什么行业发展前景好啊零基础,想转行学习,比较好做,薪资可观的

wangge888 9 0

这个问题不太好回答。

因为零基础,发展前景又好,薪资又可观。那么根据定义,谁都能转行做这个,那么薪资可观这个条件也就不存在了。

但是还是机会的,例如在头条视频写文章,不会的话也可以选择去西瓜视频拍VLOG,所谓VLOG,就是说生活随拍,不需要准备很多东西,买道具搞得很复杂,真实的自己就好。西瓜视频里有很多新手教程,会一步一步指导你该怎么操作,如何拍,用什么拍,拍什么,怎么说,都有很系统完整的教程,而且用手机就能拍,收益也不错。

然后可以慢慢学学剪辑软件,像PR,PS等工具,就可以自己美化视频了,想好剧本粉丝更多后,就可以达到薪资可观的要求了。

确实零基础,但是要时间成本,更需要坚持,否则谁都能干自然挣不了打钱。

最后提醒一下,多学习,多提升自己,网上现在可以学习的内容很多,投资自己是永远不会亏损的,还有更具体的等等也欢迎联系我或者直接在头条上面搜,都有,加油!

零基础的人,怎么自学数据分析

优秀的数据分析师并不能速成,但是零经验也有零经验的捷径。

什么行业发展前景好啊零基础,想转行学习,比较好做,薪资可观的-第1张图片-旺哥开店网

市面上有《七周七数据库》,《七周七编程语言》。今天我们就《七周七学习成为数据分析师》,没错,七周。

什么行业发展前景好啊零基础,想转行学习,比较好做,薪资可观的-第2张图片-旺哥开店网

第一周:Excel学习掌握

什么行业发展前景好啊零基础,想转行学习,比较好做,薪资可观的-第3张图片-旺哥开店网

如果Excel玩的顺溜,可以略过这一周。但很多人并不会vlookup,所以有必要讲下。

了解sum,count,sumif,countif,find,if,left/right,时间转换等。excel的各类函数很多,完全不需要学全。重要的是学会搜索。我学函数是即用即查,将遇到的问题在网上搜索得到所需函数。

重中之重是学会vlookup和数据透视表。这两个对后续的数据转换有帮助。

学会vlookup,SQL中的join,Python中的merge能很快掌握。

学会数据透视表,SQL中的group,Python中的groupby也是同理。

这两个搞定,基本10万条以内的数据统计没啥难度,也就速度慢了点。80%的办公室白领都能秒杀。

网上多找些习题做,Excel是熟能生巧。

养成一个好习惯,不要合并单元格,不要过于花哨。表格按照原始数据、加工数据,图表的类型管理。

附加学习:

1、了解中文编码utf-8,ascii的含义和区别

2、了解单元格格式,帮助你了解后期的timestamp,date,string,int,bigint,char,factor等各类格式。

3、如果时间还有剩余,可以看《大数据时代》,培养职业兴趣。

第二周:数据可视化

数据分析界有一句经典名言,字不如表,表不如图。别说平常人,数据分析师自己看数据也头大。这时就得靠数据可视化的神奇魔力了。

以上就是所谓的可视化。排除掉数据挖掘这类高级分析,不少数据分析师的平常工作之一就是监控数据观察数据。

另外数据分析师是需要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果,那么分析也不会被改进和优化,分析师的价值在哪里?工资也就涨不了对吧。

抽空花一段时间学习可视化的基础,如《数据之美》

另外你还需要了解BI的概念。知名的BI产品有Tableau,Power BI,还有国产的FineBI等。都有体验版和免费版能下载,网上找一点数据就能体验可视化的魅力。比Excel的图表高级多了。

BI需要了解仪表盘Dashboard的概念,知道维度的联动和钻取,知道绝大多数图表适用的场景和怎么绘制。比如以下FineBI制作的dashboard。

第三周:分析思维的训练

这周我们轻松一下,学学理论知识。

分析思维首推大名鼎鼎的《金字塔原理》,帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶,那么就可以学思维导图,下载一个XMind中文网站,或者在线用百度脑图。

再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师,思考方式也得跟着改变。网上搜咨询公司的面试题,搜Case Book。

题目用新学的思维导图做,先套那些经典框架,做一遍,然后去看答案对比。因为要锻炼数据分析能力。所以得结合数据导向的思维。

这里送三条金句:

一个业务没有指标,则不能增长和分析

好的指标应该是比率或比例

好的分析应该对比或关联。

举一个例子:我告诉你一家超市今天有1000人的客流量,你会怎么分析?

这1000人的数量,和附件其他超市比是多是少?(对比)

这1000人的数量比昨天多还是少?(对比)

1000人有多少产生了实际购买?(转化比例)

路过超市,超市外的人流是多少?(转化比例)

这是一个快速搭建分析框架的方法。如果只看1000人,是看不出分析不出任何结果。

第四周:数据库学习

Excel对十万条以内的数据处理起来一点不虚,但是资深的数据分析师还是笑摸狗头,Too Young Too Sample,爷搞得都是百万数据。要百万数据,就得上数据库。

SQL是数据分析师的核心技能之一。有些公司并不给数据库权限,需要分析师写邮件提需求,这非常不好。数据分析师经常有各类假设需要验证,很多时候写十几行SQL就能得到的答案,还得麻烦其他部门导出数据。

SQL学习不需要买书,W3C学习就行了,SQL 教程。大多数互联网公司都是MySQL,我也建议学,性价比最高。

作为数据分析师,只要懂Select相关,增删改、约束、索引、数据库范式全部略过。你的公司心得多大才会给你写权限。

了解where,group by,order by,having,like,count,sum,min,max,distinct,if,join,left join,limit,and和or的逻辑,时间转换函数等即可。

你看,和Excel的函数都差不多。如果时间充裕,则学习row_number,substr,convert,contact等。和Excel一样,学会搜索解决问题。不同引擎的函数也会有差异,例如Presto和phpMyAdmin。

期间你不需要考虑优化和写法丑陋,查询几秒和几分钟对数据分析师没区别,跑数据时喝杯咖啡呗,以后你跑个SVM都能去吃饭了。

网上搜索SQL相关的练习题,刷一遍就行。也能自己下载数据库管理工具,找些数据练习。我用的是Sequel Pro。

第五周:统计知识学习

统计学是数据分析的基础之一。

统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情,你的分析技巧也会显著提高。

这一周努力掌握描述性统计,包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看,谁让我们是速成呢,只要看到数据,知道不能怎么样,而是应该这样分析即可。

Excel中有一个分析工具库,简单强大。对列1的各名词做到了解。如果是多变量多样本,学会各种检验。

《统计数字会撒谎》休闲读物,有趣的案例可以让我们避免很多数据陷阱。

深入浅出统计学 (豆瓣)还是经典的HeadFirst系列,适应它一贯的啰嗦吧。

多说一句,老板和非分析师不会有兴趣知道背后的统计学原理,通常要的是分析后的是与否,二元答案。不要告诉他们P值什么的,告诉他们活动有效果,或者没效果。

第六周:业务学习(用户行为、产品、运营)

这一周需要了解业务。对于数据分析师来说,业务的了解比数据方法论更重要。当然很遗憾,业务学习没有捷径。

我举一个数据沙龙上的例子,一家O2O配送公司发现在重庆地区,外卖员的送货效率低于其他城市,导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因,都没有找出来问题。后来在访谈中发觉,因为重庆是山城,路面高低落差比较夸张,很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。

这个案例中,我们只知道送货员的送货水平距离,数据上根本不可能知道垂直距离这个指标。这就是数据的局限,也是只会看数据的分析师和接地气分析师的最大差异。

对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试,公司肯定也知道刚入门分析师不会有太多业务经验,不会以这个卡人。所以简单花一周了解行业的各指标。

《增长黑客》

数据驱动业务的典型,里面包含产品运营最经典的AAARR框架,部分非数据的营销案例,

《网站分析实战》

如果应聘的公司涉及Web产品,可以了解流量的概念。书中案例以Google Analytics为主。其实现在是APP+Web的复合框架,比如朋友圈的传播活动肯定需要用到网页的指标去分析。

《精益数据分析》

互联网数据分析的入门书籍,归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。

还有一个小建议,现在有不少第三方的数据应用,囊括了不少产品领域的数据分析和统计。自学党们即使没有生产环境的数据,也可以看一下应用Demo,有好处的。

除了业务知识,业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。

第七周:Python/R学习

终于到第七周,也是最痛苦的一周。这时应该学习编程技巧。是否具备编程能力,是初级数据分析和高级数据分析的风水岭。数据挖掘,爬虫,可视化报表都需要用到编程能力。掌握一门优秀的编程语言,可以让数据分析师事半功倍,升职加薪,迎娶白富美。

这里有两条支线,学习R语言或Python。速成只要学习一条,以后再补上另外一门。

R的优点是统计学家编写的,缺点也是统计学家编写。如果是各类统计函数的调用,绘图,分析的前验性论证,R无疑有优势。但是大数据量的处理力有不逮,学习曲线比较陡峭。Python则是万能的胶水语言,适用性强,可以将各类分析的过程脚本化。Pandas,sklearn等各包也已经追平R。

如果学习R,建议看《R语言实战》,照着书本打一遍代码,一星期绰绰有余。另外还有一本《统计学》,偏知识理论,可以复习前面的统计学知识。

R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。如果时间有余。可以再去学习ggplot2。

Python拥有很多分支,我们专注数据分析这块,入门可以学习《深入浅出Python》。

需要学会条件判断,字典,切片,循环,迭代,自定义函数等。知道数据领域最经典的包Pandas+Numpy。

在速成后的很长一段时间,我们都要做调包侠。

这两门语言最好安装IDE,R语言我建议用RStudio,Python我建议用 Anaconda。都是数据分析的利器。

Mac自带Python2.7,但现在Python 3已经比几年前成熟,而且没有编码问题。各类教程也足够多,不要抱成守旧了。Win的电脑,安装Python会有环境变量的问题,是个大坑(R的中文编码也是天坑)。

到这里,刚刚好是七周。如果还需要第八周+,则是把上面的巩固和融会贯通,毕竟速成是以转岗或拿offer为目的。有机会,我会专门写文章讲解每一周的具体知识,并且用爬虫爬一些数据做练习和案例。

文章源自知乎作者秦路

标签: 零基础学电商

发表评论 (已有0条评论)

还木有评论哦,快来抢沙发吧~