어떻게 하면 신속하게 데이터 분석가가 될 수 있습니까?

전반적으로, 나는 공식적으로 데이터 분석에 접촉한 지 거의 1 년이 되었는데, crash 에 대해 여전히 약간의 체험이 있다. 우수한 데이터 분석가는 빨리 할 수는 없지만 제로 경험은 지름길이 있다. 위의 전제는 데이터 분석가의 문턱에 도달하여 데이터 마이닝과 같은 고급 기술을 포함하지 않고 offer 를 원활하게 받을 수 있도록 하기 위한 것입니다. 제 방법은 인터넷 분야에 편향되어 있습니다. 분석가의 직위뿐만 아니라 운영 및 제품 능력 배양에도 적용됩니다. 다른 분야에서는 사람들이 다른 견해를 가지고 있다. 시중에는 7 주 7 주 데이터베이스와 7 주 7 프로그래밍 언어가 있습니다. 오늘 우리는 7 주와 7 주 안에 데이터 분석가가 되는 방법을 배울 것이다. 엑셀 재생이 원활하면 이번 주를 건너뛸 수 있습니다. 그러나, 내가 입사할 때 vlookup 을 할 줄 모르기 때문에, 말할 필요가 있다. Sum, count, sumif, countif, find, if, left/right, 시간 변환 등을 포함한 다양한 함수를 이해하는 데 중점을 둡니다. Excel 함수는 전부 배울 필요는 없고, 검색을 배우는 것이 중요하다. 즉, 검색 엔진에서 발생한 문제를 명확하게 설명하는 방법입니다. Vlookup 과 PivotTable 을 익히면 충분하다고 생각합니다. 가격 대비 성능이 가장 뛰어난 두 가지 기술입니다. Vlookup 은 SQL 의 join, Python 의 merge 를 잘 이해합니다. 학습 피벗 테이블, SQL 의 그룹 및 파이썬의 pivot_table 은 동일합니다. 만약 이 두 가지를 해낸다면, 65438+ 백만 이하의 데이터는 통계하기 어렵지 않고, 사무실 사무직의 80% 가 모두 해치울 수 있다. 데이터 시각화와 데이터 분석 분야에 고전적인 말이 하나 있는데, 문자는 표보다 못하며, 표는 그림과 같지 않다. (윌리엄 셰익스피어, 윈스턴, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석) 데이터 시각화는 데이터 분석의 주요 방향 중 하나입니다. 데이터 마이닝과 같은 고급 분석 외에도 많은 데이터 분석은 모니터링 데이터와 관찰 데이터입니다. 분석적 사고의 훈련. 데이터베이스 학습 엑셀 처리 10 만 개 이내의 데이터는 문제없지만 인터넷 업계는 데이터가 부족하지 않다. 그러나 제품이 약간의 규모를 가질 때마다 데이터는 수백만 달러입니다. 이때 데이터베이스를 배워야 한다. 너는 MapReduce 의 원리를 이해할 수 있다. 통계 지식 학습은 데이터 분석가에게 비즈니스 이해가 데이터 방법론보다 더 중요하다. 물론 상과 공부에는 지름길이 없어서 아쉽다.