从我三年前触到数据驱动业务的概念之后，便认定数据科学就是未来。
通过合理使用大量数据，大批新应用、新行业应运而生。语音识别，计算机视觉中的物体识别，机器人，自动驾驶汽车，生物信息学，神经科学，系外行星的发现，对宇宙起源的理解，以及在经费有限的条件下，组织一支胜出的足球队。
有成绩，有产出，数据分析是各行业的核心。
在这里相信有许多想要学习大数据的同学，大家可以+下大数据学习裙： 740041381，即可免费领取套系统的大数据学习教程
数据科学是一门交叉学科，除了计算机相关知识，还需要有统计学、数学基础，以及一定业务知识。所以可以作为终身职业发展目标，慢慢积累进步。简单来说：数据科学家=技术+业务。
数据分析我们可以整理这样一个链条“能够获取数据 —— 能够理解数据 —— 处理数据，从中提取价值，可视化并传达信息“。
数据驱动业务
从业务来说数据分析主要是分为三块：
1. 通过数据发现用户需求以创造产品、新增功能或者优化产品，比如各种的用户的报告和用户行为的分析等；
2. 提升产品效率，找到数据环节的漏斗，并且进行针对性的提升，比如对应用新增在不同场景的转化环节进行分析得到产品新增效率的提升点；
3. 定位问题，当应用线上出现问题，对线上的问题进行评估、定位和解决时，需要进行不同程度的数据分析，比如产品注册率付费率下降、线上核心功能用户减少等等需要进行定位并解决；
一旦公司业务出现问题的时候，其分析问题效率和处理问题的效率往往比缺乏经验没有思路的同学要高出一个数量级。
四个阶段的核心技术
大致是所有从底层数据工作者往上发展的基本路径。（*黄宝臣）
1. 第一阶段（一般岗位叫数据专员）
基本学会excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了。
2. 第二阶段（数据专员~数据分析师）
这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。
3. 第三阶段（数据分析师）
统计学熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。
4. 第四阶段（分裂）
-
数据分析师（数据科学家）、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用（调参+选模型+优化），取数、ETL、可视化啥的都是基本姿态。
-
ETL工程师：顾名思义，做ETL的。
-
数据工程师（一部分和数据挖掘工程师重合）：机器学习精通级别（往往是几种，不用担心不是全部，和数据分析师侧重点不同，更需要了解组合模型，理论基础），会组合模型形成数据产品；
-
爬虫工程师：顾名思义，最好http协议、tcp/ip协议熟悉。技术发展路线可以独立。
如果你的目标是入门初级数据分析，那么我推荐卡牌大师整理的经典书单。
在这里相信有许多想要学习大数据的同学，大家可以+下大数据学习裙： 740041381，即可免费领取套系统的大数据学习教程