数学是基础，计算机理论是素养, 编程语言是工具。
在4月以后,逐渐在学习中加入编程, 穿插着各个Function去学习,一是用到哪里遇见不会学哪里效率更高,另外只是学理论不使用,很快就会忘光了. 编程并不只是写代码,算法才是编程的精髓。而学会算法就需要一定的数学基础,和计算机理论常识. 为了学好编程，我设置了5个阶段的学习.
Stage 1: 数学基础: 高等数学，离散数学，数据结构; (1月)
Stage 2 计算机基础: 软件与理论 (2月)
Stage 3 商业基础: 了解业务,商务分析, (3月)
Stage 4 编程基础: 学习算法与编程语言 (4月)
Stage 5 人工智能和机器学习 (5月)
在数据分析工作中, 给你一大堆的数据文本文件，老板说，我需要从这一大堆数据文件里找到某种特定条件的结果。
1.你必须会数学，知道这些结果如何计算出来，是否有最优算法。
2.你必须会编程，比如perl,python之类，会提取原始数据，会处理数据文件，当然数据库技术也是必须的技能。
3. 整理好数据以后,你需要具备一定的业务能力,能从数字中解读出问题存在哪里?影响因素有哪些?你能不能根据数据找到解决的方案.
趁着你还算是年轻，专注度和体能都跟得上，抓紧时间开始学吧 !
--------------------------------------------------------废话没有少说分割线-----------------------------------------------------------------
一 编程工具
计算机语言的种类非常的多，总的来说可以分成机器语言，汇编语言，高级语言三大类。计算机每做的一次动作，一个步骤，都是按照已经用计算机语言编好的程序来执行的，程序是计算机要执行的指令的集合，而程序全部都是用我们所掌握的语言来编写的。所以人们要控制计算机一定要通过计算机语言.
R语言:为统计人员开发的一种语言，可以用R语言构建深奥的统计模型、数据探索以及统计分析等
Python语言：Python是数据分析利器，使用Python进行科学计算可以提高效率，Python可以替代Excel进行更高效的数据处理
Java语言：Java是一门很适合大数据项目的编程语言，Hadoop、Spark、Storm、Flink、Flume、Kafka、Sqoop等大数据框架和工具都是用Java编写的，因此，大数据会不可避免的使用到Java。
C语言 设计目标是提供一种能以简易的方式编译、处理低级存储器、产生少量的机器码以及不需要任何运行环境支持便能运行的编程语言。 尽管C语言提供了许多低级处理的功能，但仍然保持着良好跨平台的特性.
Scala语言:Scala是一门轻松的语言，在JVM上运行，成功地结合了函数范式和面向对象范式
Matlab语言，熟练matlab使用语言的基本语法，懂得基本的语言描述与运用方式，最关键的是要与数学分析方法和模型相结合。
SPSS软件,在大学做不是特别大的数据分析.相对简单操作的分析软件.
PHP语言. 吸收了C语言、Java和Perl的特点，利于学习，使用广泛，主要适用于Web开发领域,PHP并不是一种随意的任意东西集合，而是关键字和函数工厂的虚拟爆炸. 它可以比CGI或者Perl更快速地执行动态网页，PHP还可以执行编译后代码，编译可以达到加密和优化代码运行，使代码运行更快。
Go语言 虽然Go作为后端语言的地位是毋庸置疑的，但是由于它缺乏像Java等编程语言的多样性，从而在一定程度上使它难以进入新的领域来获得新的增长。
Swift 由于苹果对Objective-C的支持，以及它通过iOS平台持续创造的机会，使得该语言一直保持着很高的知名度。
世界编程语言排行榜,TIOBE编程语言排行榜是编程语言流行趋势的一个指标，每月更新，这份排行榜排名基于互联网有经验的程序员、课程和第三方厂商的数量。排名使用著名的搜索引擎（诸如Google、MSN、Yahoo!、Wikipedia、YouTube以及Baidu等）进行计算。请注意这个排行榜只是反映某个编程语言的热门程度，并不能说明一门编程语言好不好，或者一门语言所编写的代码数量多少。 这个排行榜可以用来考查你的编程技能是否与时俱进，也可以在开发新系统时作为一个语言选择依据。
二 编程能力与其他
数据分析除了需要编程能力，但是要有编程的逻辑思维能力：
1、要开发数据分析软件以及程序，让岗位人直观看明白的话可以采用编程方式开发出来，这个就要编程能力。
2、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
3、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
4、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
5、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
6、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
希望通过结构化知识，提高学习效率，让你的工作时间更值钱，赚钱更高效！------------《 数据分析笔记》
网友评论