1. 數據分析培訓有哪些課程
數據分析課程內容主要是從理論-實操-案例應用步步進階，能讓學員充分掌握概率論和統計理論基礎，能夠熟練運用Excel、SPSS、SAS等一門專業分析軟體，有良好的商業理解能力，能夠根據業務問題指標利用常用數據分析方法進行數據的處理與分析，並得出邏輯清晰的業務報告。如需數據分析培訓推薦選擇【達內教育】。
數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解並消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。感興趣的話點擊此處，免費學習一下
想了解更多有關大數據的相關信息，推薦咨詢【達內教育】。達內與阿里、Adobe、紅帽、ORACLE、微軟、美國計算機行業協會（CompTIA）、網路等國際知名廠商建立了項目合作關系。共同制定行業培訓標准，為達內學員提供高端技術、所學課程受國際廠商認可，讓達內學員更具國際化就業競爭力。達內IT培訓機構,試聽名額限時搶購。
2. 數據處理，用C++或者Java編寫，求一組數的方差均值眾數標准差中位數等
平均數、眾數、中位數這三個統計量的各自特點是：
平均數的大小與一組數據里的每個數據均有關系,其中任何數據的變動都會相應引起平均數的變動；眾數則著眼於對各數據出現的次數的考察,其大小隻與這組數據中的部分數據有關,當一組數據中有不少數據多次重復出現時,其眾數往往是我們關心的一種統計量；中位數則僅與數據排列位置有關,當一組數據從小到大排列後,最中間的數據為中位數(偶數個數據的最中間兩個的平均數)。因此某些數據的變動對它的中位數影響不大。
在同一組數據中,眾數、中位數和平均數也各有其特性：
(1)中位數與平均數是唯一存在的,而眾數是不唯一的；
(2)眾數、中位數和平均數在一般情況下是各不相等，但在特殊情況下也可能相等。
具體來說，平均數、眾數和中位數都是描述一組數據的集中趨勢的特徵數，但描述的角度和適用范圍有所不同。平均數的大小與一組數據里的每個數據均有關系，其中任何數據的變動都會引起平均數的相應變動；眾數著眼於對各數據出現的頻數的考察，其大小隻與這組數據中的部分數據有關；中位數則僅與數據的排列位置有關，某些數據的變動對中位數沒有影響，當一組數據中的個別數據變動較大時，可用它來描述其集中趨勢。
一般來說，平均數、中位數和鍾書都是一組數據的代表，分別代表這組數據的「一般水平」、「中等水平」和「多數水平」。平均數涉及所有的數據，中位數和眾數只涉及部分數據。它們互相之間可以相等也可以不相等，沒有固定的大小關系。
其實，它們三者有關聯也有區別。在一組數據中出現次數最多的數就是這組數據眾數，眾數和平均數一樣，也是描述一組數據集中趨勢的統計量，但它和平均數有以下兩點不同：一是平均數只是一個「虛擬」的數，即一組數據的和除以該組數據的個數所得的商，而眾數不是「虛擬」的數，是一組數據中出現次數最多的那個數據，是這組數據中真實存在的一個數據；二是平均數的大小與一組數據里的每個數據都有關系，任何一個數據的變動都會引起平均數大小的改變，而眾數則僅與一組數據的出現的次數有關，某些數據的變動對眾數沒有影響，所以在一組數據中，如果個別數據變動較大，但某個數據出現的次數最多，此時用該數據（即眾數）表示這組數據的「集中趨勢」比較合適。
中位數和平均數一樣，也是反映一組數據集中趨勢的一個統計量。平均數主要反映一組數據的一般水平，中位數則更好地反映了一組數據的中等水平。它和平均數有以下不同：一是平均數只是一個「虛擬」的數，而中位數並不完全是「虛擬」數，當一組數據有奇數個時，它就是該組數據順序排列後中間的那個數據，是這組數據中真實存在的一個數據；二是平均數的大小與一組數據里的每個數據都有關系，任何一個數據的變動都會引起平均數大小的改變，而中位數則僅與一組數據的排列位置有關，某些數據的變動對中位數沒有影響，所以當一組數據的個別數據偏大或偏小時，用中位數來描述該組數據的集中趨勢就比較合適。
3. 如何快速成為數據分析師
我小時候的理想是將來做一名數學家，可惜長大了發現自己天賦不夠，理想漸行漸遠，於是開始考慮現實，開始做一些人生規劃，我一直在思考將來從事何種職業，專注什麼樣的領域，重新定義著自己的職業理想。我現在的職業理想，比較簡單，就是做一名數據分析師。
作者：來源：網路大數據|2015-05-29 10:24
收藏
分享
我小時候的理想是將來做一名數學家，可惜長大了發現自己天賦不夠，理想漸行漸遠，於是開始考慮現實，開始做一些人生規劃，我一直在思考將來從事何種職業，專注什麼樣的領域，重新定義著自己的職業理想。我現在的職業理想，比較簡單，就是做一名數據分析師。
為什麼要做數據分析師：
在通信、互聯網、金融等這些行業每天產生巨大的數據量(長期更是積累了大量豐富的數據，比如客戶交易數據等等)，據說到2020年，全球每年產生的數據量達到3500萬億GB;海量的歷史數據是否有價值，是否可以利用為領導決策提供參考依據?隨著軟體工具、資料庫技術、各種硬體設備的飛快發展，使得我們分析海量數據成為可能。
而數據分析也越來越受到領導層的重視，藉助報表告訴用戶什麼已經發生了，藉助OLAP和可視化工具等分析工具告訴用戶為什麼發生了，通過dashboard監控告訴用戶現在在發生什麼，通過預報告訴用戶什麼可能會發生。數據分析會從海量數據中提取、挖掘對業務發展有價值的、潛在的知識，找出趨勢，為決策層的提供有力依據，為產品或服務發展方向起到積極作用，有力推動企業內部的科學化、信息化管理。
我們舉兩個通過數據分析獲得成功的例子：
(1) Facebook廣告與微博、SNS等網路社區的用戶相聯系，通過先進的數據挖掘與分析技術，為廣告商提供更為精準定位的服務，該精準廣告模式收到廣大廣告商的熱捧，根據市場調研機構eMarketer的數據，Facebook年營收額超過20億美元，成為美國最大的在線顯示廣告提供商。
(2) Hitwise發布會上，亞太區負責人John舉例說明: 亞馬遜30%的銷售是來自其系統自動的產品推薦，通過客戶分類，測試統計，行為建模，投放優化四步，運營客戶的行為數據帶來競爭優勢。
此外，還有好多好多，數據分析，在營銷、金融、互聯網等方面應用是非常廣泛的：比如在營銷領域，有資料庫營銷，精準營銷，RFM分析，客戶分群，銷量預測等等;在金融上預測股價及其波動，套利模型等等;在互聯網電子商務上面，網路的精準廣告，淘寶的數據魔方等等。類似成功的案例會越來越多，以至於數據分析師也越來越受到重視。
然而，現實卻是另一種情況。我們來看一個來自微博上的信息：在美國目前面臨14萬~19萬具有數據分析和管理能力的專業人員，以及150萬具有理解和決策能力(基於對海量數據的研究)的管理人員和分析人員的人才短缺。而在中國，受過專業訓練並有經驗的數據分析人才，未來三年，分析能力人才供需缺口將逐漸放大，高級分析人才難尋。
也就是說，數據分析的需求在不斷增長，然而合格的為企業做分析決策的數據分析師卻寥寥無幾。好多人想做數據分析卻不知道如何入手，要麼不懂得如何清洗數據，直接把數據拿來就用;要麼亂套模型，分析的頭頭是道，其實完全不是那麼回事。按俗話說就是：見過豬跑，沒吃過豬肉。
我的職業規劃：
對於數據分析，有一句話說的非常好：spss/sql之類的軟體、決策樹、時間序列之類的方法，這些僅僅就都是個工具而已，最重要的是對業務的把握。沒有正確的業務理解，再牛的理論，再牛的工具，都是白搭。
做一名合格的數據分析師，除了對數據需要有良好的敏感性之外，對相關業務的背景的深入了解，對客戶或業務部門的需求的清晰認識。根據實際的業務發展情況識別哪些數據可用，哪些不適用，而不是孤立地在「真空環境」下進行分析。
為此，我對自己的規劃如下：
第一步：掌握基本的數據分析知識(比如統計，概率，數據挖掘基礎理論，運籌學等)，掌握基本的數據分析軟體(比如，VBA，Matlab，Spss，Sql等等)，掌握基本的商業經濟常識(比如宏微觀經濟學，營銷理論，投資基礎知識，戰略與風險管理等等)。這些基礎知識，在學校里盡量的學習，而且我來到了和君商學院，這樣我可以在商業分析、經濟分析上面領悟到一些東西，增強我的數據分析能力。
第二步：參與各種實習。研一開始我當時雖然有課，不過很幸運的找到一份一周只需去一兩天的兼職，內容是為三星做競爭對手分析，當然分析框架是leader給定了，我只是做整合資料和往ppt里填充的內容的工作，不過通過兼職，我接觸到了咨詢行業，也向正式員工學習了很多商業分析、思考邏輯之類的東西。
之後去西門子，做和VBA的事情，雖然做的事情與數據分析無關，不過在公司經常用VBA做一些自動化處理工作，為自己的數據分析工具打好了基礎。再之後去了易車，在那裡兼職了一個多月，參與了大眾汽車銷量數據短期預測的項目，一個小項目下來，數據分析的方法流程掌握了不少，也了解了企業是如何用一些時間序列模型去參與預測的，如何選取某個擬合曲線作為預測值。
現在，我來到新的地方實習，也非常幸運的參加了一個央企的碼頭堆場優化系統設計，其實也算數據分析的一種吧，通過碼頭的數據實施調度，通過碼頭的數據進行決策，最後寫成一個可操作的自動化系統。而這個項目，最重要的就是業務流程的把握，我也參與項目最初的需求調研，和制定工作任務說明書SOW，體會頗多。
第三步：第一份工作，預計3-5年。我估計會選擇咨詢公司或者IT公司吧，主要是做數據分析這塊比較強的公司，比如Fico，埃森哲，高沃，瑞尼爾，IBM，AC等等。通過第一份工作去把自己的知識打得扎實些，學會在實際中應用所學，學會數據分析的流程方*，讓自己成長起來。
第四步：去自己喜歡的一個行業，深入了解這個行業，並講數據分析應用到這個行業里。比如我可以去電子商務做數據分析師。我覺得我選擇電子商務，是因為未來必將是互聯網的時代，電子商務必將取代傳統商務，最顯著的現象就是傳統零售商老大沃爾瑪正在受到亞馬遜的挑戰。此外，電子商務比傳統的零售商具有更好的數據收集和管理能力，可以更好的跟蹤用戶、挖掘潛在用戶、挖掘潛在商品。
第五步：未知。我暫時沒有想法，不過我希望我是在一直的進步。
有一位數據分析牛人曾經總結過數據分析師的能力和目標：
能力：一定要懂點戰略、才能結合商業;一定要漂亮的presentation、才能buying;一定要有global view、才能打單;一定要懂業務、才能結合市場;一定要專幾種工具、才能幹活;一定要學好、才能有效率;一定要有強悍理論基礎、才能入門;一定要努力、才能賺錢;最重要的：一定要務實、才有reputation;不懂的話以後慢慢就明白了。