数据分析师考试科目 初级数据分析师报考时间及条件

大家好，今天来为大家解答数据分析师考试科目这个问题的一些问题点，包括初级数据分析师报考时间及条件也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~

能简单通俗的解释一下什么是大数据吗

什么是大数据及应用？大数据即为海量数据。人类生活在三维空间中，一草一木，一山一水，人类活动的行为轨迹，都能用数据来表达。如企业的生产运营，商品标准。政府的管理决策，消费者的消费水平，消费习惯。地理环境的一条公路，一条河流等等。每方面都有每方面的大数据。每个行业都有每个行业的大数据。通过各企业，行业，社会主体等等数据的集成。形成了概念更大，更有价值的大数据流。通过宇宙万物是互联的原理。以及逻辑关系的分析。能够得到。关于社会治理，企业运营，个人服务的便捷可靠，真实的服务方案。一件事物的组成并非由单一因素组成。由多方组合或者协同完成的。一件衣服的完成，要有生产布料的厂家，制衣厂家，制扣厂家，制线厂家，设计方，工人加工等等环节组合而成。大数据也是如此。大数据应用也是如此。人类刚刚迈入数字经济时代。既为以数据为生产资料的时代。谁能掌握大数据以及大数据的应用？更好地服务于人类社会。谁就占据了未来财富以及地位的制高点。中国战略性新兴产业联盟河北唐冠众兴科技有限公司毕绍鹏回答

想转行学技术，学习前端开发好还是数据分析比较好

你好，我目前的岗位刚好是前端岗位，由于我处在一个创业公司的环境，我觉得我的经历有助于你对自己的将来有个很好的规划。

我本人从事开发工作是从2012年开始的，一个偶然的机会公司有了IT部门，所以报名踏上了码农的道路。记得刚开始我从事的是iOS开发，当时iPhone4刚出来-当年可是卖肾排队都买不到的数码产品，感觉能为苹果手机开发软件是无上的荣光。后于2015年初辞职走人！

2015年8月由于对马云先生的神望来的了杭州，进入阿里当然是奢望了，不过在投简历的第三天就找到了一份iOS开发工作，但是“不幸”的是刚刚过了一个月公司的业务就转了方向，公司CEO找我谈话，说让我转前端岗位（其实当时的前端还是仅仅指web开发，并没有大前端的概念，不过当时H5和iOS混合开发已经很流行了，于是想公司给机会和平台学习一些新的知识还是蛮好的，就同意了），后来由于是创业公司，由于业务的不停变化，相继学习了web、PHP、UE4、Krpano、等等技术，前后端都干了，中间还小小的爬了一下数据！这里是不是说到你的数据了，其实你要数据分析那就会出现一个问题，你爬的数据怎么展现，你可能会说公司有后端、前端，但是我觉的你既然从事这份事业，就应该把整一个流程都走通，现在这个社会或者说行业竞争这么厉害，再加上马上到来的5G时代-打造个人IP的时代，你只会单项技能是无法立足的。

整个社会提倡T字型人才，我个人觉的既然你不知道从事前端工作还是数据分析工作，说明你没有经历过，或者说阅历不够，那你就先选一个找好工作，认认真真干起，然后不断接触其它技术，日后如果都能掌握当然更好，如果不能全栈但你都经历过了，自己也会很明确的知道自己适合哪个岗位，喜欢哪个技术，然后在垂直深入的探索下去，成为这个技术圈子或者行业的佼佼者。

最后我想说不论前端还是数据分析都需要坚持不断的学习新的知识，一刻也不能松懈，这样才能使自己不断提升，有所成就。

--有问题随时@我--前端开发—单丛

我儿子在江西财经大学读数据科学与大数据专业，不知道前景如何

我就是读计算机专业的，出来工作已经10年，一直从事软件设计相关工作。不要听那些老师的，他们根本不了解社会上的行情，所以这个问题我可以跟你说说。

你儿子这个专业也是属于计算机类，具体就是计算机大专业下的一个子专业，你问前景，这个不好说，要看你儿子学得怎么样，若学到东西了，那么出了社会就有机会做一个苦力，也就是现在说的码农。若没学到东西，恭喜，你儿子将有机会往其他方面发展。说这样说就是告诉你，不要局限于一个专业，更重要的是培养他的视野、格局。拿我来说，大学时大把人学习没我好，专业没我精，但我现在比他们都惨，原因就是我稍微学到了一点点东西，干了软件。

总结就是，自己是否有前景，专业起不了决定作用，有太多太多比专业重要的多东西，值得去思考和关注。至于我严肃的回答你的话，那么就是前景不好，因为若做这行，大概率就是一个科技企业的打工仔，至于有多少科技含量我这里就不说，若想做高级打工，则可以读硕读博，到时去做做研究也不是不可能。既然学了，就认真学吧。

零基础可以学习数据分析吗

零基础如何入门数据分析师？

大数据时代，数据为王。用数据做分析，给公司决策提供指导性意见，是众多公司在这个精细化运营，降本增效的时代必须要做的事情。各大企业都建立了数据分析部门。截止目前，我国共计1400万数据分析人才缺口，市场规模预计将在2025年达到2000亿！数据分析与其说是一个岗位，更是一个重要技能，拥有这项技能意味着你的就业前景更好，职业发展更广。

那么数据分析零基础应该怎么学呢？下面我将从数据分析的学习周期、学习内容以及职业发展规划三个方面，带大家充分了解数据分析这一行业。

1、数据分析要学多久？

每个人的学习能力和基础都不同，所以数据分析的学习周期也不同。如果是通过自学的方式，由于无专业老师指导及无法系统的学习，这个周期可能会很长。一般来讲，如果零基础的学习者进行系统的培训，最快也要将近三、四个月的时间。数据分析的学习应该首先从熟悉表以及表结构开始，它的原点一定是在首先了解熟悉Excel的基础上，在能够从数据库里提数的基础上再进行技能的升级。你的技能从能够从数据库里提数，并且用Excel和BI处理几万行的小数据量，到使用python批量化处理几十万甚至百万行中量级数据量，到最终使用大数据的相关组件，例如hadoop，spark，flume等组件处理千万级甚至是亿级大数据量。每一个阶段所需要的工具加方法论都是不一样的。一般而言，对于自学而成为能处理中量级数据量的分析师而言，得至少入门python的pandas，numpy等数据处理库。这个零自学的周期，也一般跟悟性和自律有关，悟性和自律性高的同学，可能在4个月能够掌握；如果悟性和自律性不高的同学，这个周期有可能就是半途而废，无法估量时间了。这里给大家推荐一下聚数学院的《数据分析实战就业班》（聚数学院)，专注于培养数据分析师的数据处理能力、数据分析能力和数据挖掘能力，课程内容从数据库管理、统计理论方法、数据分析主流软件的应用到数据挖掘算法等，对一整套数据分析流程技术进行系统讲解并配以实战练习，学完之后，学习者可以直接达到数据分析师的水平。

2、数据分析要学什么？

(1)Excel

说起Excel可能会有人觉得这个很简单，但是Excel确实是一个功能强大的利器。零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。作为数据分析师的核心工具，具体学习内容有Excel函数技巧（查找函数、统计函数、逻辑函数）、Excel快速处理技巧（格式调整、查找定位、快捷键技巧等）和Excel可视化技巧（组合图、条形图、数据气泡地图）等。

(2)Mysql

SQL同样是零基础学习数据分析的核心内容。因为作为数据分析师，你首先要解决的问题就是你要有数据来做分析。通常企业都会有自己的数据库，数据分析师首先得根据业务需要知道自己要从企业数据库中提取哪些数据。企业如果部署本地数据库，那么一定是SQL语言做提取数据的语言。SQL简单易懂，非常容易上手，并且是非学不可的。SQL语言从学习MySQL数据库开始，涉及对表结构数据的增删改查。真正在企业里面，数据分析师一般不会有增删改的权限，只会有查的权限。学员应该重点掌握查的各种句式。

(3)Python

Python的基础对于数据分析师而言是非常重要的。对于十万级或者百万级数据量而言，Excel和BI都会因为运行卡顿而变得完全无法使用。然而在实际企业运用中，一次性处理十万级以及百万级数据又是非常常见的。而Python则是处理这种中量级数据的利器。因为Python有很多的第三方强大的库，比如Numpy、Pandas、Matplotlib、Seaborn等。这些库能让数据分析师对百万数据进行数据清理和画图分析。Python不仅能数据清洗，画图，还能用sklearn进行大数据算法分析。虽然Python是数据分析的重要工具，但是不同的职业发展方向，Python掌握的程度也是不一样的。

(4)BI商业智能工具

BI可以理解成Excel图表透视表的高级版。BI是将表与表相连，然后得出很多指标图。它是一个大屏的看板，如下图：

企业销售指标，运营指标，物流指标等等。这些图可以表示企业在过去5个月的平均销售单价，过去24个月销售的物流发货量的变化曲线，甚至是现在实时的销售额，这些都是企业关心的问题。有了这个看板，领导层在监控企业业务方面就有了非常直观的数据，以供他们及时做出决策调整。现在市面上比较流行的BI软件，有FineBI，PowerBI等。而这些BI软件实际上都是非常类似的，学起来难度也不大。学习FineReport、FineBI由入门到精通，快速挖掘数据价值，将这些数据转化成有用的信息，让企业决策有数据依据，从而驱动企业决策和运营。

(5)数理统计与数据运营

数理统计和数据运营方法论是数据分析师的理论基石。数理统计包括概率论，统计学，线性代数，以及基础的微积分理论。这些内容都不需要理解的很深，但是对它们的原理以及内涵都需要有所掌握。由于整个数据分析的源头其实就是脱胎于描述性统计分析的。描述性统计分析是对样本的总数、均值等指标做统计的；而数据分析后续涉及到的算法则是架构在统计学上更深一层次的建模。因此，掌握数理统计的相关知识对于入门数据分析师而言是基础且必要的。

那数据运营方法论是什么呢？数据运营方法论实际上是学习各个行业所运营的分析模型。例如，对电商而言，漏斗分析可以分析出来进入主页的人数PV1，到进入服装板块的人数PV2，PV2/PV1就可以得出一个进入服装板块的比率。还有很多通用的分析模型：相关分析，A/Btest等。对于想往管理路线发展的数据分析师来讲，数据运营是必须要学习的知识。其实数据运营知识也不复杂，就是根据自身业务需求将指标拆解到最细，然后运用同比和环比两种数据分析方式。

(6)机器学习

最后一个进阶要求数据分析师掌握对大量数据分析的能力。这种分析就不只是停留在描述统计分析和运用数据运营方法进行分析了，而是进行预测分析。预测分析的本质是利用已有的数据做出一套变量x，与预测最终值y之间的关系（也就是数学算法公式），然后利用这套算法，将更多的x输入算法中去得出一个预测的y值，这里听不懂没关系。总之，这个阶段的数据分析是利用大量的历史数据构建出一套数学公式（也就是算法），用这个数学公式去对未来进行预测。比如说：一个人大量地刷体育短视频，根据算法可以得出这个人可能对观看足球比赛的腾讯体育会员感兴趣。这类推断和预测对于商业世界是有着极大变现意义的。要想成为掌握算法的数据分析师，机器学习是不可跳过的入门。学员应该从简单的一元回归，多元回归，以及逻辑回归学习等，逐渐学习更多像决策树，随机森林，SVM等更高级的算法。

3、数据分析的职业发展规划？

一般来讲，数据分析有两条发挥路线，一条是管理路线，一条是技术路线。往管理端发展，比如初级数据分析师，到数据运营，到数据分析经理、数据运营总监等等。这条发展路径主要要求统计学、Excel、PPT等技能，需要撰写市场分析报告。这条路看似技术掌握不用太深，但是对业务的理解要极深。而精深的业务理解需要时间和深度的业务钻研精神。如果你是非数学、计算机和统计学专业的朋友，比较适合这条非技术的职业发展之路。

而向技术方向发展，则目标会非常明确。一是深入往数据挖掘方向发展，学习深度神经网络，NLP等前沿算法。二是深入数据分析开发，把大数据组件hadoop，spark等等大数据组件学好学精。这是一条技术类的发展方向，要求更高的统计学能力、数理能力以及编程技巧。

实际上，无论是非技术的业务方向和技术专家方向都要的是两个字：钻研。当然听到这里，我们也需要重重地阐述一下：入门初级数据分析是不难的。而后半段，要成为一个优秀的数据分析师是难的，是需要刻苦钻研精神的。

如果看到这里，你觉得自己心理上已经就入门数据分析师方向做好了准备，但是你是零基础实在不知道如何入行的话，欢迎私聊获取免费的数据分析师知识点大纲，并且免费做数据分析师的入门咨询。

以后想从事数据分析的工作，那我研究生需要念什么专业最好呢

作为一名计算机专业的研究生导师，我来回答一下这个问题。

当前正处在大数据时代，而数据分析是大数据技术体系中的重要组成部分，也是数据价值化的主要方式之一，所以未来从事数据分析工作是不错的选择。

数据分析可以选择两个大的专业方向，一个是统计学专业，另一个是大数据专业，另外不少计算机相关专业、金融领域相关专业和数学领域的相关专业也都有数据分析的细分方向。随着数据分析的重要性日益体现，现在不少专业也都增加了数据分析的细分方向，比如经济学、社会学、医学等专业都陆续开设了与本专业相关的数据分析方向。

具体选择哪个专业需要根据自身的知识结构来决定，最好能够结合本科专业进行选择，这样在备考的时候会轻松一些。如果本科是计算机相关专业，那么可以选择的余地是比较大的，计算机应用、计算机科学与技术、软件工程等专业都有数据分析的细分方向，当然统计学和数学专业也是如此。

在大数据领域，数据分析通常有两种方式，一种是统计学方式，另一种是机器学习方式，两种数据分析方式同样重要。学习数据分析通常需要具备一定的数学基础、统计学基础和计算机基础，其中数学基础是相对比较重要的，要想在数据分析领域走得更远，一定要重视数学相关课程，包括高数、线性代数、概率论等内容。

以机器学习的数据分析方式为例，需要具备算法基础和编程语言基础，机器学习的步骤包括数据收集、数据整理、算法设计、算法实现、算法训练、算法验证和算法应用，目的就是从一堆杂乱无章的数据中找到其背后的规律。当前机器学习的数据分析方式是比较流行的，相关领域的研究也在逐步推进。

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。

如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！

关于数据分析师考试科目，初级数据分析师报考时间及条件的介绍到此结束，希望对大家有所帮助。