作者：徐杨老师
最近有很多小伙伴疑惑，数据分析到底应该学到什么程度，就可以去找工作了呢？
首先，找工作我们应该了解什么？企业需求对不对？
所以我分析了招聘网站上多个与数据分析的相关岗位，根据薪资高低大概分为三个等级。
初级水平：
掌握常见表格制作和数据库基本功能操作，就可以做业务数据分析师。
中级水平：
在初级水平基础上，对常见函数应用熟练，数据库操作熟练，掌握ETL能力，掌握统计分析模型，具备行业相关业务经验，可以进行简单的建模操作，就可以做策略数据分析师。
高级水平：
具备数据科学家能力，机器学习、深度学习算法能力、建模挖掘能力和建模挖掘能力突出，对行业业务逻辑深度认知，就可以做算法工程师、挖掘工程师。
所以，我们该如何具备这些能力呢？
01 学习统计学
首先需要学习统计学。统计学部分主要分为三大模块。
第一个模块就是描述性统计。
可以帮助我们在拿到一个数据集的时候进行初步的统计分析。描述性统计当中需要掌握的概念有，比如集中趋势、离散趋势、数据分布、缺失值和异常值等等。
第二个模块是参数估计和假设检验。
这里需要掌握的大约有，比如点估计方法、置信度、置信区间、原假设、备择假设、P值、检验统计量等。
第三个模块是统计模型。
在这个模块当中，主要要掌握的包括卡方分析、方差分析、主成分分析、因子分析，以及统计模型的圆点：回归分析。
02 学习分析工具
在学习完统计学之后，就要开始代码及编程部分，进入分析工具的学习了。
之前我们讲过入门数据分析必学的4大工具，这期我们直接来讲利用这些工具的要学会那些技能。
在Excel中我们主要需要掌握一些基本的计算函数、数据透视表以及VLOOKUP函数。
在SQL中我们主要掌握表的增、删、改、查、表连接、子查询以及窗口函数的运用和SQL语句的执行顺序。
在Python中，我们要掌握最基本的数据结构，包括列表、字典、字符串、元祖、数组、集合。还需要掌握基本的语句，比如说IF语句、For循环、while 循环。还要熟练运用Python中的各种库，比如有numpy/pandas等等。
最后还有数据可视化的分析工具BI。大家需要学习的包括仪表盘的制作，一些基本的计算函数的运用。
03 算法模型和机器学习
学习完工具后我们就要开始算法模型以及相关机器学习的部分知识了。
大家主要掌握的就是模型的原理、模型的运用，模型的调优以及效果的评估。机器学习部分主要可以分为：有监督学习以及无监督学习。在有监督学习中，主要可以分为回归算法与分类算法。而在无监督学习中，我们主要需要掌握的就是聚类算法和降维算法。
04 掌握业务知识
最后就是业务知识模块。
常见的业务分析方法包括：漏斗分析、拆解分析、对比分析、留存分析、用户分群分析、归因分析、渠道路径分析等等。
以上就是这期的分享，关注我！也欢迎有同样困惑的小伙伴私信我们！
课程咨询
