数据分析书籍推荐知乎(想做数据分析是学python还是学大数据？)

本文目录

1. 做数据分析需要学什么？
2. 大数据专业怎么样？
3. 大数据分析需要学习什么？
4. 想做数据分析是学python还是学大数据？
5. 老铁们，问下有什么比较好的软件可以做数据分析的，推荐一下呗？

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！

大数据专业怎么样？

这是一个非常好的问题，也是很多同学比较关心的问题，作为一名教育工作者，同时也在带大数据方向的研究生，所以我来回答一下。

首先，当前在本科阶段选择大数据专业是不错的选择，虽然大数据专业的设立时间比较短，但是目前的就业表现还是比较突出的，也成为了继计算机科学与技术、软件工程专业之后，又一个就业表现比较突出的计算机大类专业之一。

大数据专业整体的知识体系比较庞大，涉及到的内容也比较多，主干学科就包括数学、统计学和计算机，另外还涉及到经济学、社会学、金融学等一众学科，所以如果想有一个较好的学习体验，一定要做好规划，同时重视为自己营造一个较好的学习场景，场景对于学习大数据专业有非常大的影响。

学习规划可以按照时间线来展开，在大一阶段要重视编程语言的学习，同时积极参加数模比赛和程序设计比赛，包括ACM、大创等。大一和大二期间是参加比赛和科研实践的黄金时间，大一期间的重点在于参与，大二要出成绩，这对于后续的就业和读研，都有比较直接的影响。

积极参加老师的课题组，参与一些科研实践和项目实践，会让自己有一个比较好的交流场景和实践场景，这对于学习大数据相关技术有比较积极的影响。对于本科生来说，要想参加课题组，需要先具备一定的编程基础，可以重点学习一下Python语言，前期进入课题组可以从事一些基础的数据处理任务。

在进入大二之后，要尽快明确一个自己的主攻方向，站在就业的角度来说，可以分为三个大方向，分别是开发岗、算法岗和运维岗，如果没有进一步读研的计划，可以重点考虑一下算法岗和运维岗。

我从事教育、科研多年，目前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，都可以私信我！

大数据分析需要学习什么？

忍不住要发言了，不要一直以一个打工者的心态去问问题，不要去问学什么，而要问自己你要干什么。大概从12年，大数据在中国有了爆发式增长，这就像坐马车的时代出现了汽车一样，你如果问汽车来了，我需要学习什么，答案很简单-“一本驾照”。所以正确的逻辑应该是，什么是大数据，大数据带来了什么，它能给我带来哪些改变，为了适应这种改变，我应该学习什么，所以学习是最后的一个问题，只有前面这些问题考虑清楚了，你的学习才有方向，才有意义，才有动力，到那时候你便知道自己要学什么。

要入门大数据的话，可关注我有个类似这问题的答案供参考，“做数据分析需要学什么”，除了业务知识，我首要建议你学好统计学，这个是大数据的“源”，总之不要把太多的时间花费在工具层面，这些都是有教程的，是用来提效的。如何与自己要做的事情结合，把业务问题转化为统计或者数学问题去解决，这个是需要花更多时间去思考的，也是你未来的竞争力所在。

任何一门新知识的学习，如同这个图像，螺旋式上升，前进过程有升有降。此图来自于Python可视化库pyecharts。

想做数据分析是学python还是学大数据？

这是一个非常好的问题，作为一名IT从业者，我来回答一下。

首先，数据分析是大数据技术体系当中的一个重要组成部分，所以未来要想在数据分析领域走得更远，应该对大数据整体的技术体系有一个全面的了解，涉及到数据采集、数据存储、数据呈现、数据安全和数据应用等。

数据分析当前有两种常见的方式，一种是统计学方式，另一种是机器学习方式，当前统计学方式有一套比较完整的技术体系，相关内容的学习也会更容易一些，而机器学习方式对于初学者的要求相对高一些，往往需要初学者具有一定的编程基础和数学基础。

Python语言在数据分析领域的应用比较广泛，采用机器学习的方式进行数据分析，往往也需要采用Python语言来完成算法实现和落地应用，所以学习数据分析从Python语言开始学起也是比较常见的选择。由于Python语言本身的语法结构比较简单，而且Python语言自身的库也比较丰富，所以即使没有编程基础的人也可以顺利入门Python语言。

初学者学习完Python语言的基本语法之后，可以进一步学习机器学习知识，可以从一些经典的算法开始学起，比如决策树、k-mean、朴素贝叶斯等等，然后基于Python语言来完成这些算法的实现、训练、验证和应用步骤。当然，这个过程最好能够结合一些实际的应用场景，这会积累不少实践操作经验。

在入门机器学习知识之后，可以进一步学习一下大数据平台知识，整个大数据技术体系往往都以大数据平台为基础，所以掌握大数据平台对于数据分析人员的工作开展还是比较重要的。对于初学者来说，可以从Hadoop、Spark开始学起，相关的学习案例也比较多。

最后，学习数据分析知识一定要重视行业知识的积累，大数据分析往往与行业场景关系密切，掌握行业知识对于数据分析的过程也有非常直接的影响。

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！

老铁们，问下有什么比较好的软件可以做数据分析的，推荐一下呗？

数据分析软件种类繁多，使用难度、场景、效率不一。市面上可分析数据的软件是越来越多了，小编给大家介绍几类数据分析软件，包括以下几类：

1.数据处理软件：Excel和SQL

Excel：在Excel，需要重点了解数据处理的重要技巧及函数的应用，特别是数据清理技术的应用。这项运用能对数据去伪存真，掌握数据主动权，全面掌控数据，Excel数据透视表的应用重在挖掘隐藏的数据价值，轻松整合海量数据，各种图表类型的制作技巧及PowerQuery、PowerPivot的应用可展现数据可视化效果。

SQL是结构化查询语言，基于数据库的语言，是用于数据分析和数据处理的最重要的编程语言之一。做专业数据分析，SQL也是必会的工具，因为要利用SQL语句来取数、清洗数据。

学好SQL，可以从事数据科学相关的工作（例如数据分析师、数据科学家和数据工程师），但至少需要具备下面这些技能??

2.数据可视化：Smartbi和Echarts

Smartbi设计过程可视化，鼠标拖拉拽即可快速完成数据集准备、可视化探索和仪表盘的制作，丰富的可视化展示，轻松制作BI看板，丰富的交互控件和图表组件，且不受维度、度量的限制，支持多数据来源，布局灵活，支持业务主题和自助数据集，双布局设计，跨屏发布到APP，支持流式布局。轻量化的BI软件，部署方便，走多维分析方向。能够快速制作数据可视化图表。

ECharts简单来说是互联网开发程序过程中，后台数据库用以实现数据到图形的映射的一个插件，具体来说一个使用JavaScript实现的开源可视化库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的矢量图形库ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

3.大数据分析：SPSS、Python、HiveSQL等

SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据，其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要，输出结果十分美观，存储时则是专用的SPO格式，可以转存为HTML格式和文本格式。

Python是一种计算机程序设计语言，是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本（shell），随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。

HiveSQL是基于Hadoop的一个数据仓库软件，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。

4、数据分析及可视化：伙伴云

伙伴云支持数据手动填写和excel批量导入，仪表盘集大数据分析、可视化报表、智能办公桌面于一体，不仅可以用来制作常规的可视化图表，还支持超级炫酷的数据大屏，作为一款数据可视化软件，可以说是非常简单、好用了！

以下就是用伙伴云仪表盘及数据大屏做出来的效果！！

（1）支持手动填写，也支持导入Excel

（2）无限组合的图表组件，带来无限视觉分析的可能

伙伴云仪表盘可提供折线图、散点图、条形图、双轴图、饼图、漏斗图、地图等20余种图表组件，用户可以根据不同的应用场景自由选择，点击组件可快速添加图表、拖拽即可完成布局。即使是不懂任何技术的小白也能够发挥创意，实现自己想要的可视化应用。

（3）数据仓库：数据的超级加工厂

伙伴云数据仓库可合并链接多个表格数据，并可对在线表单进行增删改查、批量操作等编辑功能，聚合后的表格添加到仪表盘中，可以进行更加丰富的数据分析。

（4）高端智能数据大屏，真“屏”实“据”更炫酷

无论信息公示、公开汇报、实时指挥还是监控预警，数据大屏都能让数据动态一目了然，帮您快速掌握业务进展，及时进行问题追踪。它自带炫酷炸裂的效果，当你向领导/投资人汇报工作时，分分钟就能震（hu）撼（zhu）对方！

总之，我用完伙伴云，整体感受就是超奈斯～

其实软件并没有好坏之分，重要的是根据自身的需求，选择最适合的软件进行数据分析。