一飞盆、大數(shù)據(jù)分析的五個基本方面
1、可視化分析
大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家次乓，同時還有普通用戶吓歇，但是他們二者對于大數(shù)據(jù)分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現(xiàn)大數(shù)據(jù)特點票腰，同時能夠非常容易被讀者所接受城看，就如同看圖說話一樣簡單明了。
2杏慰、數(shù)據(jù)挖掘算法
大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法测柠，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點，也正是因為這些被全世界統(tǒng)計學(xué)家所公認(rèn)的各種統(tǒng)計方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部缘滥，挖掘出公認(rèn)的價值轰胁。另外一個方面也是因為有這些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如果一個算法得花上好幾年才能得出結(jié)論朝扼，那大數(shù)據(jù)的價值也就無從說起了赃阀。
3、預(yù)測性分析能力
大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測性分析擎颖，從大數(shù)據(jù)中挖掘出特點榛斯，通過科學(xué)的建立模型观游，之后便可以通過模型帶入新的數(shù)據(jù)，從而預(yù)測未來的數(shù)據(jù)驮俗。
4懂缕、語義引擎
大數(shù)據(jù)分析廣泛應(yīng)用于網(wǎng)絡(luò)數(shù)據(jù)挖掘，可從用戶的搜索關(guān)鍵詞王凑、標(biāo)簽關(guān)鍵詞提佣、或其他輸入語義，分析荤崇，判斷用戶需求，從而實現(xiàn)更好的用戶體驗和廣告匹配潮针。
5术荤、數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理
大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理每篷，無論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域瓣戚，都能夠保證分析結(jié)果的真實和有價值。 大數(shù)據(jù)分析的基礎(chǔ)就是以上五個方面焦读，當(dāng)然更加深入大數(shù)據(jù)分析的話子库，還有很多很多更加有特點的、更加深入的矗晃、更加專業(yè)的大數(shù)據(jù)分析方法仑嗅。
二、如何選擇適合的數(shù)據(jù)分析工具
要明白分析什么數(shù)據(jù)张症，大數(shù)據(jù)要分析的數(shù)據(jù)類型主要有四大類：
1仓技、交易數(shù)據(jù)（TRANSACTION DATA）
大數(shù)據(jù)平臺能夠獲取時間跨度更大、更海量的結(jié)構(gòu)化交易數(shù)據(jù)俗他，這樣就可以對更廣泛的交易數(shù)據(jù)類型進(jìn)行分析脖捻，不僅僅包括POS或電子商務(wù)購物數(shù)據(jù)，還包括行為交易數(shù)據(jù)兆衅，例如Web服務(wù)器記錄的互聯(lián)網(wǎng)點擊流數(shù)據(jù)日志地沮。
2、人為數(shù)據(jù)（HUMAN-GENERATED DATA）
非結(jié)構(gòu)數(shù)據(jù)廣泛存在于電子郵件羡亩、文檔摩疑、圖片、音頻夕春、視頻未荒，以及通過博客、維基及志，尤其是社交媒體產(chǎn)生的數(shù)據(jù)流片排。這些數(shù)據(jù)為使用文本分析功能進(jìn)行分析提供了豐富的數(shù)據(jù)源泉寨腔。
3、移動數(shù)據(jù)（MOBILE DATA）
能夠上網(wǎng)的智能手機(jī)和平板越來越普遍率寡。這些移動設(shè)備上的App都能夠追蹤和溝通無數(shù)事件迫卢，從App內(nèi)的交易數(shù)據(jù)（如搜索產(chǎn)品的記錄事件）到個人信息資料或狀態(tài)報告事件（如地點變更即報告一個新的地理編碼）。
4冶共、機(jī)器和傳感器數(shù)據(jù)（MACHINE AND SENSOR DATA）
這包括功能設(shè)備創(chuàng)建或生成的數(shù)據(jù)乾蛤，例如智能電表、智能溫度控制器捅僵、工廠機(jī)器和連接互聯(lián)網(wǎng)的家用電器家卖。這些設(shè)備可以配置為與互聯(lián)網(wǎng)絡(luò)中的其他節(jié)點通信，還可以自動向中央服務(wù)器傳輸數(shù)據(jù)庙楚，這樣就可以對數(shù)據(jù)進(jìn)行分析上荡。機(jī)器和傳感器數(shù)據(jù)是來自新興的物聯(lián)網(wǎng)（IoT）所產(chǎn)生的主要例子。來自物聯(lián)網(wǎng)的數(shù)據(jù)可以用于構(gòu)建分析模型馒闷，連續(xù)監(jiān)測預(yù)測性行為（如當(dāng)傳感器值表示有問題時進(jìn)行識別）酪捡，提供規(guī)定的指令（如警示技術(shù)人員在真正出問題之前檢查設(shè)備）。
數(shù)據(jù)分析工具達(dá)到哪些要求和目的纳账？
- 能應(yīng)用高級的分析算法和模型提供分析以大數(shù)據(jù)平臺為引擎逛薇，比如Hadoop或其他高性能分析系統(tǒng)能夠適用于多種數(shù)據(jù)源的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)隨著用于分析模型的數(shù)據(jù)的增加，能夠?qū)崿F(xiàn)擴(kuò)展分析模型可以疏虫，或者已經(jīng)集成到數(shù)據(jù)可視化工具能夠和其他技術(shù)集成
另外永罚，工具必須包含必備的一些功能，包括集成算法和支持?jǐn)?shù)據(jù)挖掘技術(shù)卧秘，包括（但不限于）：
- 集群和細(xì)分：把一個大的實體分割擁有共同特征的小團(tuán)體尤蛮。比如分析收集來的客戶，確定更細(xì)分的目標(biāo)市場斯议。分類：把數(shù)據(jù)組織進(jìn)預(yù)定類別产捞。比如根據(jù)細(xì)分模型決定客戶改如何進(jìn)行分類『哂恢復(fù)：用于恢復(fù)從屬變量和一個及一個以上獨(dú)立變量之間的關(guān)系坯临，幫助決定從屬變量如何根據(jù)獨(dú)立變量的變化而變化。比如使用地理數(shù)據(jù)恋昼、凈收入看靠、夏日平均溫度和占地面積預(yù)測財產(chǎn)的未來走向。聯(lián)合和項目集挖掘：在大數(shù)據(jù)集中尋找變量之間的相關(guān)關(guān)系液肌。比如它可以幫助呼叫中心代表提供基于呼叫者客戶細(xì)分挟炬、關(guān)系和投訴類型的更精準(zhǔn)的信息。相似性和聯(lián)系：用于非直接的集群算法。相似性積分算法可用于決定備用集群中實體的相似性谤祖。神經(jīng)網(wǎng)絡(luò)：用于機(jī)器學(xué)習(xí)的非直接分析婿滓。
人們通過數(shù)據(jù)分析工具了解什么？
- 數(shù)據(jù)科學(xué)家們粥喜，他們想使用更復(fù)雜的數(shù)據(jù)類型實現(xiàn)更復(fù)雜的分析凸主，熟知如何設(shè)計，如何應(yīng)用基礎(chǔ)模型來評估內(nèi)在傾向性或偏差额湘。業(yè)務(wù)分析師卿吐，他們更像是隨性的用戶，想要用數(shù)據(jù)來實現(xiàn)主動數(shù)據(jù)發(fā)現(xiàn)锋华，或者實現(xiàn)現(xiàn)有信息和部分預(yù)測分析的可視化嗡官。企業(yè)經(jīng)理，他們想要了解模型和結(jié)論毯焕。IT開發(fā)人員谨湘，他們?yōu)橐陨纤蓄愑脩籼峁┲С帧?/li>
如何選擇最適合的大數(shù)據(jù)分析軟件？
分析師的專業(yè)知識和技能芥丧。有些工具的目標(biāo)受眾是新手用戶，有的是專業(yè)數(shù)據(jù)分析師坊罢，有的則是針對這兩種受眾設(shè)計的续担。
- 分析多樣性。根據(jù)不同的用戶案例和應(yīng)用活孩，企業(yè)用戶可能需要支持不同類型的分析功能物遇，使用特定類型的建模（例如回歸、聚類憾儒、分割询兴、行為建模和決策樹）。這些功能已經(jīng)能夠廣泛支持高水平起趾、不同形式的分析建模诗舰，但是還是有一些廠商投入數(shù)十年的精力，調(diào)整不同版本的算法训裆，增加更加高級的功能眶根。理解哪些模型與企業(yè)面臨的問題最相關(guān)，根據(jù)產(chǎn)品如何最好地滿足用戶的業(yè)務(wù)需求進(jìn)行產(chǎn)品評估边琉，這些都非常重要属百。數(shù)據(jù)范圍分析。要分析的數(shù)據(jù)范圍涉及很多方面变姨，如結(jié)構(gòu)化和非結(jié)構(gòu)化信息族扰，傳統(tǒng)的本地數(shù)據(jù)庫和數(shù)據(jù)倉庫、基于云端的數(shù)據(jù)源，大數(shù)據(jù)平臺（如Hadoop）上的數(shù)據(jù)管理等渔呵。但是怒竿，不同產(chǎn)品對非傳統(tǒng)數(shù)據(jù)湖（在Hadoop內(nèi)或其他用于提供橫向擴(kuò)展的NoSQL數(shù)據(jù)管理系統(tǒng)內(nèi)）上的數(shù)據(jù)管理提供的支持程度不一。如何選擇產(chǎn)品厘肮，企業(yè)必須考慮獲取和處理數(shù)據(jù)量及數(shù)據(jù)種類的特定需求愧口。協(xié)作。企業(yè)規(guī)模越大类茂，越有可能需要跨部門耍属、在諸多分析師之間分享分析、模型和應(yīng)用巩检。企業(yè)如果有很多分析師分布在各部門厚骗，對結(jié)果如何進(jìn)行解釋和分析，可能會需要增加更多的共享模型和協(xié)作的方法兢哭。許可證書和維護(hù)預(yù)算领舰。幾乎所有廠商的產(chǎn)品都分不同的版本，購買費(fèi)用和整個運(yùn)營成本各不相同迟螺。許可證書費(fèi)用與特性冲秽、功能、對分析數(shù)據(jù)的量或者產(chǎn)品可使用的節(jié)點數(shù)的限制成正比矩父。易用性锉桑。沒有統(tǒng)計背景的商業(yè)分析師是否也能夠輕松地開發(fā)分析和應(yīng)用呢？確定產(chǎn)品是否提供了方便開發(fā)和分析的可視化方法窍株。非結(jié)構(gòu)化數(shù)據(jù)使用率民轴。確認(rèn)產(chǎn)品能夠使用不同類型的非結(jié)構(gòu)化數(shù)據(jù)（文檔、電子郵件球订、圖像后裸、視頻、演示文稿冒滩、社交媒體渠道信息等）微驶，并且能夠解析和利用收到的信息】可擴(kuò)展性和可伸縮性祈搜。隨著數(shù)據(jù)量的不斷增長和數(shù)據(jù)管理平臺的不斷擴(kuò)展，要評估不同的分析產(chǎn)品如何跟隨處理與存儲容量的增長而增長士八。
三容燕、如何區(qū)分三個大數(shù)據(jù)熱門職業(yè)——數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師婚度、數(shù)據(jù)分析師
隨著大數(shù)據(jù)的愈演愈熱蘸秘，相關(guān)大數(shù)據(jù)的職業(yè)也成為熱門官卡，給人才發(fā)展帶來帶來了很多機(jī)會。數(shù)據(jù)科學(xué)家醋虏、數(shù)據(jù)工程師寻咒、數(shù)據(jù)分析師已經(jīng)成為大數(shù)據(jù)行業(yè)最熱門的職位。它們是如何定義的颈嚼？具體是做什么工作的毛秘？需要哪些技能？讓我們一起來看看吧阻课。
這3個職業(yè)是如何定位的叫挟？
- 數(shù)據(jù)科學(xué)家是個什么樣的存在數(shù)據(jù)科學(xué)家是指能采用科學(xué)方法、運(yùn)用數(shù)據(jù)挖掘工具對復(fù)雜多量的數(shù)字限煞、符號抹恳、文字、網(wǎng)址署驻、音頻或視頻等信息進(jìn)行數(shù)字化重現(xiàn)與認(rèn)識奋献，并能尋找新的數(shù)據(jù)洞察的工程師或?qū)＜?不同于統(tǒng)計學(xué)家或分析師)。數(shù)據(jù)工程師是如何定義的數(shù)據(jù)工程師一般被定義成“深刻理解統(tǒng)計學(xué)科的明星軟件工程師”旺上。如果你正為一個商業(yè)問題煩惱瓶蚂，那么你需要一個數(shù)據(jù)工程師。他們的核心價值在于他們借由清晰數(shù)據(jù)創(chuàng)建數(shù)據(jù)管道的能力宣吱。充分了解文件系統(tǒng)窃这，分布式計算與數(shù)據(jù)庫是成為一位優(yōu)秀數(shù)據(jù)工程師的必要技能。數(shù)據(jù)工程師對演算法有相當(dāng)好的理解凌节。因此，數(shù)據(jù)工程師理應(yīng)能運(yùn)行基本數(shù)據(jù)模型洒试。商業(yè)需求的高端化催生了演算高度復(fù)雜化的需求倍奢。很多時候，這些需求超過了數(shù)據(jù)工程師掌握知識范圍垒棋，這個時候你就需要打電話尋求數(shù)據(jù)科學(xué)家的幫助卒煞。數(shù)據(jù)分析師該如何理解數(shù)據(jù)分析師指的是不同行業(yè)中，專門從事行業(yè)數(shù)據(jù)搜集叼架、整理畔裕、分析，并依據(jù)數(shù)據(jù)做出行業(yè)研究乖订、評估和預(yù)測的專業(yè)人員扮饶。他們知道如何提出正確的問題，非常善于數(shù)據(jù)分析乍构，數(shù)據(jù)可視化和數(shù)據(jù)呈現(xiàn)甜无。
這3個職業(yè)具體有什么職責(zé)？
- 數(shù)據(jù)科學(xué)家的工作職責(zé)數(shù)據(jù)科學(xué)家傾向于用探索數(shù)據(jù)的方式來看待周圍的世界。把大量散亂的數(shù)據(jù)變成結(jié)構(gòu)化的可供分析的數(shù)據(jù)岂丘，還要找出豐富的數(shù)據(jù)源陵究，整合其他可能不完整的數(shù)據(jù)源，并清理成結(jié)果數(shù)據(jù)集奥帘。新的競爭環(huán)境中铜邮，挑戰(zhàn)不斷地變化，新數(shù)據(jù)不斷地流入寨蹋，數(shù)據(jù)科學(xué)家需要幫助決策者穿梭于各種分析松蒜，從臨時數(shù)據(jù)分析到持續(xù)的數(shù)據(jù)交互分析。當(dāng)他們有所發(fā)現(xiàn)钥庇，便交流他們的發(fā)現(xiàn)牍鞠，建議新的業(yè)務(wù)方向。他們很有創(chuàng)造力的展示視覺化的信息评姨，也讓找到的模式清晰而有說服力难述。把蘊(yùn)含在數(shù)據(jù)中的規(guī)律建議給Boss，從而影響產(chǎn)品吐句，流程和決策藏畅。數(shù)據(jù)工程師的工作職責(zé)分析歷史、預(yù)測未來嫁艇、優(yōu)化選擇附鸽，這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時最重要的三大任務(wù)。通過這三個工作方向文虏，他們幫助企業(yè)做出更好的商業(yè)決策侣诺。大數(shù)據(jù)工程師一個很重要的工作，就是通過分析數(shù)據(jù)來找出過去事件的特征氧秘。比如年鸳，騰訊的數(shù)據(jù)團(tuán)隊正在搭建一個數(shù)據(jù)倉庫，把公司所有網(wǎng)絡(luò)平臺上數(shù)量龐大丸相、不規(guī)整的數(shù)據(jù)信息進(jìn)行梳理搔确，總結(jié)出可供查詢的特征，來支持公司各類業(yè)務(wù)對數(shù)據(jù)的需求灭忠，包括廣告投放膳算、游戲開發(fā)、社交網(wǎng)絡(luò)等弛作。找出過去事件的特征涕蜂，最大的作用是可以幫助企業(yè)更好地認(rèn)識消費(fèi)者。通過分析用戶以往的行為軌跡映琳，就能夠了解這個人宇葱，并預(yù)測他的行為瘦真。通過引入關(guān)鍵因素，大數(shù)據(jù)工程師可以預(yù)測未來的消費(fèi)趨勢黍瞧。在阿里媽媽的營銷平臺上诸尽，工程師正試圖通過引入氣象數(shù)據(jù)來幫助淘寶賣家做生意。比如今年夏天不熱印颤，很可能某些產(chǎn)品就沒有去年暢銷您机，除了空調(diào)、電扇年局，背心际看、游泳衣等都可能會受其影響。那么我們就會建立氣象數(shù)據(jù)和銷售數(shù)據(jù)之間的關(guān)系矢否，找到與之相關(guān)的品類仲闽，提前警示賣家周轉(zhuǎn)庫存。根據(jù)不同企業(yè)的業(yè)務(wù)性質(zhì)僵朗，大數(shù)據(jù)工程師可以通過數(shù)據(jù)分析來達(dá)到不同的目的赖欣。以騰訊來說，能反映大數(shù)據(jù)工程師工作的最簡單直接的例子就是選項測試（AB Test）验庙，即幫助產(chǎn)品經(jīng)理在A顶吮、B兩個備選方案中做出選擇。在過去粪薛，決策者只能依據(jù)經(jīng)驗進(jìn)行判斷悴了，但如今大數(shù)據(jù)工程師可以通過大范圍地實時測試—比如，在社交網(wǎng)絡(luò)產(chǎn)品的例子中违寿，讓一半用戶看到A界面湃交，另一半使用B界面，觀察統(tǒng)計一段時間內(nèi)的點擊率和轉(zhuǎn)化率藤巢，以此幫助市場部做出最終選擇搞莺。數(shù)據(jù)分析師的工作職責(zé)互聯(lián)網(wǎng)本身具有數(shù)字化和互動性的特征，這種屬性特征給數(shù)據(jù)搜集菌瘪、整理腮敌、研究帶來了革命性的突破阱当。以往“原子世界”中數(shù)據(jù)分析師要花較高的成本（資金俏扩、資源和時間）獲取支撐研究、分析的數(shù)據(jù)弊添，數(shù)據(jù)的豐富性录淡、全面性、連續(xù)性和及時性都比互聯(lián)網(wǎng)時代差很多油坝。與傳統(tǒng)的數(shù)據(jù)分析師相比嫉戚，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師面臨的不是數(shù)據(jù)匱乏刨裆，而是數(shù)據(jù)過剩。因此彬檀，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師必須學(xué)會借助技術(shù)手段進(jìn)行高效的數(shù)據(jù)處理帆啃。更為重要的是，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師要不斷在數(shù)據(jù)研究的方法論方面進(jìn)行創(chuàng)新和突破窍帝。就行業(yè)而言努潘，數(shù)據(jù)分析師的價值與此類似。就新聞出版行業(yè)而言坤学，無論在任何時代疯坤，媒體運(yùn)營者能否準(zhǔn)確、詳細(xì)和及時地了解受眾狀況和變化趨勢深浮，都是媒體成敗的關(guān)鍵压怠。
此外，對于新聞出版等內(nèi)容產(chǎn)業(yè)來說飞苇，更為關(guān)鍵的是菌瘫，數(shù)據(jù)分析師可以發(fā)揮內(nèi)容消費(fèi)者數(shù)據(jù)分析的職能，這是支撐新聞出版機(jī)構(gòu)改善客戶服務(wù)的關(guān)鍵職能玄柠。
想要從事這3個職業(yè)需要掌握什么技能突梦？
A. 數(shù)據(jù)科學(xué)家需要掌握的技能
1、計算機(jī)科學(xué)
一般來說羽利，數(shù)據(jù)科學(xué)家大多要求具備編程宫患、計算機(jī)科學(xué)相關(guān)的專業(yè)背景。簡單來說这弧，就是對處理大數(shù)據(jù)所必需的hadoop娃闲、Mahout等大規(guī)模并行處理技術(shù)與機(jī)器學(xué)習(xí)相關(guān)的技能。
2匾浪、數(shù)學(xué)皇帮、統(tǒng)計、數(shù)據(jù)挖掘等
除了數(shù)學(xué)蛋辈、統(tǒng)計方面的素養(yǎng)之外属拾，還需要具備使用SPSS、SAS等主流統(tǒng)計分析軟件的技能冷溶。其中渐白，面向統(tǒng)計分析的開源編程語言及其運(yùn)行環(huán)境“R”最近備受矚目。R的強(qiáng)項不僅在于其包含了豐富的統(tǒng)計分析庫逞频，而且具備將結(jié)果進(jìn)行可視化的高品質(zhì)圖表生成功能纯衍，并可以通過簡單的命令來運(yùn)行。此外苗胀，它還具備稱為CRAN(The Comprehensive R Archive Network)的包擴(kuò)展機(jī)制襟诸，通過導(dǎo)入擴(kuò)展包就可以使用標(biāo)準(zhǔn)狀態(tài)下所不支持的函數(shù)和數(shù)據(jù)集瓦堵。
3、數(shù)據(jù)可視化(Visualization)
信息的質(zhì)量很大程度上依賴于其表達(dá)方式歌亲。對數(shù)字羅列所組成的數(shù)據(jù)中所包含的意義進(jìn)行分析菇用，開發(fā)Web原型，使用外部API將圖表陷揪、地圖刨疼、Dashboard等其他服務(wù)統(tǒng)一起來，從而使分析結(jié)果可視化鹅龄，這是對于數(shù)據(jù)科學(xué)家來說十分重要的技能之一揩慕。
B. 數(shù)據(jù)工程師需要掌握的技能
1、數(shù)學(xué)及統(tǒng)計學(xué)相關(guān)的背景
對于大數(shù)據(jù)工程師的要求都是希望是統(tǒng)計學(xué)和數(shù)學(xué)背景的碩士或博士學(xué)歷扮休。缺乏理論背景的數(shù)據(jù)工作者迎卤，更容易進(jìn)入一個技能上的危險區(qū)域（Danger Zone）—一堆數(shù)字，按照不同的數(shù)據(jù)模型和算法總能捯飭出一些結(jié)果來玷坠，但如果你不知道那代表什么蜗搔，就并不是真正有意義的結(jié)果，并且那樣的結(jié)果還容易誤導(dǎo)你八堡。只有具備一定的理論知識樟凄，才能理解模型、復(fù)用模型甚至創(chuàng)新模型兄渺，來解決實際問題缝龄。
2、計算機(jī)編碼能力
實際開發(fā)能力和大規(guī)模的數(shù)據(jù)處理能力是作為大數(shù)據(jù)工程師的一些必備要素挂谍。因為許多數(shù)據(jù)的價值來自于挖掘的過程叔壤，你必須親自動手才能發(fā)現(xiàn)金子的價值。舉例來說口叙，現(xiàn)在人們在社交網(wǎng)絡(luò)上所產(chǎn)生的許多記錄都是非結(jié)構(gòu)化的數(shù)據(jù)炼绘，如何從這些毫無頭緒的文字、語音妄田、圖像甚至視頻中攫取有意義的信息就需要大數(shù)據(jù)工程師親自挖掘俺亮。即使在某些團(tuán)隊中，大數(shù)據(jù)工程師的職責(zé)以商業(yè)分析為主疟呐，但也要熟悉計算機(jī)處理大數(shù)據(jù)的方式脚曾。
3、對特定應(yīng)用領(lǐng)域或行業(yè)的知識
大數(shù)據(jù)工程師這個角色很重要的一點是萨醒，不能脫離市場斟珊，因為大數(shù)據(jù)只有和特定領(lǐng)域的應(yīng)用結(jié)合起來才能產(chǎn)生價值苇倡。所以富纸，在某個或多個垂直行業(yè)的經(jīng)歷能為應(yīng)聘者積累對行業(yè)的認(rèn)知囤踩，對于之后成為大數(shù)據(jù)工程師有很大幫助，因此這也是應(yīng)聘這個崗位時較有說服力的加分項晓褪。
C. 數(shù)據(jù)分析師需要掌握的技能
1堵漱、懂業(yè)務(wù)。從事數(shù)據(jù)分析工作的前提就會需要懂業(yè)務(wù)涣仿，即熟悉行業(yè)知識勤庐、公司業(yè)務(wù)及流程，最好有自己獨(dú)到的見解好港，若脫離行業(yè)認(rèn)知和公司業(yè)務(wù)背景愉镰，分析的結(jié)果只會是脫了線的風(fēng)箏，沒有太大的使用價值钧汹。
2丈探、懂管理。一方面是搭建數(shù)據(jù)分析框架的要求拔莱，比如確定分析思路就需要用到營銷碗降、管理等理論知識來指導(dǎo)，如果不熟悉管理理論塘秦，就很難搭建數(shù)據(jù)分析的框架讼渊，后續(xù)的數(shù)據(jù)分析也很難進(jìn)行。另一方面的作用是針對數(shù)據(jù)分析結(jié)論提出有指導(dǎo)意義的分析建議尊剔。
3爪幻、懂分析。指掌握數(shù)據(jù)分析基本原理與一些有效的數(shù)據(jù)分析方法须误，并能靈活運(yùn)用到實踐工作中笔咽，以便有效的開展數(shù)據(jù)分析∨冢基本的分析方法有：對比分析法叶组、分組分析法、交叉分析法历造、結(jié)構(gòu)分析法甩十、漏斗圖分析法、綜合評價分析法吭产、因素分析法侣监、矩陣關(guān)聯(lián)分析法等。高級的分析方法有：相關(guān)分析法臣淤、回歸分析法橄霉、聚類分析法、判別分析法邑蒋、主成分分析法姓蜂、因子分析法按厘、對應(yīng)分析法、時間序列等钱慢。
4逮京、懂工具。指掌握數(shù)據(jù)分析相關(guān)的常用工具束莫。數(shù)據(jù)分析方法是理論懒棉，而數(shù)據(jù)分析工具就是實現(xiàn)數(shù)據(jù)分析方法理論的工具，面對越來越龐大的數(shù)據(jù)览绿，我們不能依靠計算器進(jìn)行分析策严，必須依靠強(qiáng)大的數(shù)據(jù)分析工具幫我們完成數(shù)據(jù)分析工作。
5饿敲、懂設(shè)計享钞。懂設(shè)計是指運(yùn)用圖表有效表達(dá)數(shù)據(jù)分析師的分析觀點，使分析結(jié)果一目了然诀蓉。圖表的設(shè)計是門大學(xué)問栗竖，如圖形的選擇、版式的設(shè)計渠啤、顏色的搭配等等狐肢，都需要掌握一定的設(shè)計原則。
四沥曹、從菜鳥成為數(shù)據(jù)科學(xué)家的 9步養(yǎng)成方案
首先，各個公司對數(shù)據(jù)科學(xué)家的定義各不相同妓美，當(dāng)前還沒有統(tǒng)一的定義。但在一般情況下壶栋，一個數(shù)據(jù)科學(xué)家結(jié)合了軟件工程師與統(tǒng)計學(xué)家的技能，并且在他或者她希望工作的領(lǐng)域投入了大量行業(yè)知識贵试。
大約90%的數(shù)據(jù)科學(xué)家至少有大學(xué)教育經(jīng)歷，甚至到博士以及獲得博士學(xué)位毙玻，當(dāng)然，他們獲得的學(xué)位的領(lǐng)域非常廣泛桑滩。一些招聘者甚至發(fā)現(xiàn)人文專業(yè)的人們有所需的創(chuàng)造力，他們能教別人一些關(guān)鍵技能。
因此缭受，排除一個數(shù)據(jù)科學(xué)的學(xué)位計劃(世界各地的著名大學(xué)雨后春筍般的出現(xiàn)著)，你需要采取什么措施，成為一個數(shù)據(jù)科學(xué)家?
1听哭、復(fù)習(xí)你的數(shù)學(xué)和統(tǒng)計技能慢洋。
一個好的數(shù)據(jù)科學(xué)家必須能夠理解數(shù)據(jù)告訴你的內(nèi)容，做到這一點陆盘，你必須有扎實的基本線性代數(shù)普筹，對算法和統(tǒng)計技能的理解。在某些特定場合可能需要高等數(shù)學(xué)隘马，但這是一個好的開始場合太防。
2、了解機(jī)器學(xué)習(xí)的概念酸员。
機(jī)器學(xué)習(xí)是下一個新興詞蜒车，卻和大數(shù)據(jù)有著千絲萬縷的聯(lián)系。機(jī)器學(xué)習(xí)使用人工智能算法將數(shù)據(jù)轉(zhuǎn)化為價值幔嗦，并且無需顯式編程酿愧。
3、學(xué)習(xí)代碼邀泉。
數(shù)據(jù)科學(xué)家必須知道如何調(diào)整代碼嬉挡，以便告訴計算機(jī)如何分析數(shù)據(jù)。從一個開放源碼的語言如Python那里開始吧汇恤。
4庞钢、了解數(shù)據(jù)庫、數(shù)據(jù)池及分布式存儲因谎。
數(shù)據(jù)存儲在數(shù)據(jù)庫基括、數(shù)據(jù)池或整個分布式網(wǎng)絡(luò)中。以及如何建設(shè)這些數(shù)據(jù)的存儲庫取決于你如何訪問财岔、使用阱穗、并分析這些數(shù)據(jù)。如果當(dāng)你建設(shè)你的數(shù)據(jù)存儲時沒有整體架構(gòu)或者超前規(guī)劃使鹅，那后續(xù)對你的影響將十分深遠(yuǎn)揪阶。
5、學(xué)習(xí)數(shù)據(jù)修改和數(shù)據(jù)清洗技術(shù)患朱。
數(shù)據(jù)修改是將原始數(shù)據(jù)到另一種更容易訪問和分析的格式鲁僚。數(shù)據(jù)清理有助于消除重復(fù)和“壞”數(shù)據(jù)。兩者都是數(shù)據(jù)科學(xué)家工具箱中的必備工具。
6冰沙、了解良好的數(shù)據(jù)可視化和報告的基本知識侨艾。
你不必成為一個平面設(shè)計師，但你確實需要深諳如何創(chuàng)建數(shù)據(jù)報告拓挥，便于外行的人比如你的經(jīng)理或CEO可以理解唠梨。
7、添加更多的工具到您的工具箱当叭。
一旦你掌握了以上技巧盖灸，是時候擴(kuò)大你的數(shù)據(jù)科學(xué)工具箱了赁炎，包括Hadoop、R語言和Spark讥裤。這些工具的使用經(jīng)驗和知識將讓你處于大量數(shù)據(jù)科學(xué)求職者之上姻报。
8逗抑、練習(xí)邮府。
在你在新的領(lǐng)域有一個工作之前，你如何練習(xí)成為數(shù)據(jù)科學(xué)家?使用開源代碼開發(fā)一個你喜歡的項目忍啤、參加比賽同波、成為網(wǎng)絡(luò)工作數(shù)據(jù)科學(xué)家未檩、參加訓(xùn)練營冤狡、志愿者或?qū)嵙?xí)生。最好的數(shù)據(jù)科學(xué)家在數(shù)據(jù)領(lǐng)域?qū)碛薪?jīng)驗和直覺挎峦，能夠展示自己的作品合瓢，以成為應(yīng)聘者晴楔。
9、成為社區(qū)的一員岖圈。
跟著同行業(yè)中的思想領(lǐng)袖钙皮，閱讀行業(yè)博客和網(wǎng)站短条，參與茸时，提出問題可都，并隨時了解時事新聞和理論渠牲。
