第1个回答 2020-11-02
我们得清楚企业对数据分析师的基础技能需求是什么。这样我们才能有的放矢。我大抵总结如下:
(1) SQL数据库的基本操作，会基本的数据管理
(2)会用Excel/SQL做基本的数据分析和展示(3)会用脚本语言进行数据分析，Python or R
(4)有获取外部数据的能力，如爬虫
(5)会基本的数据可视化技能，能撰写数据报告
(6)熟悉常用的数据挖掘算法:回归分析、决策树、随机森林、支持向量机等
总体来说,先学基础，再学理论,最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。
1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实,知识大厦是很容易倒的哈。
2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。
3、学习数据分析工具,软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难):Excel, SPSS, stata, R, Python, SAS等。
4、学会怎样操作这些软件,然后是利用软件从数据的清洗开始一步步进行处理， 分析,最后输出结果，检验及解读数据。
如果是实在不懂，还可以去cda官网上找些视频课程看。切记，第-步是必不可少的,是数据分析的基础。
第2个回答 2020-02-22
预测分析：预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。随着现在硬件和软件解决方案的成熟，许多公司利用大数据技术来收集海量数据、训练模型、优化模型，并发布预测模型来提高业务水平或者避免风险。
NoSQL数据库：非关系型数据库包括Key-value型(Redis)数据库、文档型(MonogoDB)数据库、图型(Neo4j)数据库；虽然NoSQL流行语火起来才短短一年的时间，但是不可否认，现在已经开始了第二代运动。尽管早期的堆栈代码只能算是一种实验，然而现在的系统已经更加的成熟、稳定。
分布式存储系统：分布式存储是指存储节点大于一个、数据保存多副本以及高性能的计算网络;利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。当前开源的HDFS也是非常不错的。
数据可视化：数据可视化技术是指对各类型数据源(包括Hadoop上的海量数据以及实时和接近实时的分布式数据)进行显示，当前，国内外数据分析展示的产品很多。