数据分析师有前途吗？工资高不高？入账难吗？话不多说，先晒薪资：坐标武汉，月薪23k。
什么是数据分析师？
现在数据分析师其实很杂，不同企业对数据分析师有不同的定位，但大概总结一下的话，是可以分为两种：
•偏技术型数据分析师
•偏业务性数据分析师
技术型分析师更接近于数据挖掘工程师、算法工程师、大数据工程师这种概念，一般来说是需要比较好的数据结构知识和算法知识，对于非计算机专业的同学，转型会有一定难度。第二种就是偏业务型的数据分析师，也是市面上岗位最多的数据分析师，这种分析师的门槛会相对比较低一点，但做不好的话，很有可能就变成报表分析师，提数分析师。不过毕竟门槛还是比较低的，对于想转型的同学，业务型数据分析师会更加友好一些
明确了转型方向后，对于从零转型的同学来说，会有两个比较迫切的问题，我该从什么地方下手和我简历上啥都没有怎么办。对于第一个问题，我列了一个我认为的业务型数据分析师所需要的能力矩阵，再针对性准备，简单来说主要包括这几个层面：
基本工具
数据分析师三板斧：Excel、SQL、Python
Excel、SQL、python是数据分析师必知必会的3个基本工具，下面我们一个个来看：
Excel
对于Excel的学习，如果你的意向的岗位不是那种纯excel的数据分析师岗位的话，建议大家不需要花费太多时间在excel上，我个人是几乎没花什么时间在excel上，主要的是要掌握vlookup、透视表和一些常用图表，不会的函数就直接百度。
SQL
核心！sql一定要熟，笔试基本必考，面试时候大概率让你手撕sql，写不出的话很容易凉凉。对于sql的学习，完全没有基础的同学可以先看这本《sql必知必会》，了解sql的一些基本知识，增改删查，主要看查询的部分。
看完这本书后你对sql的语法应该有了一些基本的了解，但如果不多练习的话，面试手写sql的那种场景，脑子很容易宕机，在这里强推几个练习网站。
1. 牛客网编程
数据库SQL实战_牛客网
牛客网在线编程，强力推荐，可以自动批改sql正误，纯中文，还有题目讲解，这个题库我刷了2遍
2.Leetcode
LeetCode - The World’s Leading Online Programming Learning
也是一个比较知名的网站了，学计算机的可能都知道。英文的代码在线练习网站，但今天看了一下发现有中文了，但是很多题目都变成了收费题目，牛客网刷完感觉不够的话可以再来这看看
总结一下：对于sql的掌握就是看书了解基础，多刷题巩固，在面试中一般问题不大，当然也不排除有一些变态sql笔试题，这种就看缘分了。
Python
相对上面两个工具，python的学习难度会稍微大一些。python能干很多事，对于数据分析师来说，主要应掌握基础语法和数据科学的模块，主要包括pandas numpy 和机器学习库sklearn等，有同学可能会问业务型数据分析师也需要会算法吗？答案是虽然不是必须项，但是加分项，尤其是在从零转型情况下，是增加自己份量的一个筹码。
那么怎么练习python呢，在这里推荐一个可能很多人都知道的数据竞赛平台，没错就是kaggle，相信不少人都看过泰坦尼克号生存预测这个项目，这个项目的来源就是kaggle。在kaggle上打比赛，既能让你练习python，又能让你有一些项目可以放到简历上，一举两得。
Kaggle
入门的话可以先从泰坦尼克或者房价预测入手，但放到简历上的话，建议大家挑几个正式的比赛去做一下，这两个项目过于泛滥，含金量比较低了。
理论知识
统计学和机器学习两手都要抓、两手都要硬
理论知识这块，数据分析师最需要掌握知识是统计学和机器学习相关知识，但掌握到什么程度、掌握哪些领域，还是有些门道。
统计学
如果不是统计学专业的同学，一般面试官心里都有数，不会问你很难的问题，基本属于大学统计学范畴。对于统计学基础不怎么好，或者已经忘干净的同学，可以看网易公开课里可汗学院的课程恶补一下，我在准备的时候复习了一遍，感觉效果不错，捡回了不少遗忘的知识。如果说没有时间看完全部课程，应该重点掌握哪块知识呢？假设检验，假设检验，假设检验，重要的事情说3遍，假设检验绝对是面试中统计学最高频的问题，和以后的工作也会最息息相关（a/b test)。
网易公开课
机器学习
机器学习相关的知识学习成本会比较高，对某些同学来说可能会有一定难度，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理大概懂就基本可以了。
在机器学习这一块，我的学习路径是这样的:
• 视频课程
首先入门强推吴恩达大牛的coursera机器学习课！！千万别花钱报班了，入门看这个就够了！
吴恩达机器学习
看完觉得不过瘾想要进阶的话，可以继续看吴恩达大牛斯坦福大学的公开课，难度会比coursera上的课程更高一些，对于可以翻墙的同学，可以去youtube上找台湾国立大学林轩田老师的《机器学习基石》和《机器学习技法》，难度会再高一些。我当时是连续刷完了这3门课程，虽然刷完之后部分知识还是有理解不够深入的情况，但应付面试已经差不多了。
网易公开课
youtube机器学习课程
python数据分析与挖掘学习材料：/item/85474
• 书籍
阅读书籍可以帮助你更好的把知识沉淀下来，除了上面视频课程之外，我还刷了2本书籍。第一本是西瓜书，第二本书是李航的统计学习方法，这两本就不用多说了，经典读物。内容可以挑着看，主要看一下常用的机器学习模型，svm、随机森林之类的。
数据分析项目实战
kaggle打的好，工作也好找。如果你已经学完了上面的python和机器学习课程的话，就可以进入实战阶段了，最好的选择是去打比赛，既可以巩固学到的知识同时又可以解决简历中没有相关项目的问题。
打比赛和真实的数据分析工作其实非常接近，对于大部分常规数据科学比赛而言（比如泰坦尼克号/房价预测这种），大部分人的模型最后其实都大差不差，lgb/xgb搞一搞，再做个模型融合，决定成绩好坏的关键往往是在特征工程上，有时候一个magic feature就能让你的排名上升数百名。magic feature从何而来？是来自你对比赛业务的理解，只有你真正理解了业务，才能构思出好的特征，从而取得好的名次，这个业务型数据分析师的本质也是相通的，理解业务，改进业务。
下面推荐几个常见的数据科学比赛平台：
1. Kaggle
首推，强烈推荐！kaggle的优势不仅在于比赛众多，更重要的是里面会有很多选手分享他们的思路和代码，是分享做的最好的一个平台，我的python和数据挖掘基本就是从kaggle练起来的。
2. 阿里天池
国内最有牌面的数据比赛平台，如果你能在阿里天池拿一个不错的名次，含金量就相当高了，但是难度很大，对于转型的同学基本不太可能，可以看看新人赛和一些分享之类的。
3.DataFountain
某数据比赛平台，难度相对天池会低一些，且比赛内容对于国内hr来说，可能会更熟悉一些。
数据分析思维
没有比这个更重要的能力了
分析思维是数据分析师最最核心的竞争力，上面所学习的python、sql、机器学习知识等都是在工具层面，要想使用好他们，还需要分析思维的驾驭。在面试中，对分析思维的考察也是相当重要的一环。
对于分析思维的学习，建议新人也是从读书开始，我看过的且比较推荐的书包括：
• 数据分析类
《精益数据分析》、《增长黑客》、《数据化管理：洞悉零售及电子商务运营》、《数据挖掘与数据化运营实战 思路、方法、技巧与应用》
• 产品思维类，如果是想要从事互联网行业的数据分析师的话，产品思维也是必须要具备的，面试考察点之一
《从点子到产品：产品经理的价值观与方法论》、《俞军产品方法论》、《产品思维》
• 逻辑思维类：在面试中逻辑清晰的回答面试官的问题，会为你大大的加分
《金字塔原理》、《学会提问》、《麦肯锡思维》
看完这些书，我相信你已经具备了基本的数据分析思维。但书中的知识和实际工作毕竟还是有一些差距，在这里我结合我的工作经验，给大家列几个数据分析师真实工作场景中常遇到的问题，问题会比较偏向互联网行业，其他行业的同学可以作为参考。
1、假设抖音的人均活跃时长下降了，你该如何分析这个问题？
2、网易云音乐之前有一个每天给你推10首歌的功能，如果让你设计指标来衡量这个功能的效果，你会设计哪些指标？
3、很多信息流app在新用户第一次注册时，都会让他们去选择兴趣标签，如果想让你做这个功能的专题分析，你会怎么设计你的报告框架？
如何让简历变得更具竞争力
要善于包装！！！
假设你已经学习完了上面所有的事情，但如果简历写得不好，可能投递后依旧会得不到任何回复。
简历有两个注意的点，第一点是简历要突出和数据分析相关的内容，仔细挖掘你的工作经历，把和数据分析相关的放大，不要写无关的工作内容，同时用一些比较专业的词汇，让你的简历尽可能看起来专业。第二点是要有框架感，语言组织要有逻辑，不要东一句西一句，数据分析对逻辑思维能力会看的比较重，如果你的简历看起来混乱而无逻辑，简历关可能就被直接pass。
最后，希望大家都能找到理想的工作。再打个小广告，对数据分析感兴趣的同学，可以加我QQ：1294141271。本人百度云盘会定期更新一些数据分析知识、分析实战项目等学习材料（非免费资源，请谅解！），不过相信能对想要学习数据分析知识的同学有所帮助！
最后的最后晒一下今年年初拒掉的offer，坐标武汉，目前个人月薪22k。感谢数据分析学习让我们相遇，qq：1294141271。
