想成为数据分析师？ 这是掌握的顶级技能和工具

处理数字和发现模式已成为 IT 行业的黄金标准。 数据分析师工作需求旺盛，LinkedIn 的 2017 年最有前途的工作将数据工程师列为第 9 位，分析经理将其列为第 18 位。

Glassdoor 对美国 50 个最佳工作的另一项研究显示，数据科学家位居榜首，数据工程师紧随其后，排名第三，分析经理位居令人羡慕的第五位。然而，占据榜首并不容易。 如果您想在这一重大职业发展中实现同比增长和丰厚的薪酬待遇，您需要大量的数据分析技能。

虽然互联网上充斥着关于如何掌握数据科学、情感分析和快速跟踪机器学习等基础知识的免费资源。 Analytics India Magazine 和 UpGrad 通过列出成为数据分析师所需的 5 项基本技能来帮助您摆脱困境。

拥有这些技能，让自己在数据分析师工作中处于领先地位

让我们从一些基础知识开始：

学历

不是每个人都能成为数据分析师。 你需要对数学和统计学有一种自然的倾向。 所有这些年学习微积分和概率的知识都会派上用场。 计算机科学学位总是一个额外的优势。
统计学：要成为一名成熟的数据分析师，统计学的全面基础是必不可少的。 擅长统计将帮助您深入了解算法以及何时应该使用它们。

复习应用统计学、线性代数、实分析、图论和数值分析。 线性代数在回归、理解数据结构以及为规范和预测数据建模准备数据方面发挥作用。

编程技巧

1) 统计语言：

SAS vs R vs Python ：在选择分析工具时，这是一个让大多数数据书呆子都头疼的问题。 虽然 SAS（昂贵）和 Python（收费用于低规模数据处理）很容易学习，但 R（低级编程语言）凭借其先进的计算能力、更好的图形功能和先进的工具而胜出。

由于 R 是开源的，与 SAS 相比，特性和包可以快速添加。 R 蓬勃发展的另一个原因是它有一个庞大的生态系统支持它，以使其与丰富的功能保持同步。

专业提示：R 的商业吸引力使其成为家喻户晓的名称（阅读：IT/技术重点公司），虽然 SAS 仍被企业广泛使用，但这种统计语言正在流行。 但是 R 有一个陡峭的学习曲线。

2）查询语言：

SQL：最古老的查询语言之一， SQL 是一种通用数据库语言，用于分析和事务查询。 SQL 主要用于日常操作，无法支持 PB 级的数据。 Unity 教程等程序可以帮助您更深入地熟悉 PHP 和 MySQL。

Hive ：这种 Hadoop 查询语言是由 Facebook 的数据基础设施团队发明的。 从 Hive 于 2008 年开源之日起，它就成为了业务分析师的热门选择。 与 SQL 相比，使用称为 HQL 的 SQL 类型语言的开源数据仓库解决方案可以支持 TB 和 PB 的数据。 缺点是它只支持结构化数据。

PIG： Pig 的最大优势之一是它可以处理结构化和非结构化数据，并且可以在 MapReduce 上运行。 它是大多数倾向于编写脚本的程序员的首选语言。 您需要做的是学习 Pig Latin，与 Hive 相比，它有助于更​​轻松地解决结构化/非结构化和半结构化问题。 这里有一点历史琐事 - Pig 于 2006 年在 Yahoo 中创建，用于执行 MapReduce 作业。

专业提示： SQL 知识将有助于学习 Pig 和 Hive。

3) 脚本语言：

MATLAB：它是一种用于数据挖掘的语言。 有些人可能会争辩说它的受欢迎程度已经下降。 把它放在你的武器库里不会有什么坏处。 请记住，MATLAB 已经存在了很长时间，它是在 70 年代后期作为数据分析工具发明的。

Python：这是最流行的脚本语言之一，它的流行源于当前的堆栈。 核心库 NumPy、SciPy、Pandas、matplotlib、IPython。 非常适合建模和分析。 但它有一个缺点——大型数据集的可扩展性。

专业提示： Python 拥有强大的社区，最适合用于抓取网站和数据工程。 你猜怎么了？ 非常简单，非编程背景的人也能掌握！

机器学习

机器学习 (ML) 不仅仅是一个流行词。 它正在跨领域发现很多实用性并获得巨大的牵引力，因此成为数据专业人员需要具备的一项基本技能。 在机器学习中，回归、分类和分割是分析师应该关注的广泛学习领域。

数据可视化

您拥有所有这些数据； 现在你如何把它变成现实？ 作为数据分析师，你的工作是制作令人回味的报告、发现趋势并将这些发现传达给高层。 要掌握的数据可视化工具有 Tableau、Microsoft Power BI、Oracle Visual Analyser、SAS Visual Analytics。 如果你喜欢 R，你可以使用ggplot 包来创建高度交互的图表和图形。
专业提示：不要只学习工具。 尝试理解视觉编码数据的动机。

数据分析初创公司指南

了解数据库

本质上用于更好地了解客户，数据库分析通过各种工具从基本分析扩展到复杂的数据挖掘——地理信息系统 (GIS) 或文本分析。 分析数据库的基本步骤是提取、清理、合并、分析和实现。

结帐：印度的数据分析师薪水

数据整理或数据整理

在开始从大量数据中提取洞察之前，必须清理数据。 说白了，就是需要有人做看门人的工作，也就是说，在分析之前手动清理数据并以统一的格式处理它。 到目前为止， excel已被用于清理和丰富数据，但斯坦福大学推出了一种交互式工具，一个名为 Wrangler 的正在进行中的工具。

专业提示：试一试 Wrangler，了解如何操作真实数据并将其导出以在 Tableau 或 R 中使用

数据分析师不需要像数据科学家这样的高级技能。 但是，由于这些角色是多方面的，并且学习是一个持续的过程，因此有了额外的资源，您也可以成为初级数据科学家。

从本质上讲，数学和统计学（32%）、计算机科学（19%）和工程学（16%）是数据科学家最重要的研究领域。 通常期望数据分析师精通 SAS 和/或 R 等语言。

建议具有计算机科学背景的人了解 Python、Hadoop 和 SQL 编码。 此外，处理非结构化数据是数据分析师工作不可或缺的一部分。 习惯于非结构化数据库是个好主意。 此外，数据分析师必须具备诸如培养商业头脑或良好的沟通/演示技能等素质，因为这些技能将有助于保持领先地位。

从世界顶级大学在线学习数据科学课程。 获得行政 PG 课程、高级证书课程或硕士课程，以加快您的职业生涯。

这篇文章最初发表在 Analytics India 杂志上。