此Twitter 线程来自Sharyph @thegoldsuite (来源: 11-18-2022 )。 Sharyph 是一位技术作家。
数据分析市场将从 230 亿美元增加到 2019 年至 2026 年的 1330 亿美元。
这是您成为专业数据分析师的最快方式。
-线-
您可能花了太多时间观看 YouTube 视频和 Udemy 课程,但这可能无济于事。
在此线程中,我删除了所有的绒毛,并为您提供了从零到全职数据分析员的最快途径
此外,在此线程中,我将分享几乎每个数据分析师都会犯的主要错误。
所以,你不会重复那些。
让我们开始吧。
- 选择用于数据分析的工具或编程语言
我选择 Excel 作为开始的工具。
为什么选择 Excel?
- 很容易学
- 几乎每家公司都在使用
- 它在数据分析方面有着广泛的应用
陷阱:
它不是专门为数据分析而设计的
Excel 非常适合入门,但是一旦您掌握了 Excel,
是时候继续学习更严肃的工具和最合乎逻辑的工具了。
- 学习 SQL
这显然是数据分析师工作中第二大最需要的技能
为什么是 SQL?
因为它没有与 Excel 相同的限制
- 你可以提取
- 转换
- 加载非常大的数据集
最好的是它有自己的非常易于使用的编程语言
SQL 是一个很好的工具,可以增加您作为数据分析师的技能
同时也是一些更严肃的编程的重要垫脚石。
- 学习可视化工具
有几十个。
但大多数公司都在寻找具有以下经验的人:
- 画面
- 电力BI
- QlikView
以下是这些工具的优缺点,因此您可以决定:
电力商务智能:
- 与 Excel 和 SharePoint 一起顺利工作。
它有一个免费版本,与其他 BI 工具相比,即使是大版本也相对便宜。
画面:
- Tableau 是一款 B.I 工具,具有比 Power BI 更广泛的数据可视化功能
- 就业市场的需求比 Power BI 多一点
此外,它带有
- 更高的价格标签
- 比 Power BI 更难学
QlikView:
- 它使用内存技术,因此执行速度更快。
- 但它的价格很高
- 需求低于 Power BI 和 Tableau
在我们继续讨论如何擅长数据分析之前,您需要
- 学习编程语言
要成为一名数据分析师,我们必须在两种编程语言之间进行选择。
- R
- Python
那么,你应该选择哪一个...
在你选择之前,这里有一个小帮助👇
R. 是一种统计编程语言。
Python 是一种通用计算机语言,非常适合数据分析。
R很容易学,
但是如果你能学好python,你不仅擅长数据分析,还可以成为一个开发软件,这是一个Bonus。
所以,现在你可能知道路径了。
Excel ➡️SQL ➡️Power BI ➡️Python ➡️
在结束这个话题之前,让我也告诉你初学者犯的主要错误。
因此,您可以避免这些并缩短学习曲线。
初学者常犯的错误:
- 通过观察别人来学习
- 不做就无法真正学习
如果不编写代码或分析数据,您会给自己一种错误的进步感。
对于实际练习,我会推荐这些免费网站:
- Excel: https ://excel-practice-online.com
- Power BI: https ://datacamp.com/courses/introduction-to-power-bi
- 蟒蛇: https ://learnpython.org
2. 尝试自己解决所有问题。
95% 的时间有人发生了同样的错误并且他/她已经解决了它。
您只需在 google 中复制部分错误消息,您可能最终会进入 StackOverflow。
向他人寻求帮助和学习是可以的。
你已经走到尽头了。
以下是步骤:
选择用于数据分析的工具或编程语言
学习 SQL
学习可视化工具
学习编程语言
Excel ➡️SQL ➡️Power BI ➡️Python ➡️
至此,我结束了这个话题,如果你喜欢这个话题,请:
- 跟我来@thegoldsuite
更多
转发下面的第一条推文以分享此线程
检查 My Bio 中的链接,其中的资源(免费)会对您有所帮助。
通过 HackerNoon Stable Diffusion Prompt 生成的特征图像“成为专业数据分析师的最快方法”