Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
在開始課程前,建議先閱讀此篇文章
本篇為 Neil 自行透過整理網路資料學習的過程,非專業人士教學課程,主要內容皆出自此篇文章。
對學習 「資料分析」 有興趣的人
無
暸解成為一名資料分析相關職位的學習步驟
其實企業根本不需要那麼多資料分析師
資料分析慢慢變成了一種通用能力
集中在零售、銀行、金融、科技(電信、醫療)
市面上資料分析師都大概分為了三種:打雜分析師、業務分析師、商業分析師
考驗是資料思維和洞察力
用於影響決策,才是有意義的
暸解所在行業商業模式
資料分析師
大數據分析師
數據分析師
數據分析工程師
營運數據分析師
資料工程師
商業分析師
商業資料分析師
商業數據分析師
BI 數據分析師
數據分析專員
數據分析人員
資料數據分析師
業務數據分析師
Google Analytics 資深數據分析師
社群數據分析師
數據分析設計師
AI大數據分析師/主管
金融數據分析師
內容數據分析師
營運數據分析工程師
數據分析顧問
輿情數據分析研究員
【IT】商業智慧(BI)數據分析師【林口】
BI數據分析師(BI Analyst Engineer)
…
先掌握 BI 工具的運用,幫助快速熟悉起資料分析的流程。
知名的 BI 產品有 Tableau,Power BI,還有 FineBI
BI 需要掌握資料的連結,連不上資料怎麼分析。
還有儀錶盤 Dashboard 的概念,知道絕大多數圖表適用的場景和怎麼繪製,維度和指標的區分。
一些資料的清洗,如果 BI 掌握得透徹也可以放 BI 處理,但不熟悉還是用 SQL 處理吧。
或是整能用GA的話,可參考此文章學習 https://ithelp.ithome.com.tw/users/20091306/ironman/6547
基於一些資料分析方法,如象限法、多維法、假設法、指數法、二八法、對比法、漏鬥法,在特定業務場景下,還衍生了通用的業務分析模型,常用的有購物籃分析模型,RFM模型,漏斗分析模型,客戶生命周期,以及預測、聚類分析等挖掘模型。
直接套用實做看看。
R 語言傾向於統計分析、繪圖,統計學家或者學統計學的喜歡用R 語言
Python 是面向未來的語言,無論從流行度、可用性還是學習難度來講,Python 都是最好的入門語言。
從 code academy 開始學起,完成上面的所有練習
掌握三個庫 Numpy、Pandas、Matplotlib,
Numpy 是利用 Python 科學計算的基礎包,對 Numpy 好的掌握將會幫助你有效地使用其他工具例如Pandas。
資料分析結果表達的是否到位,領導是否認同,工資漲不漲,全靠這一紙 dashboard(當然還有「講故事」的功力)。
這個學習計劃更多是偏業務的資料分析
事實上目前大多的資料崗主要工作都是不斷完善與優化資料指標體系
任何一個崗位的設定都是要為企業帶來價值或利潤的,資料分析師也是如此。要搞清未來價值所在,升職加薪之路才會明朗。
目前有一個非常火的詞來形容一類資料分析師,叫「增長黑客」,所做的事也很時髦,叫「資料驅動」。字面意思很好理解,就是利用資料分析技術給業務帶來增長,驅動企業轉型。
需要掌握統計學的以下幾大概念
集中趨勢(中數、眾數、平均數)
變異(四分位數、四分位距、異常值、方差)
歸一化(標準分數)
正態分布
抽樣分布(中心極限、抽樣分布)
估計(置性度、置信區間)
假設檢驗
T檢驗