作者Zulie Rane，自由撰稿人和編碼愛好者。

數據分析是一個非?？岬?、有前途的行業。它一直在上升很長一段時間，這解釋了為什么這么多人想知道如何進入數據分析。自從互聯網和智能手機的廣泛使用，瘋狂的數據量無時無刻不在產生。2020年初，世界上的數據量估計為44zettabytes，或44x10^21字節。所有這些數據包含大量非常有用的信息，如消費者的購買模式或疾病指標。

數據分析員掌握數據集，并負責理解它們。這些數字說明了什么，公司應該怎么做？一個簡單的例子是，當你把一件商品放在購物車里，包含顧客經常一起購買的產品時，就會出現產品的橫幅。數據分析員可以負責確定哪些產品應該相互關聯，以提高轉化率。

數據分析是分析原始數據以發現趨勢并回答問題的過程。它涉及到很多在屏幕前的個人工作，但如果你喜歡數學和編程，這對你來說是一個很好的機會。您可以獲取和收集數據，以及清理、組織、可視化和分析數據。

簡單說明一下：數據科學家負責為數據設計和構建新的模型。他們創造原型，算法，預測模型。數據分析師做的是顧名思義的事情--她查看數據，試圖預測趨勢，進行可視化，并傳達結果。換句話說，數據分析師分析數據。在美國，數據科學家的年薪比數據分析師高出3-4萬美元，所以這是一個重要的區別。

這就是本文將如何引導您完成獲得第一份數據分析工作所需了解的一切。

什么是數據分析？

在您開始考慮如何進入數據分析之前，您應該確保您了解該領域。數據分析是從大量數據中找出意義的藝術。據toDOMO稱，自2020年以來，地球上每秒為每個人創造1.7MB的數據。數據分析師的任務是找到與他們的業務應用程序相關的數據，理解這些數據，并找到應用這些知識來改進業務的方法。

數據分析中有許多子字段。這些包括描述性、診斷性、預測性和規定性分析。您可以通過以下方式來考慮這些不同類型的分析。

• 描述性分析是弄清楚發生了什么。
• 診斷分析回答了這樣一個問題：為什么會發生這種情況？
• 預測分析試圖利用現有的數據來預測未來會發生什么。
• 規定性分析旨在找出對所有這些應該做些什么。

數據分析師可以在日常工作中很好地涵蓋所有這些子領域。通常，數據分析人員將逐步完成所有這些形式的分析，以最大限度地利用數據集并優化其業務影響。如果您想進入數據分析，了解這些不同形式的分析和應用它們的訣竅是很重要的。

數據分析師的任務是幫助企業做出數據驅動的決策。由于收集數據很簡單，數據分析師可以測試他們的假設，并糾正他們所做的說明性模型，以提高他們的性能，并調整從他們的數據洞察中創建的操作項。根據數據做出假設，實現你的預測，并分析結果是進入數據分析的方法。

數據分析需要哪些技術技能？

鑒于數據分析是數學和編程的交叉，它是一個非常技術性的領域。你必須使用許多不同的工具和技術技巧來完成這項工作。軟件工程師瑪格麗塔·哈馬赫（Margarita Hamacher）為數據分析師整理了一份7種技術技能的綜合列表。數據分析不僅僅是硬技能。但對于任何想知道如何進入數據分析的人來說，這些技術技能將是一個很好的起點。

這些技能包括數學、數據可視化、機器學習、編碼等。數學需求可以進一步分解為線性代數、統計學和概率，這些都是數據分析師真正重要的理論基礎。值得強調的是如何將數據分離用于訓練和測試的重要性，并列舉基本的機器學習算法，如果不是實現的話，您應該放心使用。

如果您想知道如何進入數據分析，那么掌握所有這些技能是很重要的，因為您需要每一種技能來正確地理解數據并準確地分析數據。此外，這些技巧中的很多對于面試問題來說都是絕對公平的游戲。

我肯定會創建一些使用這些技能的個人項目，并在你的簡歷中鏈接到它們。如果你遇到下面這樣的問題：

如果您已經通過項目中的實際數據解決了同樣的問題，您的答案將更加令人信服和知情。您可以討論這些相關特性對項目中使用的數據集分析的影響。

如何進入數據分析：為什么數據分析值得進入？

數據分析是一個真正迷人的領域。例如，大多數經典經濟學理論都是基于人類個體做出理性決策的假設。這種假設是錯誤的，因此使許多經典的經濟理論完全過時。例如，一個古老的經濟學理論認為消費者喜歡選擇，雖然在某些情況下這是正確的，但做出決定可能會讓人筋疲力盡，馬克·萊珀和辛·艾揚格發現了選擇的悖論。他們發現，如果顧客有6種選擇，而不是24種，他們更有可能購買果醬。然而，基于數據的經濟理論要準確得多。數據分析仍然需要時不時的一些小假設，但由于它完全基于所收集的數據，如果您的數據是全面的和有代表性的，數據分析提供了一種優雅而準確的方法來理解世界以及在其中做出的決定或習慣。

數據分析是一個跳躍的領域。美國勞工統計局預測，到2026年，數據科學領域將增長28%。如果你在找錢，美國數據分析師的平均工資是70000美元，而且隨著對數據分析師需求的增加，這一數字可能會上升。這是進入數據分析的好時機，您可以采取一些簡單的步驟來進行分析。

誰能成為一個好的數據分析師？

數據分析是一個非常技術性的領域，所以任何想知道如何進入數據分析的人都需要對大量高級數學概念有很強的理解，而且你應該是一個稱職的程序員。如果你對數字和它們能向你揭示的東西有熱情，一旦你確保你能掌握上面概述的技術來滿足工作要求，數據分析就是你的工作。

數據分析師工作中的一個重要因素是您需要的上下文業務知識，這是許多人沒有考慮的。如果您是一名處理樹生長數據的數據分析師，而數據集中缺少某些值，則需要對樹及其生長方式有足夠的了解，以確定是否可以拋出這些數據，或者補充這些數據的最佳方式是什么。您還需要能夠理解數據集的特性意味著什么。如果您有兩個特性，就其含義而言非常相似，那么您可能想扔掉其中一個。通過使用上下文知識評估特征之間的依賴關系以及哪些特征與手頭的問題最相關，您可以省去對特征依賴關系進行深入分析的麻煩。

想想你的激情或你現有知識的領域是什么，以及你如何將數據分析應用到這些領域。許多從事數據分析的人沒有數據分析的正式背景或學位，所以你可以成為一名數據分析師，處理你所研究的領域的數據。

如何準備數據分析面試

如何進入數據分析的很大一部分是粉碎你的數據分析師職位的面試。除了精通Python并能夠解釋中心極限定理之外，您還可以逐步了解如何比較不同后端引擎的性能以自動生成建議?？纯聪旅娴拿嬖噯栴}：

準備技術面試的最佳方法?；卮鸺夹g問題是一項技能，就像其他任何技能一樣。不斷練習編碼和非編碼問題。您可以使用StrataScratch這樣的網站，它為數據分析師提供了大量的編碼和非編碼面試問題。

除了回答編碼問題，比如找出每個用戶在Facebook上的受歡迎程度百分比，以及技術、理論和非編碼問題，比如解釋時間序列預測的不同技術，你還需要為行為面試問題提供與數據分析師相關的內容。雖然你的大多數面試都是技術性面試，有編碼或非編碼問題，但重要的是你要有一段時間你經歷過失敗或你特別自豪的成就的例子，這些例子與數據分析有關。

這就是為什么與數據分析有關的個人項目如此重要。也許你有拯救動物的熱情。你可以創建一個模型，預測什么策略最有效地讓動物被收養。如果你有機會應用你的模型，就更好了，比如如果你有一個動物收容所來遵循你推薦的策略，看看這是否會對收養率產生影響。數據分析可以應用于任何有數據的領域。一定會有一個數據集與您感興趣的主題相關。在這方面練習你作為數據分析師的技能，這樣你就可以為你的面試官突出這些技能。

數據分析中的職業選擇

許多可能擔心如何進入數據分析的程序員和非程序員應該知道，正規教育，特別是數據分析，是不需要的。并不是很多大學都有完整的數據科學或數據分析學位課程。盡管越來越多的大學增加了數據分析項目，但對數據分析師的需求仍然太高，雇主不需要正式的數據分析或數據科學背景。如果你有數學或計算機科學的背景，這可能會很有幫助，但不是必需的。

要獲得一份入門級數據分析師的工作，最好的辦法是精通Python并對SQL以及SAS、R、Tableau或其他數據庫接口工具和語言非常有信心。如果你沒有C.S.的背景?；蛘邤祵W，在一旁發展這些技能，并將它們應用到展示你能力的個人項目中。

由于上下文知識如此重要，數據分析是從另一個行業進入的一個很好的領域。根據您所分析的數據的行業，無論是醫學圖像還是在線零售行業中中小企業的購買模式，對您所分析的數據的行業有重要的了解可能是有幫助的，有時也是必要的。

在美國，數據分析師的平均工資是70.7萬美元，但對于那些職業生涯后期的人來說，工資可以高達10.6萬美元。我們的帖子數據科學家賺多少錢可以幫助你了解數據分析方面的工資，以及他們是如何受到各種因素的影響的。

數據分析師的常見工作職責包括收集和組織數據、確保符合數據政策、執行質量控制功能以確保數據的完整性、利潤優化建議或制定價格和組合折扣計劃。確切的職責在不同的公司之間可能會有很大的差異，所以檢查確切的工作描述，找到與你最喜歡的任務相匹配的工作描述。

關于如何進入數據分析的最后思考

數據分析是一個廣闊的領域。對數據分析師的需求迅速增長，這意味著你將享受相對較高水平的工作保障。由于這個行業還很年輕，所以有很大的職業發展潛力。所需的技能多種多樣，所以絕對不是為那些已經完成學習的人準備的。由于該行業發展如此迅速，在未來幾年中，在使用的工具和新的應用程序方面肯定會有很多變化。

如果你想進入技術和編程領域，但又不想回到學?；虺蔀檐浖こ處?，數據分析對你來說是一個很好的選擇。數據分析員仍然可以處理代碼，但你可以少處理隨叫隨到或處理開發人員的頭痛問題。數據分析的應用通常是迷人的，通過指導企業做出數據驅動的決策，您可以對企業的成功產生很大的影響。