困惑？学了那么多工具，还是不会数据分析...
来源：数据分析师 CPDA | 时间：2019-07-09 | 作者：admin
很多学习数据分析的同学也都有这样一种困惑「为什么学了那么多工具，还是不会数据分析?原因无外乎两个，一是只学到了碎片的知识，没有建立知识之间的连接，无法形式自己的知识体系，二是缺乏实践，导致无法形成「知行合一」的工作技能。
01 系统学习的重要性
任何学习知识，都是相互联系，相互作用的。因此第一步就是找出各部分间的直接联系，把网络结构初步地建立起来。但是有些部分和其他部分并不一定能够建立直接的联系，那么还需要发掘第二层、第三层关系。 要明确各部分之间的关系，以及综合运用。
行动学习理论认为，人要掌握一门技能，需要有 10% 的时间学习知识和信息，70% 的时间练习和践行，还有 20% 的时间与人沟通和讨论。这个原则叫做 721 原则。
碎片化学习对于 10% 的信息接收非常有用，而剩下独处练习的 70% 和讨论的 20%，则需要留出大量时间来系统学习——碎片化学习永远只是系统化学习的辅助。你需要留出足够多整块时间学习。
所谓系统学习法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。
02 如何系统学习数据分析
在学习数据分析之前应该明白几点
数据初期的准备通常占整个数据挖掘项目工作量的70%左右。
数据分析师本身融合了业务知识、统计学和计算机等学科，并不是新的技术。
数据分析更适合业务人员学习（相比技术人员学习业务来的更高效）
数据分析项目通常需要重复一些毫无技术含量的工作。
03 职业规划
以数据分析师为例，先看一下国内知名互联网数据分析师的招聘要求：
计算机、统计学、数学等相关专业本科及以上学历；
具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；
三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；
对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；
具备良好的逻辑分析能力、组织沟通能力和团队精神；
富有创新精神，充满激情，乐于接受挑战.
前三个属于硬件要求，一般而言，有专业基础(计算机、统计学、数学等相关专业)入行需要 3 个月以上的学习。对于非专业背景的同学，入行的时间可能需要的更长，建议给自己预留 6-12 月的时间。而要成为一个熟手(企业用工需求最多)则需要 2-3 年以上的行业经验。
作为一门对数学和计算机都有较高要求的一门交叉学科，从事大数据是有一定门槛的，但相对于 10 年以上的职业生涯（国外顶尖数据科学家 50-60 岁仍然十分活跃），预备半年的时间来学习这个最炙手可热的技能还是很划算的。
04 从业务开始
学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的，一般人没有这个精力和时间全方位的掌握所有技术细节。但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。不要在学习技术时想要面面俱到，这样会失去你的核心竞争力。
大数据是技术工具，最终的应用需要深入理解业务企业的业务场景和商业模式，甚至有人说不懂业务就不要谈大数据，可见领域知识的重要性。值得一提的是，近几年在顶尖科学杂志《Nature》与《Science》上发表的大数据文章都是来自行业专家，而并非计算机专家，这从另外一个方面反映了业务知识的重要性。
05 Get技能
- 数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
- 分析工具
对于初级数据分析师，Excel 是必须完全掌握的，数据透视表和公式使用必须熟练，VBA 是加分。另外，还要学会一个统计分析工具，SPSS 作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力， SPSS/SAS/R/Python 至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
- 编程语言
对于初级数据分析师，会写 SQL 查询，有需要的话写写 Hadoop 和 Hive 查询，基本就 OK 了。对于高级数据分析师，除了 SQL 以外，学习 Python 是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
- 勤于学习
大数据时代的知识，没有像印刷时代对知识结构视为必须具备的“基础”知识，知识是非线性的，可以自由组合、切割，处于一种分散和游离的状态。未来，你必须具备快速自学和捕捉知识的能力，学习将从一个「知识储备，学以致用」的过程，向「知识构建，用时再学」的过程转变，学习将是一个持续的，乃至终身学习的过程。为此你需要具备一种快速而灵活的学习方式。
- 参与一次系统培训
系统培训能够帮你规划并实施一个系统的学习方案，会在你起步的时候构建一个比较扎实的基础知识框架，这个过程和盖楼时先打地基的道理是一样的，地基打的越深，楼房才能盖的越高。具备项目经验的讲师会讲授很多实际工作中的项目经验，可以带领大家快速进入正确的学习通道，少走弯路。当然，培训取代不了工作实践，如前所述，多在工作中积累业务经验，技能水平才能提升的更快。
- 在社区快速学习
在国外，除了大学，社区形式的学习平台(如r4stats.com、KNIME)由于知识更新快，学习时间更加灵活，形成了独特的社区学习(community learning)现象。社区里不但有初学者(freshman)，也是不少顶尖技术专家(Veteran)光顾的地方。社区是一个自由、无中心的交流学习平台，没有权威，一切都可以质疑和挑战。当然，如果要和这些高手过招，你必须先打好英语基础。未来，社区将成为从业者技能 get、快速充电的重要渠道，社区或将成为继高等学校、职业学校以外的一个「无围墙」的校园。
