如何迅速成长成为一名数据分析师?

如从编程零基础,知道一些简单的统计知识的情况下
关注者
5395
被浏览
188897
从业多年,跨行业,跨专业,跨公司文化,跨地域,觉得有些东西可以分享。

我认为数据分析/数据科学/商业智能(或是其它类似名字)的职业,最核心的部分在于两点:

"业"更偏向于你的soft skills,你的理解能力,分析能力,沟通能力,mind-set。其中当然包括最重要的一个能力:
将复杂的商业问题转化为数学模型,并利用编程能力进行分析,预测和评估,再转化为合适的Business Plan,执行。
你可以看到,这是一个生态圈,其中并不是只是包含了其它答案所描述的数学模型,统计理论,也不只是包含用什么工具sas,r,excel。总结来说是一种完全设身处地去为商业模型思考的mind-set。这是我很多国内数据从业者身上很少看到的。很多同事更喜欢强调自己的统计模型多好,算法多牛,当然,别理解错,这些优化都是好事,但从一个Business function (我把analytic当作一种服务我们的商业目标的商业职能) 的角度来说,这只是一个从过程中的小部分。这可能是因为很多大型企业,比如银行,电商,IT,智能太细分导致,很少有人能真正退一步去思考我们做分析的意义何在,如何落地,能赚多少钱。

我会在文章后面分享一些书。这些书是我亲身读过,和老板,同事都有沟通过的好书。希望对你们有帮助。

"术"更偏向于你的技术,包括你的数学,统计,编程,硬件的技术。这个技术对很多技术爱好者来说是数据分析最有意思的一部分,但对很多更喜欢business的朋友来说,很乏味。当然,没有好与坏,高级和低级的区别。术业有专攻就是这道理,譬如我们公司,Data science for infrastructure engineering负责数据仓库的朋友工资反而最高。 而抽象一点去说:
为了解决商业问题所需要的技术,能力。
看到这里你应该明白了,很多时候我们说的数据分析师实则是这个层面的。而再细分,这个技术其实分为三层:
  1. 统计理论,模型
  2. 数据库查询类编程SQL
  3. 底层数据存储技术hadoop, hive, spark, etc.
成为一个合格的数据科学家,你需要上面1,2的本事。有能力利用统计模型解决问题,也有能力通过编程将这些模型实现,并且自动化。这里很多人争论SAS,R,Python,SPSS,在我看来,无非只是工具,都是相同的,只要能用就好。而数理统计,则是要同时结合Q quant和P quant(具体请参照数说工作室,具体名字我忘了,一个微信号)。区别在于一个强调随机概率,一个强调根据历史数据的统计。所以,基本理论要知道,比如如何判别模型显著,如何优化模型。基本模型也要会,回归,Clustering, sequence analysis等等。只有精通这些模型,才能知道怎么从统计角度去解决商业文体。analytic里面经常有个说法:
  • report 告诉你过去发生什么
  • BI告诉你现在发生什么
  • modeling 告诉你将来发生什么
其中的意义可以好好体会一下。

再到数据库查询,那基本SAS,SQL,python的指令要会,这些花不了太多时间去学,但是用得好就很关键。俗话说80%的时间data cleansing, 20%作模型。大家体会下。因为CS出身,所以编程好些,处理数据确实帮我省了不少时间。

这里再强调一个mind set很重要:作模型,是要在结论,结果符合商业逻辑的前提下进行诠释。我看到很多刚毕业的stats的人,很喜欢用复杂的stats变量用在模型,结果当然模型很fit,但是却很难解释。这一点一直都很有争议,不是因为用了不好,而是用的话你要知道用这个变量的好与坏是什么。比如很多人喜欢用interaction变量放在回归模型,2维,3维,请自行体会下。

最后,底层数据存储技术。这块我涉足不深,不敢乱说。但基本体会是,有个高效的,高容错,高吞吐量,兼容性强的数据库是做数据分析的基础。

恩,差不多到这。至于先学什么后学什么可以自己根据实际需求安排下。需求drive学习,学得很快的。

后面附上我的豆瓣reading list,祝大家玩得愉快。
Road to Data Scientist 数据科学家之路