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
