数据分析修炼之路
1、业务基本知识2、数据分析思维与方法常用分析思维与方法3、数据分析工具数据库概念知识hivesql和mysql编程操作BI工具ExcelPython编程4、数据仓库数据仓库概念Hive知识体系5、统计与数学统计理论概率论6、机器学习/数据挖掘模型有监督无监督7、数据结构/算法常见排序算法数据分析工作岗位:偏业务:数据分析师、商业分析、数据运营偏技术:数据分析工程师、数据开发工程师、数据挖掘、机器学习、数据科学
1、业务基本知识
不同行业数据指标含义短视频行业pv、uv等
电商行业gmv、roi等
游戏行业等数据体系搭建、确实数据指标指标变化原因分析(归因分析)数据埋点
在牛客网上看面经刷笔试题,知乎上看回答文章,收集业务相关问题。
BOSS和微信公众号招聘JD上要求业务能力,总结业务知识。
业务问题解决流程:
1.明确问题,了解现状和目标,梳理活动流程,列出相关指标,构建指标体系。
2.分析原因,可使用对比分析法,设定比较方法和比较维度,分情况讨论结果,使用假设检验分析方法进一步分析。
3.提出建议,针对不同用户不同投放策略。
2、数据分析思维与方法
数据分析工作中使用的方法分析问题
推荐书籍:《精益数据分析》《首席增长官-如何用数据驱动增长》
常用分析思维与方法
笔试面试中分析思维、分析思路、分析方法意思一样,下表是十种常见分析方法。
分类思维
将问题分为几个方向,逐个方向分析理解。树形思维
举个例子,针对销售量下降的问题,我们从线上,线下两个方向去分析,线上又从京东、淘宝等各个电商去分析,或者从销售员的角度细分下去,这样最终就能找到原因。对比思维
比如拿这个月销售额和去年此时比较,或者拿它和其他相同的公司比较,通过比较来确认问题,这就是对比思维。RFM用户分群 https://mp./s/E7uKnyaVWKoBuWSyr6PJvg相关性分析 https://mp./s/QegFbmhUMCR_HSwcg3u4KA漏斗模型ABtest实验指标体系用户画像辛普森悖论费米估计
3、数据分析工具
工具简单的说,从存储数据工具即数据库中取出数据,进行可视化。
数据库概念知识
hivesql和mysql编程操作
BI工具
Excel
我认为掌握vlookup和数据透视表足够,是最具性价比的两个技巧。
学会vlookup,SQL中的join,Python中的merge很容易理解。
学会数据透视表,SQL中的group,Python中的pivot_table也是同理。
一般不会做过于严苛的要求,且日常工作中使用频率不大,只需掌握透视表、vlookup,会做Excel的高级图表即可。
这些功能的学习可通过一些视频或博客等学习。
Python编程
对象、爬数据
4、数据仓库
这部分知识主要是为了了解数据的存储流程,便于数据工程方面工作。
数据仓库概念
离线数仓、实时数仓
Hive知识体系
MapReduce原理、hivesql优化、ETL
5、统计与数学
数据分析基础理论,多用于笔试和面试,实际工作不会专门使用。
统计理论
假设检验、各种分布、相关性、参数估计
贾俊平《统计学》
概率论
概率和统计B站上的浙大公开课
6、机器学习/数据挖掘模型
数据分析进阶技能,视频可看吴恩达的Machine Learning