数据分析师的成长之路
在学习数据分析之前应该明白几点
- 数据初期的准备通常占整个数据挖掘项目工作量的70%左右。
- 数据分析师本身融合了业务知识、统计学和计算机等学科，并不是新的技术。
- 数据分析更适合业务人员学习（相比技术人员学习业务来的更高效）
- 数据分析项目通常需要重复一些毫无技术含量的工作。
以数据分析师为例，先看一下国内知名互联网数据分析师的招聘要求：
- 计算机、统计学、数学等相关专业本科及以上学历；
- 具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；
- 三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；
- 对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；
- 具备良好的逻辑分析能力、组织沟通能力和团队精神；
- 富有创新精神，充满激情，乐于接受挑战
从业务开始
学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司），一般人没有这个精力和时间全方位的掌握所有技术细节。但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。不要在学习技术时想要面面俱到，这样会失去你的核心竞争力。
大数据是技术工具，最终的应用需要深入理解业务企业的业务场景和商业模式，甚至有人说不懂业务就不要谈大数据，可见领域知识的重要性。值得一提的是，近几年在顶尖科学杂志《Nature》与《Science》上发表的大数据文章都是来自行业专家，而并非计算机专家，这从另外一个方面反映了业务知识的重要性。
get技能
数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力， SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
以上来自：http://www.ppvke.com/Blog/archives/37780
做了一段时间的数据分析，一点个人的体会：
1、数据的前期准备非常重要，首先你需要特别了解你的数据，内容是什么，各类数据的范围，大致特征；然后进行数据清洗和预处理，这些都是非常关键的步骤。
如果忽略以上的步骤或者完成的不到位，那么即使是在最后的建模阶段，撰写分析报告的阶段，也都得回到最初的数据准备环节。
2、要熟练掌握常用的统计软件，比如Excel，spss等，有时候如果对编程不熟悉的部分直接使用统计分析软件，结果会更快和更方便。
在工作中，一方面要求效率，一方面要求准确性和数据的可用性，所以，有时候必须得充分考虑数据的特点和实际问题的结合，才能得出具有实用性的分析结果。
3、 学习的系统性
这一点非常重要，现在处于一个碎片化知识的整理和部分的加强阶段。
4、习惯记录！
学习的记录是一个非常重要的环节，一方面是知识的巩固，更重要的是一个逻辑的强化。
keep updating!