返回目录：excel表格制作
会SQL Python，r，spss，Excel，只能成为薪资6k左右的业务数据分析师吗？
这些都是工具，6K估计是给你开的你所会的这些工具的价格，至于你值多少钱或者将来你在这个岗位上能值多少钱，这首先要看是否人岗匹配，岗位的设定和你会的东西是不是绝大部分吻合的。如果匹配那么就要看你用这些工具能产生多少有价值的增量信息，这个才是关键。
首先，要知道业务数据分析的核心价值是什么？
业务分析要熟悉行业特点，了解公司业务及流程，有针对性的抓住运营管理的痛点和关键点，才能有自己独到的见解和分析视角，才能给业务部门提供可靠的数据分析。若脱离行业认知和公司业务背景，缺少管理思维，无准确的分析视角，分析的结果只会是脱了线的风筝，无法给运营提供指导，就没有太大的使用价值。
其次，要知道业务数据分析需要的技能和对自身现状进行分析。
一般来说需要具备业务及管理知识和IT技术，如下图。根据所掌握的知识不同一般分为三种类型：
- 业务分析师，业务现状分析，用数据说明业务痛点，梳理各指标间的关系。
- BI工程师，和ETL打交道，主要做数据规范，数据仓库，维度建模等，业务分析师中最好的程序员。
- 算法工程师，各种技术高能力，数学基础扎实。
世界很喜欢和我们开玩笑，我们会的知识绝大多数不会太值钱，你需要打破边际，补充了不会的知识之后才会更值钱。
- 极端情况一：如果你只懂业务不懂IT技术，那么你在工具上不能得心应手，没有好的效率和展现方式。
- 极端情况二：如果你只会IT技术没有业务和管理基础，那么你只是会工具的，不能产生有核心价值的人员。
最后针对自身现状分析，找出提高价值的解决方法。
解决方法一般来说有两种：
- 一种方法是补短板，你往另外一个方向去努力，补充你不足的地方，如上图所示，不懂业务的补充业务流程知识和管理学基础，多下沉去了解业务重心和痛点内容，不懂IT技术的去学学维度建模方法，BI基础，数据库基础，算法的科普读物等。
- 另外一种方法就是合作，倘若你是IT技术比较强的人员，那么你可以找一个业务比较熟悉的人员，你们组成一个团队，共同出成绩。现在的世界，信息是爆炸式的增长，根本学不完，如果你有一个好的搭档，有匹配的价值观，有优秀的团队意识，那么组合也是一个非常好的选择，可以优势互补，共创佳绩。
总之，工具不是决定你的价值的主要因素，你的输出是什么，能解决什么，决定了你的市场定位和价值。
如何才能快速成为一名数据分析师？
如何快速成为数据分析师？不建议急于求成，所谓快速仅仅是入门而已，想要真正成为数据分析师恐怕需要到实际工作中去历练。下面给出一些建议。
数据分析师需要的技能大致有这些：Excel、SQL、统计学及SPSS、Python/R等。
建议从Excel开始，因为Excel是使用最多，也是最强大的数据分析工具，入门简单，因为大部分人都接触过Excel。
Excel
Excel分为四块：公式+技巧+数据透视表+图表。
先从Excel公式开始，通过公式感受Excel的强大与神奇。Excel常用公式分为5类，如下图所示。
接下来需要学习一些常用的快捷键和技巧，这样可以提高学习效率，对于以后的工作也大有益处。
Excel数据透视表可以让我们不用写任何公式就可以轻松实现对数据的分类统计、汇总等。
古人云，一图胜万言，通过图表来展示数据会更形象，也更高效。
关于Excel的教程可以看下我的专栏：Excel数据分析108讲
MySQL
数据分析师跟数据打交道，而数据存储在数据库中，所以懂点SQL知识也是必须的，用得最多的数据库是MySQL数据库，作为数据分析师需要掌握的SQL知识如下图所示。
统计学
统计学是数据分析师的理论基础，只有具备扎实的理论基础，才能在数据分析这条路上走得更远。
SPSS
SPSS是一个很常用的数据分析工具，提供了非常友好的图形操作界面，当然，学习SPSS需要建立在统计学的基础上。
说明：后面的部分跟统计学几乎一样，因为SPSS是一个去实现统计学理论的工具。
如今这个时代，少儿都开始学编程了，作为数据分析师，懂点编程也是必须的，因为解决数据挖掘问题需要用机器学习算法。数据分析中主流的编程语言有两种：Python和R。先说说Python。
Python
对于Python，需要掌握的知识有这些：Python基础、Numpy、pandas、matplotlib、Python机器学习等。
1、Python基础
2、Python三大件：Numpy、pandas和matplotlib
3、Python机器学习
R语言
对于R，需要掌握的知识有这些：R语言基础、R数据可视化、数据预处理包、R统计分析、R机器学习等。
回答完毕，欢迎关注【数据科学吧】，分享数据科学相关的知识。
点赞并转发，可以免费领取以上思维导图哦！领取方式：点赞并转发后，私信我。
29岁转行做大数据分析师晚不晚？
谢谢邀请！
对于大数据分析岗位来说，29岁入行还是可以的，因为相对于应用级程序员来说，数据分析师的职业生命周期还是比较长的。
随着大数据时代的到来，数据分析师的知识结构也在进行调整，早期数据分析师不少都是统计学、经济学相关专业毕业的，而目前数据分析师不少都是数据科学专业、数学、计算机相关专业毕业的，这也是大数据时代的一个特点。
大数据分析的基础知识包括统计学、计算机和数学，其中计算机相关技术的占比较大，对于不同知识结构的人来说，从事的数据分析岗位也有一定的区别。对于计算机基础比较薄弱的人来说可以从工具开始学起，数据分析有大量的工具可以使用，Excel就是一个数据分析的利器。
随着数据量的增加可以进一步学习数据库、编程语言等相关知识。目前行业里做数据分析实现的不少BI工程师基本上都属于应用级分析人员，懂数据库知识和BI工具的知识基本就可以了，涉及到编程的地方非常少。
对于基础比较好的人可以从事研发级分析，目前通过机器学习的方式来实现数据分析是比较流行的做法。机器学习的实现步骤包括数据收集、算法设计、算法实现、算法验证、算法应用等，机器学习开发需要有扎实的数学基础和程序设计基础。
目前采用Python进行机器学习实现是比较常见的选择，由于Python语言自身比较简单，而且Python语言有大量的库可以使用，所以采用Python做机器学习是非常方便的，在开发周期、代码量和代码调整等方面，Python与Java相比都具备一定的优势。
人工智能和大数据是我的主要研究方向，目前也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，也可以咨询我，谢谢！
数据分析师需要懂编程吗？
谢谢邀请！
数据分析师通常分成两种，一种是应用级数据分析师，另一种是研发级数据分析师，区别就在于是否具备算法设计及实现的能力。
应用级数据分析师通常需要掌握各种数据分析工具，把业务模型映射到数据分析工具上，从而得到数据分析的结果。数据分析工具比较多，比如Excel就是一个传统的数据分析工具，另外还有Minitab、LINGO、JMP等，要想全面掌握这些工具的使用需要具备一定的数学基础和统计学基础。通常做BI的数据分析师还需要进一步掌握数据库的基础知识，但是难度往往并不大。
研发级数据分析师就需要掌握编程知识了，在数据分析领域R、Python、C、MATLAB等语言都有广泛的应用，目前通过Python等语言来完成数据分析也是一个比较常见的做法。其实MATLAB也是一个在数据分析领域占据重要位置的软件（语言），MATLAB功能非常强大。
在大数据时代，通过机器学习的方式实现数据分析是一个比较常见的方式，而Python语言则是一个比较常见的选择，一方面Python语言简单易学，另一方面Python语言具备丰富的库支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比较常见的库，这些库的使用会极大的降低算法实现的难度。
总之，对于数据分析师来说，如果想在数据分析的道路上走的更远，编程是一定要掌握的，其实编程语言本身并不是数据分析环节中的难点，比如学习Python还是一个比较轻松的过程。
对于基础比较薄弱的学习者来说，从使用工具开始学习数据分析是一个比较现实的选择。
作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。
欢迎关注作者，欢迎咨询计算机相关问题。
九道门 | 大数据分析师，数据分析师有区别吗？
大数据是我的主要研究方向之一，所以我来回答一下这个问题。
首先，大数据分析师是大数据时代背景下产生的一种新型技术岗位，与传统数据分析师的区别主要体现在三个方面，其一是技术体系结构不同；其二是岗位任务目的存在一定的区别；其三是工作场景具有一定的区别。
对于大数据分析师来说，要具备更加全面的知识结构，涉及到大数据平台知识、算法设计知识、程序设计知识和具体的行业知识等，所以相对于传统的数据分析师来说，大数据分析师的从业门槛有了一定程度的提升。从目前行业领域的人才招聘情况来看，大数据分析岗位往往需要具有较高的学历要求，研究生往往更愿意从事相关岗位。
大数据分析的目的与传统的数据分析目的也存在一定的区别，主要体现在两个方面，其一是大数据分析比较注重数据的价值化，简单的说，大数据分析的结果会提升数据的价值，而传统数据分析的目的往往是以应用为导向的。另一个区别在于，大数据分析的结果往往是为了提供给智能体使用，比如人工智能领域的算法训练、验证等过程都需要大数据分析的参与。
在工作场景上，大数据分析与传统的数据分析也存在一定的区别，大数据分析往往需要借助于大数据平台进行，比如Hadoop、Spark，以及各种商用的大数据平台等，但是传统的数据分析往往会基于Excel或者是传统数据库进行。相对于传统数据分析工具来说，大数据分析的工具往往更加丰富，复杂程度也有明显的提升。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
做数据分析需要学什么？
数据分析最主要的是要有数学知识，它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。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。
其次是要学习使用分析工具。熟练掌握Excel是必须的，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，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
三，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。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
四，业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。
五，逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
六、数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
七，协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
八，快速学习
无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。
快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！
大家好，我对Excel公式应用算比较精通，现在想往数据分析师发展，该怎么学习？
这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界500强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。
数据分析师到底是什么，其实比较模糊。简单的说，就是数据分析，关键是，我们分析这些数据干什么，我个人认为，是从数据中获取有用的信息，一切都以数据说话。
举个简单的例：我们把所有数据分成1-12月份，看每个月的销量，从销量上就可以看出一年的周期规律。说的再小一点，如果数据收集的够齐，我们也可以分析，每个销量是哪些性格的人去买，然后根据这种特点，改进产品。
我想数据分析师就是这样一个职业。
实际上我们最大的问题是完全不知道，数据分析师到底应该具备什么知识？或者说，给你一个数据，你能拿他分析出什么结果。这才是分析师的价值。
所以，如果你不知道怎么走这条路，我就建议按这个目的来走，思考一下，如何才能达到这个目的。我个人认为，至少从两方面来说。一方面是你要了解数据分析的方向，也就是数据分析的一些思路。另一方面，你有分析的思路后，再看有哪些对应的软件可以做分析。我所知道的就是power bi这个软件，可视化图表，具说有一家公司利用这个软件分析出了把尿布放在奶粉旁边，可以提高奶粉的销量。的确如此，这也不是没有道理。不过光这一个软件肯定是不够，另外再多说一句，估计你的函数知识帮不了什么忙，因为数据分析不会用excel函数，或者用的很少，比如：power query就用的是m函数，当然你有函数功底学起来还是有帮助的。
把话说的简单一点，数据分析师就是生成不同的图表，从不同的角度来说明问题，找出问题。你的任务是如何在一分钟内生成100个图表，然后从中找问题。