
【罗宾的回答(8票)】: 我工作5年，一直在互联网公司做和数据相关的工作， 接触过各种数据分析师，数据专员，etl工程师，数据挖掘，数据科学家，数据运营，数据产品。看了其他人的答案，我觉得更偏向数据开发，或者数据挖掘，我来说下一般招聘网站里要求的数据分析师的情况吧。 对数据分析师的要求和数据分析师所隶属的部门相关，数据分析师一般存在于三类部门： 一是隶属于负责某一条产品线的业务部门，部门只有一个数据分析师，也可能叫数据专员，部门内的其他人是运营、产品，数据分析师的日常工作就是给领导或同事出各种数据报表，偶尔出个报告，只要熟练掌握excel和ppt即可，数据来自bi系统，或者提需求给技术部或数据部提取数据。统计学的知识用不上，因为你的领导和同事完全不懂，他们就是想看某个数据，需要你给出数据来证明他们产品改进或运营的效果，他们会根据经验来理解这些数据。这类数据分析师的工作比较机械重复，但对自己所属的产品线非常熟悉，适合刚毕业的。 二是隶属于数据部门，有的也叫数据中心（或者装B的大数据中心），数据分析师也可能叫数据运营，需要熟练掌握sql，了解数据库的知识，有的也需要会python，每天大部分工作是写sql帮业务提数，还有就是帮业务梳理逻辑，把数据需求落实进bi系统或宽表里。 三是隶属于业务部门里独立的数据组，整个组由多个数据分析师组成，所需的技能和行业相关，一般电商之类的熟练掌握excel、sql、spss就够了，如果是金融行业，那就得会sass。工作是制作各种报表，监控业务情况，也会有专项分析报告，主要是向大领导汇报。 其实现在大部分互联网公司的数据建设都不健全，尤其是流量数据，但出于安全性的考虑又不用第三方数据分析系统，所以无论你是哪个部门的数据分析师，大部分的工作都是在获取和加工数据，做数据报表。对工具的掌握决定了你获取和加工数据的效率和层次，比如你只会用bi导数，用excel处理数据，在遇到bi没有的数据，或者涉及几十万数据量的时候，你就只能写邮件提需求了。 但也不是说掌握了各种技术和工具就能当个好的数据分析师，好的数据分析师必须是要非常熟悉并理解业务的，因为你要是不懂业务，你连需要取什么数都不知道！ 现在还有一个岗位和数据相关，叫数据科学家，很像其他回答里说的那种懂各种算法，或者高阶的数据分析师，但这类数据人员基本不是从低阶数据分析师进化来的，而是本来就是计算机相关专业的硕士或博士。同样的还有数据挖掘工程师。 如果想走技术路线，或者所谓大数据方向，最好去公司专门的数据部，起码可以接触到更多的数据和技术。如果在业务部门做数据分析师，虽然门槛低好入行，但没有机会和空间，做的时间再久也是导数做报表，发展不大。 【天道仇情卍的回答(6票)】: 
学完123就可以了吧。 【今晚打老虎的回答(1票)】: 上面的黄，说的很好了。我补充一丢丢。只是从开发上来讲，最好是会Java，因为方便看Hadoop的源码。多线程必须很熟练，因为mr基本都是，写mr其实不难，类似于在做填空。 Linux常用命令必须熟练。 最好有关系型数据库的基础，这样学noSQL比较容易。个人认为大数据其实不是很难，但是特别繁琐，因为它要学的东西太多了，没有人都会，也没有人只会一点。但是比起之前搞Oracle的RAC感觉还是容易了一些 【kilo的回答(0票)】: 对于学习大数据这件事情考虑了很久，既然选择这一行就要坚持到底，有没有去过普开数据的同学们，请教一下经验。 【黑车司机的回答(0票)】: 找一家公司做实习生 原文地址:知乎 |
|
|
