python數據分析師需要學什么

第一：統計學知識。（推薦學習：Python視頻教程）

這是很大一部分大數據分析師的短板。當然這里說的不是簡單的一些統計而已。而是包括均值、中位數、標準差、方差、概率、假設檢驗等等具有時間、空間、數據本身。差不多應該是理工科的高等數學的知識，甚至還高一點兒。要能夠建模，要不然你分析出來的結果離實際相差十萬八千里的話，估計要不了幾天，你就會被卷鋪蓋走人了。當然，做個一般的大數據分析師，就不會涉及到很深的高等數學知識了，但要做一個牛B的大數據分析師，還是要學習學習再學習。

第二：很多人想不到的，你還是把EXCEL玩熟悉吧。

當然不需要掌握的高大全，也得要掌握常用的函數，比如重點包括但不限于sum，count，sumif，countif，find，if，left/right，時間轉換，透視表，各種圖表做法等之類的。如果數據量不算是特別大的話，Excel能夠解決很多問題。比如，篩選部分贓數據，排序，挑選滿足條件的數據等等。

第三：分析思維的練習。

比如結構化思維、思維導圖、或百度腦圖、麥肯錫式分析，了解一些smart、5W2H、SWOT等等那就更好了。不一定要掌握多深多全，但一定要了解一些。

第四：數據庫知識。

大數據大數據，就是數據量很多，Excel就解決不了這么大數據量的時候，就得使用數據庫。如果是關系型數據庫，比如Oracle、mysql、sqlserver等等，你還得要學習使用SQL語句，篩選排序，匯總等等。非關系型數據庫也得要學習，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起碼常用的了解一兩個，比如Hbase，Mongodb，redis等。

第五：業務學習。

其實對于大數據分析師來說，了解業務比了解數據更重要。對于行業業務是怎么走的對于數據的分析有著非常重要的作用，不了解業務，可能你分析的結果不是別人想要的。

第六：開發工具及環境。

比如：Linux OS、Hadoop（存儲HDFS，計算Yarn）、Spark、或另外一些中間件。目前用得多的開發工具python等等語言工具。

總之，要做一個高級或總監級的大數據分析師那是相當的燒腦的。要學習了解的東西如果只是單純的數據方面的話，那業務和統計知識的學習是必不可少的。如果是實用型的大數據分析師可能只掌握某些部分就可以。大數據開發工程師的話，基本就是掌握開發環境、開發語言以及各種圖表的應用，也是可以滿足的。畢竟，一個公司要團隊協作，一人懂一部分就可以搞出分析產品出來了。認定一項事情就去干！越干越輕松，越干越牛B！

更多Python相關技術文章，請訪問Python教程欄目進行學習！

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com