【热岗科普】如何自学互联网数据分析？

  随着互联网时代的发展和革新，依靠数据竞争在各行业中都显得尤为重要，互联网数据分析类岗位也成了现阶段的求职热点。很多零经验小白想要求职数据分析，很多职场老油条想要转行数据分析，市场对数据分析的能力要求也变得越来越高。

  现阶段市面上出现了很多数据分析课程，形成了大的数据分析学习框架。而自学数据分析转行有多靠谱，其实也取决于求职者自身的自学能力、自控能力以及是否明确规划了属于自己的学习路径。

  数据分析类岗位有两个大的职业方向选择：业务方向和技术方向。

  业务方向的数据分析岗位可以从初级数据分析师入手，逐渐成长为业务负责人；而如果你更偏好技术性工作，那么数据相关岗位中可以选择数据挖掘工程师、大数据开发工程师、数据建模师以及数据科学家。无论选择哪一种岗位，数据分析能力都是对求职者最基础的要求。正确规划数据分析学习路径从而自学，也要从数据分析能力入手，学习的内容包括但不限于数据分析思维、统计学知识、数据分析技术、数据建模能力以及可视化能力。

数据库语言SQL

  SQL语言作为一门编程语言，相比Python较为简单，是数据分析师的必备能力，也是数据分析师必须要熟练掌握的基本功，可以作为数据分析的入门学习内容之一。对于SQL语言的编程基本特性，初学者们首先需要掌握基础的查询语句，从而进行复杂查询的学习。学习期间，不要忘了穿插各类函数的使用，如聚合函数、数值函数等。基于不同数据库（如Oracle、Hadoop等），SQL语法可能会略有差异，但不会影响我们对基本功的掌握。对于入门学习者来说，可以尝试使用MySQL进行初步学习。

统计学基础

  统计学是数据分析的理论基础，描述性统计以及各类统计图表的使用也早已深入到数据分析师的工作日常。在数据分析师的工作场景中，日常ABTest的基础原理便是统计学中的假设检验分析方法。此外，在后期的学习过程中，良好的统计学基础也可以为机器学习内容做铺垫。

机器学习

  机器学习更多作为数据建模师和数据科学家的必要能力，在日常工作中常和Python语言混合应用，对数据及属性进行预测和分类。对于初级数据分析师来说，机器学习知识并不是工作场景中的必要内容，但对于高级数据分析师来说，掌握机器学习却是必经之路。此外，在现阶段数据分析的笔面试过程中，机器学习基础知识往往作为必要考点出现。因此在机器学习阶段，求职者们可以借用西瓜书学习一些基础的算法，如线性回归、贝叶斯、决策树、逻辑回归、随机森林等。

  所以从理论上讲，依靠自学转行数据分析是靠谱的。以上三大硬知识的学习路径能让题主迅速建立起数据分析知识框架，后期只要加上数据分析思维类的软实力，进而将数据分析可视化，同学们便离“数据分析er”不远了。