如何建立一个成功的数据分析师职业生涯

数据科学被《哈佛商业评论》(Harvard Business Review)评为“21世纪最性感的工作”，迅速成为各种背景的专业人士最抢手的工作之一。专业数据分析师接近食物链的顶端，拥有可观的薪资及福利。

数据分析师是做什么的?

数据分析人员收集、处理和执行数据的统计分析，即，使数据以某种方式有用。它们帮助其他人做出正确的决定，并对已收集的原始数据进行优先排序，以便使用特定的公式和应用正确的算法使工作更容易。

如果你对数字、代数函数充满热情，并且喜欢与他人分享你的工作，那么你将会成为一名出色的数据分析师。下面是该角色的概述，帮助你制定成功的路线图。

成为一名成功的数据分析师所需要的技能:

微软Excel:如果数据结构不合理，就没有任何用处。Excel提供了一套功能，使数据管理变得方便和无麻烦。

基本的SQL技能

基本的web开发技能。

能够在大型数据集中找到模式。

数据映射能力。

能够从处理过的数据中获得可操作的见解。

一方面，数据分析与统计和高等数学重叠，另一方面，它与编程和软件开发无缝地融合在一起。

数据分析师职业的编程技能

R和Python是数据分析师最常用的两种编程语言。虽然R支持统计计算和图形，但Python的易用性使其成为一种适合在大型项目中使用的语言。

R编程

当谈到R时，有一些领域是你应该关注的，以便更好地掌握这门语言和你的工作。

Dplyr充当R和SQL之间的桥梁。它不仅用SQL语言翻译代码，而且还可以同时处理这两种类型的数据。

ggplot2是一个帮助用户迭代构建绘图的系统，如果需要，可以稍后根据图形编辑绘图。此外，还有两个Ggplot2子系统很有用:ggally(帮助准备网络图)和ggpair(矩阵)。

整形2:这基于两种格式，元格式和强制转换。当元数据从宽格式数据转换为长格式数据时，转换执行相反的操作。

Python编程

Python是最简单的编程语言之一，初学者往往更喜欢它。这些包或库将让你在数据分析领域领先一步:numpy、panda、matplotlib、scipy、scikit-learn、ipython、ipython笔记本、anaconda和seaborn。

统计数据

如果数据没有得到正确的解释，编程是没有用的。如果我们谈论的是数据，统计数据总是会出现在画面中。许多统计技能是建立一个成功的数据分析师职业生涯所必需的，如形成数据集，基本知识的平均，中位数，模式，SD和其他变量，直方图，百分位数，概率，方差分析，链接和分布在某些组的数据，相关性，因果关系，等等。

数学

数据分析是一场数字游戏:如果你擅长数字，这就是你的出路。

矩阵和线性代数、关系代数、CAP定理、框架数据和级数的高级知识对于成功地成为一名数据分析师也很重要。

机器学习

如果你想成为一名数据分析师，机器学习是最强大的技能之一。它本质上是多元微积分和线性代数以及统计学的结合。你真的不需要投资于任何机器学习算法，因为你只需要提高你的技能。

机器学习有三种:

在监督学习中，计算机算法的学习分为两个阶段:学习阶段和测试阶段。在第一个阶段，计算机学习并适应学习，而在第二个阶段，它是活的。例如，使用现代智能手机，语音识别首先了解用户的真实语音和语调，然后再将其应用到未来的用例中。你将使用的工具包括逻辑回归、决策树、支持向量机和朴素贝叶斯分类。

无监督学习是指几个项目之间存在多种关系，而建议引擎提供实时建议。Facebook的好友列表就是一个很好的例子。你将使用的工具有主成分分析、奇异值分解、聚类算法和独立成分分析。

强化学习是介于监督学习和非监督学习之间的一种学习方式，在这种学习方式下，学生有可能得到改善，也有可能做得更好。你将使用的工具包括TD-Learning、Q-Learning和遗传算法。

数据争吵

从某种意义上说，数据争论是所有研究数据汇集在一起形成一个单一的、有凝聚力的整体。在数据争用中，原始数据被转换成适当结构的、可操作的逻辑集。为此，你可能需要同时使用SQL和非基于SQL的数据库，它们充当中心集线器。例如PostgreSQL、Hadoop、MySQL、MongoDB、Netezza、Spark、Oracle等。

通讯及数据可视化

数据分析师的工作不限于数据解释和报告。数据分析人员还需要将获得的见解传达给所有相关涉众。熟悉asggplot、matplotlib、d3等可视化编码工具。js和seaborne是有效实现这一点的关键。

数据的直觉

假设你在一个组织中担任数据分析师。你已经分析了一组数据，并向团队提交了报告，以便他们能够开始工作。在开始项目工作之前，团队可能会有几个问题，以便正确理解项目以及如何使用数据。但是你可能没有足够的时间来回答所有这些问题。

这就是数据直觉发挥作用的地方。通过经验，你将了解可能会提出哪些问题，以及如何策划一组解决所有盲点的答案。这也会帮助你将问题分类为“好问”和“需要问”。

要成为一名成功的数据分析师，你需要对数字充满热情，能够从处理过的数据中提取有用的见解，并能够以可视化的形式准确地表达这些见解。这些技能不是一蹴而就的。只要耐心、努力和正确的引导，一切皆有可能。是的，一切都始于一个计划。