灵魂画手一图解读:成为数据分析师的必备能力项

2018 年 10 月 11 日 算法与数据结构

大家好,我是大鹏,目前是一名数据分析师,


上周末晚上,我的学妹突然约我出来喝咖啡,我觉得这件事情不简单,果然一到她就递给我手机,开口就问:


鹏哥,你是个很厉害的数据分析师吧,快帮我看看这招聘要求都是什么意思啊?



我看了一眼,回答到:这不是很正常的一份招聘需求么?哪里看不懂?


学妹:鹏哥,我最近自学数据分析,excel、R、Python、SQL什么的都有涉及。想着投简历试试,可我一打开招聘网站就懵了,简直超纲,连招聘信息都看不懂我还怎么去应聘啊?


既然学妹开口,我当然要表现一番。为了表示我的细心,我决定发挥我灵魂画手的特性,为她细细解读:


首先看你的硬条件。

这个公司有社招和校招,说明还比较缺人。既能接受有经验的人直接上岗,也能接受重新带一个这方面有能力的新人。你刚毕业没多久,学历也符合要求,硬条件是合格的。


他们招不招你的重点就在“你是否能承担他们的工作”上了。



弄清岗位要求


一般针对数据分析师有两点要求,招聘广告都提到了:


  • 第一是技术能力,比如这篇招聘广告中提到的EXCEL VBA/SQL/spss还有Python。

  • 第二是业务能力,就是发现问题和解决问题的能力,参与到产品的设计到销售的整个流程,从数据中反馈出结论,从而连接业务和产品两个部门的工作;





要招聘的这个工作岗位,是用来连接产品和业务两个部门工作的,即招聘写到的第4点对数据挖掘分析,对业务部门提供数据支撑服务,使产品不断优化”



这样的工作需要熟悉常见的指标,建立和优化指标体系并能做好指标落地,及我们常说的“出结论”。


完全不懂业务怎么办?

既然公司愿意招应届生,说明公司不会让你单挑数据分析所有工作。一般来说,公司都有自己积累下来的数据指标,你要做的是先学好常见指标的含义用法,比如UV/PV/总订单数量等等的指标。


技术上的“精通”和“熟练掌握”

学妹会excel、AQL会基本调用,也能用Python写基本爬虫,这样算不算得上招聘需求上写的“精通”?



这里的“精通”可以说是个玄学,招聘上可以写是为了筛掉那些不会python或者只了解一些基本语法就来投的人,而你的简历如果不是自信到了解Python的各种优点怎么实现,最好不要自己加“精通”这两个字,容易被面试官攻击。


值得一提的是,面试时考官会问到的不仅仅是方法,还有推导过程,甚至还会问一些实践中的问题,然后让你提出解决方案。


Excel挺强大,为什么招聘要求都要会Python或者R?


excel是非常强大,并且适合新手入门理解数据,不过后期有很大的缺陷,比如:


①当数据量较大时,excel处理数据效率低,容易死;

②算法有局限性,没办法做复杂的建模;

③图表类型限制,图表逻辑不明确;

④是第三方软件,和产品开发对接存在问题;

⑤数据清洗过程繁杂,除非用VBA,否则难以导出脚本。


Python就好比你另一只“手”,只待你去写好一套逻辑控制他分析。


Python能解决Excel的不足,且简单易学,三方库众多可以快速做数据清洗,也只支持脚本导出和功能封装,往后可以深入学习更多挖掘算法,方便对接产品部门,是提高工作效率的首选。


Python的优点

 

  • 较高的延展性:


  • 多职业选择:


Python数据分析工作后期转岗加薪的可操作性也比较好,按照个人意愿和技术可以往不同方向发展,薪资嘛当然也是越精越高的


如何更好自学Python


自学要讲究效率,与其什么都沾个边,不如好好的做一次完整的数据分析学的多。如果你想学Python数据编程,我强烈建议你从一次“要动手、有目标、有答疑”的《Python数据分析师训练营》开始学习!


参加《Python数据分析师训练营》

能收获什么?


PART 1

免费直播:“数据分析师技能图谱大揭秘”

大鹏将详细解读Python数据分析师的岗位需求和技能学习建议,欢迎来听:



 PART 2 

免费体验课程

《一周时间体验Python数据分析》


课程大纲

1、会写代码的数据分析师是怎么样的存在?

2、武装你的电脑:Python环境搭建及软件安装

3、手把手教你用数据挖掘“成为领导的秘诀”

4、怎样做出专业且高逼格的数据可视化

5、模拟实验:排队等待时间问题


 PART 3 

6G学习资料包


获取方式

扫描海报中二维码即可领取

QQ群号:806852532


点击【阅读原文】,免费领取福利

登录查看更多
1

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
【2020新书】从Excel中学习数据挖掘,223页pdf
专知会员服务
90+阅读 · 2020年6月28日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
关于Python数据分析,这里有一条高效的学习路径
干货 :数据分析师的完整流程与知识结构体系
数据分析
8+阅读 · 2018年7月31日
周末深夜,学妹说她想做Python数据分析师
机器学习算法与Python学习
4+阅读 · 2018年6月7日
1年开发经验,25万年薪的1个捷径,98%Python程序员都不知道
机器学习算法与Python学习
7+阅读 · 2018年5月23日
年薪40万AI工程师必备的能力项,你达标了吗?
算法与数据结构
3+阅读 · 2018年4月11日
数据分析/数据挖掘 入门级选手建议
R语言中文社区
5+阅读 · 2017年12月20日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
如何七周成为数据分析师
R语言中文社区
4+阅读 · 2017年7月19日
TResNet: High Performance GPU-Dedicated Architecture
Arxiv
8+阅读 · 2020年3月30日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
5+阅读 · 2018年6月12日
Arxiv
5+阅读 · 2018年6月5日
Arxiv
9+阅读 · 2018年4月20日
Arxiv
7+阅读 · 2017年12月28日
VIP会员
相关VIP内容
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
【2020新书】从Excel中学习数据挖掘,223页pdf
专知会员服务
90+阅读 · 2020年6月28日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
相关资讯
关于Python数据分析,这里有一条高效的学习路径
干货 :数据分析师的完整流程与知识结构体系
数据分析
8+阅读 · 2018年7月31日
周末深夜,学妹说她想做Python数据分析师
机器学习算法与Python学习
4+阅读 · 2018年6月7日
1年开发经验,25万年薪的1个捷径,98%Python程序员都不知道
机器学习算法与Python学习
7+阅读 · 2018年5月23日
年薪40万AI工程师必备的能力项,你达标了吗?
算法与数据结构
3+阅读 · 2018年4月11日
数据分析/数据挖掘 入门级选手建议
R语言中文社区
5+阅读 · 2017年12月20日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
如何七周成为数据分析师
R语言中文社区
4+阅读 · 2017年7月19日
相关论文
TResNet: High Performance GPU-Dedicated Architecture
Arxiv
8+阅读 · 2020年3月30日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
5+阅读 · 2018年6月12日
Arxiv
5+阅读 · 2018年6月5日
Arxiv
9+阅读 · 2018年4月20日
Arxiv
7+阅读 · 2017年12月28日
Top
微信扫码咨询专知VIP会员