從零開始學數據分析，什么程度可以找工作？

基本答一下吧，但是不是很準確，只了解大致情況（杭州），帶有某種行業自黑。

一、第一階段（一般崗位叫數據專員）

基本學會excel（VBA最好學會；會做透視表；熟練用篩選、排序、公式），做好PPT。這樣很多傳統公司的數據專員已經可以做了

二、第二階段（數據專員~數據分析師）

這一階段要會SQL，懂業務，加上第一階段的那些東西。大多數傳統公司和互聯網小運營、產品團隊夠用了。

三、第三階段（數據分析師）

統計學熟練（回歸、假設檢驗、時間序列、簡單蒙特卡羅），可視化，PPT和excel一定要溜。這些技術就夠了，能應付大多數傳統公司業務和互聯網業務。

四、 第四階段（分裂）

數據分析師（數據科學家）、BI等：這部分一般是精進統計學，熟悉業務，機器學習會使用（調參+選模型+優化），取數、ETL、可視化啥的都是基本姿態。

可視化工程師：這部分國內比較少，其實偏重前端，會high charts，d3.js, echarts.js。技術發展路線可以獨立，不在這四階段，可能前端轉行更好。

ETL工程師：顧名思義，做ETL的。

大數據工程師：熟悉大數據技術，hadoop系二代。

數據工程師（一部分和數據挖掘工程師重合）：機器學習精通級別（往往是幾種，不用擔心不是全部，和數據分析師側重點不同，更需要了解組合模型，理論基礎），會組合模型形成數據產品；計算機基本知識（包括linux知識、軟件工程等）；各類數據庫（RDBMS、NoSQL(4大類)）

數據挖掘：和上基本相同。

爬蟲工程師：顧名思義，最好http協議、tcp/ip協議熟悉。技術發展路線可以獨立，不在這四階段

發現回答的有點文不對題額，不過大致是所有從底層數據工作者往上發展的基本路徑。往數據發展的基本學習路徑可以概括為以下內容：

1. EXCEL、PPT（必須精通）

數據工作者的基本姿態，話說本人技術并不是很好，但是起碼會操作；要會大膽秀自己，和業務部門交流需求，展示分析結果。技術上回VBA和數據透視就到頂了。

2. 數據庫類（必須學）

初級只要會RDBMS就行了，看公司用哪個，用哪個學哪個。沒進公司就學MySQL吧。

NoSQL可以在之后和統計學啥的一起學?；镜腘oSQL血MongoDB和Redis（緩存，嚴格意義上不算數據庫），然后（選學）可以了解各類NoSQL，基于圖的數據庫Neo4j，基于Column的數據庫BigTable，基于key-value的數據庫redis/cassendra，基于collection的數據庫MongoDB。

3. 統計學（必須學）

如果要學統計學，重要概念是會描述性統計、假設檢驗、貝葉斯、極大似然法、回歸（特別是廣義線性回歸）、主成分分析。這些個用的比較多。也有學時間序列、bootstrap、非參之類的，這個看自己的意愿。

其他數學知識：線性代數常用（是很多后面的基礎），微積分不常用，動力系統、傅里葉分析看自己想進的行業了。

4. 機器學習（數據分析師要求會選、用、調）

常用的是幾個線性分類器、聚類、回歸、隨機森林、貝葉斯；不常用的也稍微了解一下；深度學習視情況學習。

5. 大數據（選學，有公司要求的話會用即可，不要求會搭環境）

hadoop基礎，包括hdfs、map-reduce、hive之類；后面接觸spark和storm再說了。

6. 文本類（選學，有公司要求的話會用即可）

這部分不熟，基本要知道次感化、分詞、情感分析啥的。

7. 工具類

語言：非大數據類R、Python最多（比較geek的也有用julia的，不差錢和某些公司要求的用SAS、Matlab）；大數據可能還會用到scala和java。

可視化（選學）：tableau、plot.ly、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不錯

數據庫語言：看你自己用啥學啥

其他框架、類庫（選學）：爬蟲(requests、beautifulsoup、scrapy)，日志分析（常見elk）