• 不同領域開發工具 Top 50
• 2017 最全的機器學習開源項目列表
• 2017年關于數據科學的六大預言
• 寫好一份數據分析報告的13個要點

一.數據分析師的能力體系

1.數學知識

數學知識是數據分析師的基礎知識。

對于初級數據分析師，了解一些描述統計相關的基礎內容，有一定的公式計算能力即可，了解常用統計模型算法則是加分。

對于高級數據分析師，統計模型相關知識是必備能力，線性代數（主要是矩陣計算相關知識）最好也有一定的了解。

而對于數據挖掘工程師，除了統計學以外，各類算法也需要熟練使用，對數學的要求是最高的。

2.分析工具

對于初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。

對于高級數據分析師，使用分析工具是核心能力，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）視情況而定。

對于數據挖掘工程師……嗯，會用用Excel就行了，主要工作要靠寫代碼來解決呢。

3.編程語言

對于初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。

對于高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。

對于數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。

4.業務理解

業務理解說是數據分析師所有工作的基礎也不為過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴于數據分析師對業務本身的理解。

對于初級數據分析師，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。

對于高級數據分析師，需要對業務有較為深入的了解，能夠基于數據，提煉出有效觀點，對實際業務能有所幫助。

對于數據挖掘工程師，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。

5.邏輯思維

對于初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什么樣的手段，達到什么樣的目標。

對于高級數據分析師，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后果，會給業務帶來的影響。

對于數據挖掘工程師，邏輯思維除了體現在和業務相關的分析工作上，還包括算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的

6.數據可視化

數據可視化說起來很高大上，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，所以我認為這是一項普遍需要的能力。

對于初級數據分析師，能用Excel和PPT做出基本的圖表和報告，能清楚的展示數據，就達到目標了。

對于高級數據分析師，需要探尋更好的數據可視化方法，使用更有效的數據可視化工具，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。

對于數據挖掘工程師，了解一些數據可視化工具是有必要的，也要根據需求做一些復雜的可視化圖表，但通常不需要考慮太多美化的問題。

7.協調溝通

對于初級數據分析師，了解業務、尋找數據、講解報告，都需要和不同部門的人打交道，因此溝通能力很重要。

對于高級數據分析師，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。

對于數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。

8.快速學習

無論做數據分析的哪個方向，初級還是高級，都需要有快速學習的能力，學業務邏輯、學行業知識、學技術工具、學分析框架……數據分析領域中有學不完的內容，需要大家有一顆時刻不忘學習的心。

二.數據分析師的工具體系

可以從圖上看到，Python在數據分析中的泛用性相當之高，流程中的各個階段都可以使用Python。所以作為數據分析師的你如果需要學習一門編程語言，那么強力推薦Python～