学习大数据分析要用到哪些知识?
7个回答
展开全部
每一个大数据的爱好者应该心目中都有一个数据分析师的梦吧,我们都知道数据分析师是一个非常神秘的职位,看着一堆数据就能洞悉全局,很神奇吧,今天来给大家送福利了,想提高你的数据分析能力吗,看下文吧。
1.Excel是否精钻?
除了常用的Excel函数(sum、average、if、countifs、sumifs、offset、match、index等)之外,Excel图表(饼图、线图、柱形图、雷达图等)和简单分析技能也是经常用的,可以帮助你快速分析业务走势和异常情况;另外,Excel里面的函数结合透视表以及VBA功能是完善报表开发的利器,让你一键轻松搞定报表。
2.你需要更懂数据库
常用的数据库如MySQL,Sql Server、Oracle、DB2、MongoDB等;除去SQL语句的熟练使用,对于数据库的存储读取过程也要熟练掌握。在对于大数据量处理时,如何想办法加快程序的运行速度、减少网络流量、提高数据库的安全性是非常有必要的。
3.掌握数据整理、可视化和报表制作
数据整理,是将原始数据转换成方便实用的格式,实用工具有Excel、R、Python等工具。数据可视化,是创建和研究数据的视觉表现,方便业务方快速分析数据并定位具体问题,实用工具有Tableau、FineBI、Qlikview.
如果常用excel,那需要用PPT展示,这项技能也需要琢磨透。如果用tableau、FineBI之类的工具做数据可视化,FineBI有推送查看功能,也就是在企业上下建立一套系统,通过权限的分配让不同的人看到权限范围内的报表。
4.多学几项技能
大多数据分析师都是从计算机、数学、统计这些专业而来的,也就意味着数学知识是重要基础。尤其是统计学,更是数据分析师的基本功,从数据采集、抽样到具体分析时的验证探索和预测都要用到统计学。
现在社会心理学也逐渐囊括到数据分析师的能力体系中来了,尤其是从事互联网产品运营的同学,需要了解用户的行为动向,分析背后的动机。把握了整体方向后,数据分析的过程也就更容易。
1.Excel是否精钻?
除了常用的Excel函数(sum、average、if、countifs、sumifs、offset、match、index等)之外,Excel图表(饼图、线图、柱形图、雷达图等)和简单分析技能也是经常用的,可以帮助你快速分析业务走势和异常情况;另外,Excel里面的函数结合透视表以及VBA功能是完善报表开发的利器,让你一键轻松搞定报表。
2.你需要更懂数据库
常用的数据库如MySQL,Sql Server、Oracle、DB2、MongoDB等;除去SQL语句的熟练使用,对于数据库的存储读取过程也要熟练掌握。在对于大数据量处理时,如何想办法加快程序的运行速度、减少网络流量、提高数据库的安全性是非常有必要的。
3.掌握数据整理、可视化和报表制作
数据整理,是将原始数据转换成方便实用的格式,实用工具有Excel、R、Python等工具。数据可视化,是创建和研究数据的视觉表现,方便业务方快速分析数据并定位具体问题,实用工具有Tableau、FineBI、Qlikview.
如果常用excel,那需要用PPT展示,这项技能也需要琢磨透。如果用tableau、FineBI之类的工具做数据可视化,FineBI有推送查看功能,也就是在企业上下建立一套系统,通过权限的分配让不同的人看到权限范围内的报表。
4.多学几项技能
大多数据分析师都是从计算机、数学、统计这些专业而来的,也就意味着数学知识是重要基础。尤其是统计学,更是数据分析师的基本功,从数据采集、抽样到具体分析时的验证探索和预测都要用到统计学。
现在社会心理学也逐渐囊括到数据分析师的能力体系中来了,尤其是从事互联网产品运营的同学,需要了解用户的行为动向,分析背后的动机。把握了整体方向后,数据分析的过程也就更容易。
展开全部
1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。
2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。
3、至少能够用Acess等进行数据库开发;
4、至少掌握一门数学软件:matalab,mathmatics进行新模型的构建。
5、至少掌握一门编程语言;
6,当然还要其他应用领域方面的知识,比如市场营销、经济统计学等,因为这是数据分析的主要应用领域。
2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。
3、至少能够用Acess等进行数据库开发;
4、至少掌握一门数学软件:matalab,mathmatics进行新模型的构建。
5、至少掌握一门编程语言;
6,当然还要其他应用领域方面的知识,比如市场营销、经济统计学等,因为这是数据分析的主要应用领域。
本回答被网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
首先我们要了解下大数据分析和传统的数据分析在概念上的区别,大数据分析相较于传统的数据分析,需要掌握更多的技能,对于从业者能力要求提高了。但是大数据分析的学习门槛并没有太高,学习难度适中,很多人都能够学会大数据分析。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
第一部分 大数据平台:
大数据平台包含了采集层、存储层、计算层和应用层,是一个复杂的IT系统,需要学会Hadoop等分布式系统的开发技能。
1.1采集层:Sqoop可用来采集导入传统关系型数据库的数据、Flume对于日志型数据采集,另外使用Python一类的语言开发网络爬虫获取网络数据;
1.2储存层:分布式文件系统HDFS最为常用;
1.3计算层:有不同的计算框架可以选择,常见的如MapReduce、Spark等,一般来讲,如果能使用计算框架的“原生语言”,运算效率会最高(MapReduce的原生支持Java,而Spark原生支持Scala);
1.4应用层:包括结果数据的可视化、交互界面开发以及应用管理工具的开发等,更多的用到Java、Python等通用IT开发前端、后端的能力;
第二部分 大数据分析:
大数据挖掘指的是利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换
2.1数据分析方法论:统计基础 微积分(求导)代数(矩阵运算)等
2.2统计模型:方差分析、线性回归、逻辑回归、列联分析、聚类分析、面板模型等
2.3数据挖掘模型:决策树 关联分析、SVM、神经网络 贝叶斯网络等
大数据平台包含了采集层、存储层、计算层和应用层,是一个复杂的IT系统,需要学会Hadoop等分布式系统的开发技能。
1.1采集层:Sqoop可用来采集导入传统关系型数据库的数据、Flume对于日志型数据采集,另外使用Python一类的语言开发网络爬虫获取网络数据;
1.2储存层:分布式文件系统HDFS最为常用;
1.3计算层:有不同的计算框架可以选择,常见的如MapReduce、Spark等,一般来讲,如果能使用计算框架的“原生语言”,运算效率会最高(MapReduce的原生支持Java,而Spark原生支持Scala);
1.4应用层:包括结果数据的可视化、交互界面开发以及应用管理工具的开发等,更多的用到Java、Python等通用IT开发前端、后端的能力;
第二部分 大数据分析:
大数据挖掘指的是利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换
2.1数据分析方法论:统计基础 微积分(求导)代数(矩阵运算)等
2.2统计模型:方差分析、线性回归、逻辑回归、列联分析、聚类分析、面板模型等
2.3数据挖掘模型:决策树 关联分析、SVM、神经网络 贝叶斯网络等
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
2019-11-14
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询