想要成為大數(shù)據(jù)分析師，需要掌握EXCEL、SQL、業(yè)務(wù)分析、可視化、統(tǒng)計學、Python、機器學習這些技能。除此之外，還需要具備業(yè)務(wù)能力、數(shù)據(jù)分析思維能力、溝通能力、數(shù)據(jù)展現(xiàn)能力。

技能一：EXCEL

數(shù)據(jù)存儲：數(shù)據(jù)錄入、單元格設(shè)置、查找、替換、排序、飾選等

數(shù)據(jù)處理：公式、常用函數(shù)等

數(shù)據(jù)分析：分類匯總、條件格式、數(shù)據(jù)透視表等數(shù)據(jù)呈現(xiàn)、圖表制作等

常用快捷鍵

技能二：SQL

常用數(shù)據(jù)(倉)庫：MySQL、Oracle、PostgreSQL、Hive的概念和比較分析

數(shù)據(jù)查詢：簡單查詢、多表查詢

分析數(shù)據(jù)：匯總分析、復雜查詢、窗口函數(shù)解決問題、留存、連續(xù)登錄(購買)等

技能三：業(yè)務(wù)分析

指標異動類分析：GMV/ROI下降等

產(chǎn)品/競品分析：分析和定位產(chǎn)品

指標體系搭建：UJM、OSM等

AB實驗：辛普森悖論、幸存者偏差

業(yè)務(wù)模型：RFM、AARRR、AIPL、FAST等

技能四：可視化

工具類：uick BI、Fine Bl.Tableau等

編程類：pyecharts、matplotlib.ogplot2等

技能五：統(tǒng)計學

基礎(chǔ)知識：方差、偏差、峰態(tài)、偏態(tài)、置信度、置信水平等

假設(shè)檢驗：兩類錯誤、常用檢驗方法等

幾種分布：正態(tài)、二項、均勻、泊松、指數(shù)等

幾個定律：中心極限定理、大數(shù)定律等

技能六：Python

內(nèi)置庫：8個好用的內(nèi)置庫

數(shù)據(jù)處理庫：Pandas、Numpy、SciPy等

機器學習庫：Keras、Scikits-learn、El5等

技能七：機器學習

聚類模型：K-means、DBSCAN、BIRCH等

分類模型：LogisticRegression、Decision Trees、Random Forests、Naive Bayes、KNN、Support VectorMachine等

集成模型：GBDT、XGBOOST等

評價指標：混淆矩陣、MAE、MSE、RMSE、ACC、R^2、AUC.ROC、KS值等

除了以上的技術(shù)能力外，業(yè)務(wù)能力、數(shù)據(jù)分析思維能力、溝通能力、數(shù)據(jù)展現(xiàn)能力也是作為數(shù)據(jù)分析師必不可少的技能。

當然根據(jù)大數(shù)據(jù)崗位的不同，每天工作的場景都會不同。例如初級大數(shù)據(jù)分析師，主要側(cè)重EXCEL、SQL;中級大數(shù)據(jù)分析師除了EXCEL、SQL外，還需要承接問題對接，并對問題進行詳細分析;高等大數(shù)據(jù)分析師大部分工作側(cè)重于溝通和問題分析，站在高層的角度進行判斷和決策。