簡介

本人統計學出身，畢業后去了一家甲方公司上班，本來夢想成為一名商業數據分析師，工作了一年，掌握的技術主要是數據倉庫、SAS和SQL，后期基本上在提數、取數、做報表，活生生的成了業務端的表哥，每天做的工作雖然可愛，但是已經無法打動我自己了。難道我的數據分析之路就要止步于此了嗎！我不!

為了面對日益嚴峻的數據分析和數據挖掘的就業形勢，看了N篇咨訊和就業規劃，以及結合自己的目前情況和擁有的知識技能，帶著“我能去什么樣的公司，該去什么樣的公司，未來應該是什么方向發展”的人生困惑思考了很久很久，想想自己還有什么方面可以通過學習來提高。就這樣，帶著找一份更好的工作的激勵，結合自身工作經驗，我對數據分析師多了那么一點認識，就有了以下學習路徑的規劃。

數據分析師的工作主要分為四個步驟，發現問題——數據獲取——數據處理——數據建模——可視化，(非機器學習和算法工程師)。每個模塊都有可以去深挖的技能點，可結合自己的興趣點去完成相應的學習。有了這么個框架，就知道自己每一步走在哪里，就趕緊開始愉快的學習啦！

數據獲取

主要是需要了解數據庫的架構和存儲原理，高級一點可以往數據開發工程師走，還有現在比較流行的互聯網產品經理知道數據底層的東西也更容易和技術人員打交道。

數據處理

數據處理，在這個過程中我們可以去發現數據的業務分析價值，其實也是我理解的數據分析比較核心的一部分。數據處理是為了建模和分析服務，因此如何分析，要達到什么樣的分析效果和目標，需要先有良好的分析思維和業務知識，才能夠有效率的對數據處理，所以我把數據分析這一塊放在了這部分。著重補充分析技能，思維方式以及分析工具。

數據建模

數據建模，當然少不了機器學習算法和很流行的tensorflow框架了，想要高薪的工作一定要補充這兩大部分的知識。個人覺得對算法熟悉程度，決定以后做數據產品經理的高度和深度。

數據可視化

數據可視化，所有的數據結果最終一定要展示吧，如何把工作思路講明白，也就是如何向上級、向客戶講一個生動的故事。這些需要我們平時多積累，多思考，該項技能培養應落實到每天的工作中。酷炫的效果固然值得追求，但是不要忘了好故事也很重要哦。這部分重點推薦一些可視化工具，分為離線代碼型、離線界面型、在線型三部分。

注：可視化工具：
1.離線代碼型：D3.js，process，python,r,sas
2.離線界面型:excel，ppt，tableau
3.在線型：echarts，阿里的datav，神策、易觀

再次更新，昨天聽了一家數據咨詢服務公司的前輩們的講座，對數據分析的職業道路有了一些新的認識，那就是業務！對業務的理解相當重要。數據分析廣義上分為兩個方向，技術和業務，一般來說，業務方向求職的話，盡量不要換行業，因為各個行業的分析方法和關鍵指標千差萬別，而如果是技術方向的話就無所謂，技術是可以舉一反三的。

而對業務的理解，沒有幾年的沉淀也無法達到一種深入理解的高度。在過去一年的工作里，我反思了自己工作中遇到的問題，一直覺得數據分析不是那么夠說服力，原因根本在于我對業務缺乏主動了解的耐心，而更多是對技術的追求，所以這也是我在對工具熟練之后感覺自己收獲越來越少、成長越來越慢的原因。當然我自身對工作的理解是一個部分，整體工作的氛圍促使了我這樣的決策，所以我想到了換工作。

今天是2月24號了，目前為止只面試了一家公司，雖然失敗了，但是對方的話語給了我很多的啟發，保持樂觀的心態，繼續學習吧，等下一次面試就緊緊抓住機會！

總結

以上是生活随笔為你收集整理的2020数据分析师学习路径的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。