10月23日下午，第一期「數(shù)據(jù)分析成長交流會」在CDA數(shù)據(jù)分析研究院成功舉辦啦！

數(shù)據(jù)分析成長交流會主要針對行業(yè)小白，讓更多的人了解數(shù)據(jù)分析，理清學(xué)習(xí)思路，制定學(xué)習(xí)計(jì)劃。

本次活動邀請了CDA數(shù)據(jù)分析就業(yè)培訓(xùn)班的錢小菲老師帶來了「數(shù)據(jù)分析成長」主題分享，還與現(xiàn)場的小伙伴們進(jìn)行了面對面交流。小編現(xiàn)將主要內(nèi)容整理如下，以饗讀者：

我們首要考慮的是如何真正的踏入這個(gè)門檻，而不是徘徊在數(shù)據(jù)分析門外。

大概可以分為三個(gè)階段：初識分析、進(jìn)階工具、定位方向。

首先初識分析階段，你需要掌握的工具大概為：Excel中級水平、SPSS初級水平、MySQL入門，而需要掌握的知識有 ：統(tǒng)計(jì)基礎(chǔ)、概率論、數(shù)據(jù)分析師的流程概念、數(shù)據(jù)庫的概念和基礎(chǔ)的知識。

Excel作為初級分析者的中流砥柱是必須要的，而初級的SPSS知識，再結(jié)合Excel和統(tǒng)計(jì)知識，就可以做很多初級的統(tǒng)計(jì)分析相關(guān)的工作了，此時(shí)你就勉強(qiáng)算得了半個(gè)數(shù)據(jù)分析師了，當(dāng)然也只能算半個(gè)。

然后，你需要學(xué)習(xí)一些必須要的進(jìn)階的工具，SPSS的進(jìn)一步掌握，有助于你學(xué)習(xí)了解常用的算法模型，并且對數(shù)據(jù)分析的流程步驟的方法有個(gè)概覽。然后學(xué)習(xí)R，進(jìn)一步掌握各類統(tǒng)計(jì)分析方法和算法模型，并對編程有一定的了解。

在R之后是Python或者SAS的學(xué)習(xí)，根據(jù)你的行業(yè)需要去選擇，你需要能夠使用編程語言完成自己的工作。

在學(xué)習(xí)了解這么多的工具算法模型之后，你需要結(jié)合自己的特點(diǎn)對自己的方向做一個(gè)定位，R/SAS/Python你需要精通一門，然后你還需要熟悉掌握mysql常用的命令，當(dāng)然Office系列的你也需要熟悉。同時(shí)你需要針對性的去學(xué)習(xí)掌握自己行業(yè)的業(yè)務(wù)背景和精通那些使用的最多的算法。

前面介紹的那么多的數(shù)據(jù)分析的工具，但是當(dāng)一些公司的數(shù)據(jù)量級達(dá)到了較高級別，比如TB或者PB級的時(shí)候，前面?zhèn)鹘y(tǒng)的數(shù)據(jù)分析工具就無能為力了。尤其是需要實(shí)時(shí)計(jì)算，或者本身就需要使用這些大量數(shù)據(jù)進(jìn)行運(yùn)算的算法的時(shí)候，就必須要使用大數(shù)據(jù)的技術(shù)了。

說到大數(shù)據(jù)就不得不提Hadoop，那么它到底是一個(gè)什么呢？

Hadoop是一個(gè)由Apache基金會開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)，很多不足以自己開發(fā)大數(shù)據(jù)平臺的具有大數(shù)據(jù)需求的公司基本都在使用它，所以大家應(yīng)該對它有一定了解。

大數(shù)據(jù)必定有大量級的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)庫自然是無法實(shí)現(xiàn)存儲功能，那么這些數(shù)據(jù)是如何存儲的呢？Hive就展示出了它的特色，Hive是基于Hadoop的一個(gè)數(shù)據(jù)倉庫工具，它可以通過類SQL語句快速實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析，既簡單又快捷。相對前面的SAS、SPSS等分析軟件，大數(shù)據(jù)分析更多是用的是Spark，Spark是一種與Hadoop相似的開源集群計(jì)算環(huán)境，不同之處在于Spark基于內(nèi)存計(jì)算，工作負(fù)載更優(yōu)越，計(jì)算更快速，可以用來構(gòu)建大型的、低延遲的數(shù)據(jù)分析應(yīng)用程序，也是目前很多公司在使用的一個(gè)大數(shù)據(jù)分析工具，而且它有許多接口，可以和java、R、Python實(shí)現(xiàn)無縫銜接，更加方便。

那么在你學(xué)習(xí)的過程中，你自己處于什么樣的位置呢？

當(dāng)你掌握了Excel的常用函數(shù)，了解了VBA，并且掌握SPSS，能夠進(jìn)行常用的統(tǒng)計(jì)分析，初步了解一些sql語言，那么你就能算得上是一個(gè)業(yè)務(wù)分析師。

如果你想做一個(gè)高級數(shù)據(jù)分析師，或者是數(shù)據(jù)挖掘工程師，那么你就需要熟練掌握SQL語言，理解常用的算法模型，并能夠用于解決企業(yè)的實(shí)際問題，當(dāng)然你至少需要精通R/SAS/Python中的一種或幾種。

如果你在大數(shù)據(jù)平臺下工作，除此之外你還需要熟練使用spark和Hive。

問答整理如下：

問題：學(xué)文科的轉(zhuǎn)行去學(xué)數(shù)據(jù)分析會比較吃虧嗎？

其實(shí)并沒有說文科理科哪個(gè)更有優(yōu)勢的說法，可能理科出身的人能夠用更短的時(shí)間學(xué)習(xí)，但并不意味著就是一個(gè)好的數(shù)據(jù)分析師了，文科對于業(yè)務(wù)等等的理解能力相對也會更好一點(diǎn)，所以這個(gè)是各有特長，沒有說是不是吃虧的說法。

問題：數(shù)據(jù)分析在哪些公司用的比較多？是不是只有大公司才需要數(shù)據(jù)分析師？

并不是這樣，只有少數(shù)的傳統(tǒng)行業(yè)不怎么需要數(shù)據(jù)分析師，其他的像零售、餐飲、制造、金融以及絕大多數(shù)的互聯(lián)網(wǎng)相關(guān)行業(yè)都需要配備數(shù)據(jù)分析人才。比如SPSS就是中小企業(yè)用的多，所以不存在之余大公司才需要數(shù)據(jù)分析師的現(xiàn)象。

問題：對于即將畢業(yè)的大四學(xué)生，想從事數(shù)據(jù)分析的行業(yè)，現(xiàn)在應(yīng)該從哪些方面入手

其實(shí)，我們往期有很多學(xué)員就是大四沒有畢業(yè)的，對于你來說，如果是數(shù)據(jù)分析相關(guān)的專業(yè)的（統(tǒng)計(jì)、計(jì)算機(jī)、數(shù)學(xué)），那么你可能需要一份好點(diǎn)的數(shù)據(jù)分析的實(shí)習(xí)機(jī)會來掌握了解數(shù)據(jù)分析。如果你不是相關(guān)的專業(yè)的，那么你現(xiàn)階段最需要做的是補(bǔ)充自己的知識基礎(chǔ)（或者報(bào)個(gè)數(shù)據(jù)分析的培訓(xùn)）。

問題：數(shù)理統(tǒng)計(jì)和概率論的知識是不是需要非常深入，就像很多都是數(shù)學(xué)專業(yè)的做數(shù)據(jù)分析

數(shù)理統(tǒng)計(jì)這類基礎(chǔ)的知識，肯定是不嫌多的，但是并不是需要你有多深入，在做分析工作的時(shí)候，你需要了解知道，但是并不是需要你研究的多深入，多數(shù)時(shí)候你知道它是什么，怎么用，怎么解釋結(jié)果也就夠了。

我身邊做數(shù)據(jù)分析的，并沒有多少是實(shí)打?qū)嵉目瓢喑錾?，所以不用太刻意自己的背景，這是加分項(xiàng)但不是決定項(xiàng)。

問題：往期轉(zhuǎn)行的學(xué)員中，通常學(xué)習(xí)比較難的地方有哪些？

這個(gè)也是因人而異的，可能沒有接觸過編程相關(guān)的學(xué)員，剛開始在接受編程的一些理念和用編程的思維解決問題時(shí)比較難，但是邏輯思維較好的就不會覺得有困難，而未接觸過統(tǒng)計(jì)相關(guān)的部分人會覺得需要時(shí)間多看幾遍，才能很好的理解統(tǒng)計(jì)的一些概念。

問題：行業(yè)對應(yīng)的常用的算法都是哪些？

由于企業(yè)之間的業(yè)務(wù)差異，可能同行的也會有些差異，但是用的很多的算法有

線性回歸、邏輯回歸、決策樹、推薦系統(tǒng)、K均值/k最臨近等等易于解釋的算法，當(dāng)然也有用的比較多像支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等不太好解釋，但是有時(shí)效果比較好的算法。