數據分析師培訓需要多少錢（關于數據分析師的學習路線）

CDA數據分析師出品編輯：JYD對于很多初入數據分析領域的小白來說，往往都會陷入迷茫。數據分析的坑很大，一旦走上這條路，就要明確基本方向，不然只會越走越偏，最后耗費力氣，毫無收獲。比如你想要成為一名數據分析師，你就可以到招聘網站看看，對應崗

CDA數據分析師 出品

編輯：JYD

對于很多初入數據分析領域的小白來說，往往都會陷入迷茫。數據分析的坑很大，一旦走上這條路，就要明確基本方向，不然只會越走越偏，最后耗費力氣，毫無收獲。

比如你想要成為一名數據分析師，你就可以到招聘網站看看，對應崗位的需求是什么？這樣你就會對需要掌握的崗位技能架構有了初步認識。

數據分析領域對應的崗位非常多，經常把同學們繞暈。比如：數據分析、商業(yè)分析、運營分析、產品分析、銷售分析、數據挖掘、算法模型等等。

如何區(qū)別這些讓人眼花繚亂的概念，今天系統(tǒng)講解一下。

01、數據分析師的不同方向

數據分析師根據自己的工作崗位、行業(yè)、工作內容等等，可以分成非常多的種類。

但總體可以區(qū)分成兩個方向，即業(yè)務方向和技術方向。當然，在業(yè)務和技能上兩類也是需要相互結合的。

其中，想要短時間內快速成為技術方向的數據分析師，是非常很難的。一定要底子深基礎牢，編程語言基礎、統(tǒng)計學知識、算法、數據結構樣樣不能少，甚至得精通，而這些不是我們自習兩三個月就能完全掌握的。

而業(yè)務方向的數據分析師，在目前的招聘市場上需求崗位最多。這種崗位的進入門檻會相對較低一點，所以對于0基礎想轉行的同學，自然業(yè)務型數據分析師會更適合。但如果入職后不能盡快掌握業(yè)務，提升自己的數據思維能力，就很有可能就變成“只會提數的表哥表姐”。

所以，想快速成為一名數據分析師，又不想入職后淪為“打雜”人員。就應該知道自己應該持續(xù)學習并掌握的各項技能，以及自己進入數據分析行業(yè)后的發(fā)展路徑。

02、數據分析師的學習路線

我分析了招聘網站上多個與數據分析的相關崗位，根據薪資高低大概分為三個等級。

各階段數據分析師的差異體現在三個方面：業(yè)務技能、執(zhí)行管理能力、業(yè)內影響力。

后兩者能力屬于軟實力，需要在工作中逐漸掌握。作為初學者，第一步最需要的是掌握業(yè)務技能，最好能了解完整的學習路線。

初級水平：

掌握常見表格制作和數據庫基本功能操作，就可以做業(yè)務數據分析師。

中級水平：

在初級水平基礎上，對常見函數應用熟練，數據庫操作熟練，掌握ETL能力，掌握統(tǒng)計分析模型，具備行業(yè)相關業(yè)務經驗，可以進行簡單的建模操作，就可以做策略數據分析師。

高級水平：

具備數據科學家能力，機器學習、深度學習算法能力、建模挖掘能力和建模挖掘能力突出，對行業(yè)業(yè)務邏輯深度認知，就可以做算法工程師、挖掘工程師。

所以我們該如何具備這些能力呢？

學習統(tǒng)計學

首先需要學習統(tǒng)計學。統(tǒng)計學部分主要分為三大模塊。

第一個模塊就是描述性統(tǒng)計。

可以幫助我們在拿到一個數據集的時候進行初步的統(tǒng)計分析。描述性統(tǒng)計當中需要掌握的概念有，比如集中趨勢、離散趨勢、數據分布、缺失值和異常值等等。

第二個模塊是參數估計和假設檢驗。

這里需要掌握的大約有，比如點估計方法、置信度、置信區(qū)間、原假設、備擇假設、P值、檢驗統(tǒng)計量等。

第三個模塊是統(tǒng)計模型。

在這個模塊當中，主要要掌握的包括卡方分析、方差分析、主成分分析、因子分析，以及統(tǒng)計模型的圓點：回歸分析。

學習分析工具

首先需要學習統(tǒng)計學。統(tǒng)計學部分主要分為三大模塊。

在學習完統(tǒng)計學之后，就要開始代碼及編程部分，進入分析工具的學習了。

之前我們講過入門數據分析必學的4大工具，這期我們直接來講利用這些工具的要學會那些技能。

在Excel中我們主要需要掌握一些基本的計算函數、數據透視表以及VLOOKUP函數。

在SQL中我們主要掌握表的增、刪、改、查、表連接、子查詢以及窗口函數的運用和SQL語句的執(zhí)行順序。

在Python中，我們要掌握最基本的數據結構，包括列表、字典、字符串、元祖、數組、集合。還需要掌握基本的語句，比如說IF語句、For循環(huán)、while 循環(huán)。還要熟練運用Python中的各種庫，比如有numpy/pandas等等。

最后還有數據可視化的分析工具BI。大家需要學習的包括儀表盤的制作，一些基本的計算函數的運用。

算法模型和機器學習

學習完工具后我們就要開始算法模型以及相關機器學習的部分知識了。

大家主要掌握的就是模型的原理、模型的運用，模型的調優(yōu)以及效果的評估。機器學習部分主要可以分為：有監(jiān)督學習以及無監(jiān)督學習。在有監(jiān)督學習中，主要可以分為回歸算法與分類算法。而在無監(jiān)督學習中，我們主要需要掌握的就是聚類算法和降維算法。

掌握業(yè)務知識

最后就是業(yè)務知識模塊。

數據分析師必須要掌握一些行之有效的的數據分析方法，并能靈活的與自身實際工作相結合。數據分析師常用的數據分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

如果你也想快速成為一名數據分析師，歡迎咨詢我們。順便給大家提供了一份數據分析學習資料，歡迎掃碼領取學習。