捷報app怎麼當分析師

⑴ 如何學習成為一名數據分析師

如果你確實想學習數據分析的話，那現在有兩種選擇，自學和報班。
自學
自學的話，學習時間比較自由、不用受到任何約束，可以自己安排時間，而且學習直接支出費用要少很多，但是自學過程中一定要注意項目經驗的積累，不能只學了工具技能卻忘了項目經驗。
因為現在企業招聘都是很看重數據分析師的項目經驗，這個你在隨便一個招聘網站搜索相關招聘信息都能看見企業需求。
所以，在學習的過程中，我建議盡可能地去找從事過或者是正在從事數據分析師的朋友，讓他們能夠「手把手」地帶你去接觸一些真實項目，並且能夠傳授一些項目經驗給你。
只有在自學的過程中注重項目經驗的獲取，在學完後才能更順利地步入大數據分析師這個崗位，如果沒有項目經驗，那就只能從數據清洗、數據統計等基礎性的工作做起，其工資水平可能還沒有現在的收入高。
同時，自學的過程可能會比較枯燥，一個人的學習會比較沒意思，如果不夠自律、信念不夠堅定的話，很可能會中途放棄，來來回回反反復復，學習時長會不可控制。
如果按照正常的自學內容和進度來看，要達到初級的數據分析師水平，大概需要2年的時間。
報班學習
報班學習的話首先是時間上就能縮短很多，2個月就能掌握自學2年才能學到的內容。
當然這個時候選擇什麼樣的培訓機構，就要回到我們之前講的學習目標上了。確定是要走大數據分析這條路，那就要去分辨各個培訓機構的課程設計，選擇主要帶著學員做實訓項目的，一定要是做企業真實項目的那種，而不是隨便在網上爬一些數據，讓你去練手的那種。

⑵ 如何自學成為數據分析師

數據分析師的基本工作流程：

1.定義問題

確定需要的問題，以及想得出的結論。需要考慮的選項有很多，要根據所在業務去判斷。常見的有：變化趨勢、用戶畫像、影響因素、歷史數據等。

2.數據獲取

數據獲取的方式有很多種：

一是直接從企業資料庫調取，需要SQL技能去完成數據提取等的資料庫管理工作。

二是獲取公開數據，政府、企業、統計局等機構有。

三是通過Python編寫網頁爬蟲。

3.數據預處理

對殘缺、重復等異常數據進行清洗。

4.數據分析與建模

這個部分需要了解基本的統計分析方法、數據挖掘演算法，了解不同統計方法適用的場景和適合的問題。

5.數據可視化和分析報告撰寫

學習一款可視化工具，將數據通過可視化最直觀的展現出來。

數據分析入門需要掌握的技能有：

1. SQL（資料庫）：

怎麼從資料庫取數據？怎麼取到自己想要的特定的數據？等這些問題就是你首要考慮的問題，而這些問題都是通過SQL解決的，所以SQL是數據分析的最基礎的技能。

2. excel

分析師更多的時候是在分析數據，分析數據時需要把數據放到一個文件里，就是excel。

熟練excel常用公式，學會做數據透視表，什麼數據畫什麼圖等。

3.Python或者R的基礎：

必備項，也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。

4.學習一個可視化工具

如果你想往更高層次發展，上面的東西頂多隻佔20%，剩下的80%則是業務理解能力，目標拆解能力，根據數據需求更多新技能的學習能力。

⑶ 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。

⑷ 怎樣成為一名分析師高分求解！

想成為一名分析師不容易，如果想作為一名高級分析師更加難上加難！當我在06年考上MBA的時候，我曾經面臨著行業轉換問題，怎樣從一個IT管理人員成為一個金融人士呢？我自己是不是適合這個行業，在這個行業中能做什麼呢？等等諸多問題都是我這個而立之年的人需要考慮的事情。理性思考和感性的認識，讓我看到金融行業是個前途無量的行業，而期貨作為金融行業的高級產物，將會伴隨中國經濟的飛速發展而迅速成長壯大，所以我選擇了學習期貨。學校的兩年生活讓我從一個期貨門外漢，成為一個略知一二的期貨方向的MBA學生。分析師是我在期貨行業中的第一個職業，畢業的時候總是覺得作為一個期貨的品種分析師我能夠勝任，但是真正從事分析工作的時候才知道，想作為一名合格的分析師需要很多優秀的品質！首先，勤能補拙。能夠成為一名分析師，肯定不是「拙」人，但是要做好分析師工作勤奮仍然是必須品質之一。讀書是我們獲取知識的主要途徑，作為分析師要讀不同的書，包括期貨的基礎書籍《期貨市場技術分析》《日本蠟燭圖》等等，還需要讀交易理論的書籍，同時也要讀某個品種的專業書籍，甚至報考交易心理的心理學書籍，這些都需要在看盤和睡覺之外時間來讀。勤奮讓我在這些書籍中學到了很多必要的期貨基礎知識。這些知識也是一個分析師所必須的看家本領。勤不僅在讀書上，還要勤於思考，勤於研究事物內部運行規律。相信這些「勤 」不僅能讓你成為一名分析師，也會讓你從分析師中脫穎而出成為一名高級分析師。其次，嚴密的邏輯推理能力也是成為分析師的必備知識。事物之間的因果關系是分析師需要洞察的，當結果擺在面前的時候，我們能夠迅速准確的找到引起這個結果的原因，從這些原因中找到主要原因和次要原因，作為一名高級分析師應該能夠量化不同原因作用的程度，對結果影響程度等等，一個具有嚴密的邏輯推理能力也是高級分析師主要能力之一。例如：2008年初當冰凍來臨的時候，你是不是通過嚴密的邏輯思維來判斷，冰凍對甘蔗出糖率幾乎沒有影響，而理性的沒有做多。再次，對宏觀經濟走勢的准確把握。「覆巢之下，俺有累卵」，如果宏觀經濟不看好，那麼即便是傳統的盈利行業也將出現危機。2008年金融襲來的時候，汽車這樣傳統的行業也面臨生死選擇，中國的吉利竟然出資買入沃爾沃，讓我們看到宏觀經濟存在問題，讓本來沒有問題的行業出現大危機。作為一名分析師應該掌握宏觀經濟走勢的脈搏，隨時能夠預知市場動向。而作為一名高級分析師還應該對未來的5年宏觀經濟走勢有個清楚的認識和預判。這需要很深厚的經濟學、金融學、社會學，甚至是哲學的基礎。最後，作為一名高級分析師，還應該有敏銳的洞察力、高瞻遠矚的戰略眼光和綜合的知識結構。如果沒有敏銳的洞察力，不會在紛繁復雜的環境中，准確而又清楚地找到引起市場價格波動的條件。如果沒有敏銳的洞察力，不會在市場略有微風吹過的時候，而看到後面的暴雨。如果沒有敏銳的洞察力，不會知道暴雨什麼時候結束，什麼時候出現彩虹。作為高級分析師也許不會說出准確的進場點，但是他可以憑借敏銳的洞察力而知道市場將會出現的變化。只有洞察力，並不能將「知識」轉換成為「生產力」，為了讓自己的洞察力發揮作用，高瞻遠矚的戰略眼光也是一個高級分析師所必備的。當排除眾意，獨樹一幟的時候，那需要一種自信的高瞻遠矚的戰略眼光，高級分析師必將是這樣的人。而高級分析師的洞察力和戰略家的眼光是建立在具有綜合的知識結構，並能合理的熟練地應用的基礎上。高級分析師應該具備以上能力，具有這樣能力的人才會成為一名合格高級分析師。如果想作為鄭商所品種的高級分析師，除了以上的能力外還需要一下幾個必要的條件；其一，要對鄭商所的某個品種的價值鏈十分熟悉。針對這個品種的價值鏈上的每個環節了如指掌，生產、貿易、加工和用戶等等都要有一個具體的量化的認識。當某個環節發生變化的時候能夠知道究竟對其價格走勢影響程度有多深。其二，要對鄭交所這個品種的交易規則和交割規則等規章制度的爛熟於胸。只有對「游戲規則」的熟練掌握，這樣才能讓高級分析師在規則的約束下合理合法的完成各項業務。其三，高級分析師對鄭商所某個品種的研究還應該有經驗的積累。如果沒有針對某個品種2年以上的跟蹤研究，不會成為一個分析師，沒有3年以上的跟蹤研究分析不會成為一個這個品種的高級分析師。當然這樣的研究跟蹤應該是深入的連續的。

⑸ 如何成為一名數據分析師

成為一名數據分析師所需要學習掌握的知識：

• 數學知識

對於初級數據分析師來說，則需要了解統計相關的基礎性內容，公式計算，統計模型等。當你獲得一份數據集時，需要先進行了解數據集的質量，進行描述統計。

而對於高級數據分析師，必須具備統計模型的能力，線性代數也要有一定的了解。

• 分析工具

對於分析工具，SQL 是必須會的，還有要熟悉Excel數據透視表和公式的使用，另外，還要學會一個統計分析工具，SAS作為入門是比較好的，VBA 基本必備，SPSS/SAS/R 至少要熟練使用其中之一，其他分析工具（如 Matlab）可以視情況而定。

• 編程語言

數據分析領域最熱門的兩大語言是 R 和 Python。涉及各類統計函數和工具的調用，R無疑有優勢。但是大數據量的處理力不足，學習曲線比較陡峭。Python 適用性強，可以將分析的過程腳本化。所以，如果你想在這一領域有所發展，學習 Python 也是相當有必要的。

當然其他編程語言也是需要掌握的。要有獨立把數據化為己用的能力, 這其中SQL 是最基本的，你必須會用 SQL 查詢數據、會快速寫程序分析數據。當然，編程技術不需要達到軟體工程師的水平。要想更深入的分析問題你可能還會用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。

• 業務理解

對業務的理解是數據分析師工作的基礎，數據的獲取方案、指標的選取、還有最終結論的洞察，都依賴於數據分析師對業務本身的理解。

對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。

• 邏輯思維

對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關系，清楚每一個指標變化的前因後果，會給業務帶來的影響。對於數據挖掘工程師，羅輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。

• 數據可視化

數據可視化主要藉助於圖形化手段，清晰有效地傳達與溝通信息。聽起來很高大上，其實包括的范圍很廣，做個 PPT 里邊放上數據圖表也可以算是數據可視化。

對於初級數據分析師，能用 Excel 和 PPT 做出基本的圖表和報告，能清楚地展示數據，就達到目標了。對於稍高級的數據分析師，需要使用更有效的數據分析工具，根據實際需求做出或簡單或復雜，但適合受眾觀看的數據可視化內容。

• 協調溝通

數據分析師不僅需要具備破譯數據的能力，也經常被要求向項目經理和部門主管提供有關某些數據點的建議，所以，你需要有較強的交流能力。

對於高級數據分析師，需要開始獨立帶項目，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。

⑹ 如何快速成為數據分析師

數據分析師能否快速成長嗎？可以，前提就是需要有明確的方向。只有知道方向，才能快速成長。數據分析師成長起來需要的點很多：包括工具，業務以及統計學知識。

3）統計學

這是最為枯燥的部分，這部分需要我們掌握均值、中位數、標准差、方差、假設檢驗、置信區間等概念。推薦《深入淺出數據分析》。

⑺ 股票分析師怎麼當

先去考個大專畢業證，然後考個證券從業資格證，再落戶到一家券商做經紀人。等你客戶多了，自然就成師了。

⑻ 怎麼成為大數據分析師

首先你要知道成為一名數據分析師所需要具備的技能：

• 數學知識

對於初級數據分析師來說，則需要了解統計相關的基礎性內容，公式計算，統計模型等。當你獲得一份數據集時，需要先進行了解數據集的質量，進行描述統計。

而對於高級數據分析師，必須具備統計模型的能力，線性代數也要有一定的了解。

• 分析工具

對於分析工具，SQL 是必須會的，還有要熟悉Excel數據透視表和公式的使用，另外，還要學會一個統計分析工具，SAS作為入門是比較好的，VBA 基本必備，SPSS/SAS/R 至少要熟練使用其中之一，其他分析工具（如 Matlab）可以視情況而定。

• 編程語言

數據分析領域最熱門的兩大語言是 R 和 Python。涉及各類統計函數和工具的調用，R無疑有優勢。但是大數據量的處理力不足，學習曲線比較陡峭。Python 適用性強，可以將分析的過程腳本化。所以，如果你想在這一領域有所發展，學習 Python 也是相當有必要的。

當然其他編程語言也是需要掌握的。要有獨立把數據化為己用的能力, 這其中SQL 是最基本的，你必須會用 SQL 查詢數據、會快速寫程序分析數據。當然，編程技術不需要達到軟體工程師的水平。要想更深入的分析問題你可能還會用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。

• 業務理解

對業務的理解是數據分析師工作的基礎，數據的獲取方案、指標的選取、還有最終結論的洞察，都依賴於數據分析師對業務本身的理解。

對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。

• 邏輯思維

對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關系，清楚每一個指標變化的前因後果，會給業務帶來的影響。對於數據挖掘工程師，羅輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。

• 數據可視化

數據可視化主要藉助於圖形化手段，清晰有效地傳達與溝通信息。聽起來很高大上，其實包括的范圍很廣，做個 PPT 里邊放上數據圖表也可以算是數據可視化。

對於初級數據分析師，能用 Excel 和 PPT 做出基本的圖表和報告，能清楚地展示數據，就達到目標了。對於稍高級的數據分析師，需要使用更有效的數據分析工具，根據實際需求做出或簡單或復雜，但適合受眾觀看的數據可視化內容。

• 協調溝通

數據分析師不僅需要具備破譯數據的能力，也經常被要求向項目經理和部門主管提供有關某些數據點的建議，所以，你需要有較強的交流能力。

對於高級數據分析師，需要開始獨立帶項目，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。

⑼ 如何自學當上數據分析師

證書這個東西，可以說是錦上添花，技術才是硬道理，您已經開始相當數據分析師，說明您已經想的很前衛很長遠了，近兩年數據分析師的缺口還是蠻大的。
那麼就看你是什麼專業背景了，可以說，數據分析是離不開統計學的。而且還需要掌握像SPSS, SAS, Python等一到兩種數據分析工具。這是最基本的。
有一本入門級的書 《誰說菜鳥不會數據分析》可以看一下。
考證的話，有CDA數據分析師的資格證，是在行業比較認可的，但是需要本科以上學歷或在校大學生或本科以下學歷的從事數據分析相關行業一年及以上。CDA有level1，level2兩個等級。他們也有比較系統的培訓課程，只要認真學，考證是沒問題的。