最近，寫了 Linux C/C++、Java 的學(xué)習(xí)路線，對(duì)于要走這個(gè)方向的讀者，看看文章，大致方向不會(huì)錯(cuò)的，在看的過程中，要慢慢培養(yǎng)自己的技術(shù)棧：

1、Linux C/C++ 學(xué)習(xí)路線（已拿騰訊、百度 offer）

2、Java 學(xué)習(xí)路線

對(duì)于 Java 學(xué)習(xí)路線，上篇文章說到的框架那塊，有些過時(shí)了，現(xiàn)在直奔 spring 或 springboot 即可，另外 2 個(gè)框架不用學(xué)了。

后臺(tái)三大主力，C++、Java、Go，Go 語言的學(xué)習(xí)路線不打算寫了，目前走 Go 方向的人很少，看之后發(fā)展如何吧；上次讀者留言，提到了數(shù)據(jù)分析，對(duì)于目前大火的 Python，在數(shù)據(jù)分析方面，是有一定的優(yōu)勢(shì)的。

數(shù)據(jù)分析方向的思考

1、

對(duì)于 Python，可以從事的方向有：爬蟲、后臺(tái)、web、數(shù)據(jù)分析、算法崗，目前來說，要是選擇 Python 的話，走數(shù)據(jù)分析、算法崗是比較好的；當(dāng)然了，Python 最適合的場(chǎng)景就是 AI，要是能直接走算法崗是最佳選擇。

走數(shù)據(jù)分析的，大部分人本身可能只熟悉 Python，有一部分人是真的喜歡這個(gè)方向，有一部分人其實(shí)是被動(dòng)選擇，想找后臺(tái)方向，不熟悉 C++、Java、Go，沒法投遞，想找算法崗，對(duì)于機(jī)器學(xué)習(xí)十大算法以及算法方向的能力暫時(shí)不具備，只能選擇數(shù)據(jù)分析這么一個(gè)崗位了。

對(duì)于數(shù)據(jù)分析，國(guó)內(nèi)招聘的需求崗位遠(yuǎn)不如后臺(tái)、算法崗多，加上現(xiàn)在 Python 大火，很多人都走的 Python 路線，其競(jìng)爭(zhēng)非常激烈，對(duì)于數(shù)據(jù)分析崗的技術(shù)含量，遠(yuǎn)沒有算法崗那么多，要求也沒那么嚴(yán)，其薪資待遇也不算高。

數(shù)據(jù)分析其實(shí)很實(shí)用，可以通過對(duì)大量數(shù)據(jù)的觀察、分析、得到一定的規(guī)律，對(duì)于現(xiàn)在的大數(shù)據(jù)、云計(jì)算，尤其是面對(duì)海量數(shù)據(jù)，就需要一些快速處理的方法，數(shù)據(jù)分析崗位在公司中有一定的重要性，這個(gè)方向可以作為走向 AI 算法崗的跳板。

2、

對(duì)于技術(shù)沒多大追求的，還想踏入互聯(lián)網(wǎng)行業(yè)的，完全可以選擇走數(shù)據(jù)分析，數(shù)據(jù)分析這個(gè)方向相對(duì)而言，跟業(yè)務(wù)掛鉤比較大，熟悉了業(yè)務(wù)背景，還是很好上手的，如果一開始不具備算法崗的能力，也可以從數(shù)據(jù)分析入手，慢慢轉(zhuǎn)向算法崗。

我要清醒的告訴大家一點(diǎn)：數(shù)據(jù)分析的技術(shù)含量是比較低的，如果你想長(zhǎng)期從事技術(shù)方面的工作，還是需要走后臺(tái)或者算法崗，很多人投遞這個(gè)方向，其實(shí)是被動(dòng)與無奈的選擇（都不知道在工作中，數(shù)據(jù)分析到底是干啥的），一定要想好自己的職業(yè)方向。

如果真的喜歡數(shù)據(jù)分析，對(duì)數(shù)據(jù)比較敏感，一直從事在這個(gè)崗位也是挺好的，關(guān)鍵是要做自己喜歡的事情！

數(shù)據(jù)分析學(xué)習(xí)路線

數(shù)據(jù)分析，我在工作中有過簡(jiǎn)單的接觸，自己目前入門較淺，根據(jù)自己的思考，分享一下我認(rèn)為的學(xué)習(xí)路線、資料推薦，其中肯定有不足之處，希望大家在學(xué)習(xí)的時(shí)候，慢慢完善自己的技術(shù)棧就好了。

數(shù)據(jù)分析崗位，簡(jiǎn)單理解，就是對(duì)于數(shù)據(jù)的處理、分析，得到結(jié)果，所以這個(gè)方向需要學(xué)習(xí)數(shù)據(jù)分析的 2 個(gè)方面：工具 + 方法 （數(shù)據(jù)處理的工具以及數(shù)據(jù)處理的常見方法）。

數(shù)據(jù)分析最完整的流程：數(shù)據(jù)獲取--->數(shù)據(jù)存儲(chǔ)--->數(shù)據(jù)預(yù)處理--->數(shù)據(jù)分析--->數(shù)據(jù)可視化。

1、基礎(chǔ)

Excel ：最基礎(chǔ)的數(shù)據(jù)處理工具，偏向于運(yùn)營(yíng)崗位的數(shù)據(jù)分析，作為一個(gè)數(shù)據(jù)分析師，Excel 無條件的熟練掌握，對(duì)于數(shù)據(jù)量較少，拿 Excel 進(jìn)行分析、轉(zhuǎn)換、運(yùn)算即可，而且數(shù)據(jù)分析師很大一部分時(shí)間是在與 Excel 在打交道。

SQL：sql 語句的熟練掌握，這就是跟數(shù)據(jù)庫打交道了，利用 sql 把數(shù)據(jù)進(jìn)行提取，分析是很常見的一種方法（說句實(shí)話：算法崗也有一部分時(shí)間是在寫 sql），不管你從事數(shù)據(jù)分析、還是算法崗，sql 都非常的重要，因?yàn)檫@是跟數(shù)據(jù)庫打交道最直接的語句了。

我前面說過，不管你是啥方向，工作中最重要的三項(xiàng)技能，必須非常非常熟練的掌握起來：Linux + Git + Sql。

Python：Python 基礎(chǔ)知識(shí)的掌握，主要是 Python 非常擅長(zhǎng)處理數(shù)據(jù)，Python 有很多包、方法都是可以直接調(diào)用的，作為一名數(shù)據(jù)分析師，對(duì)于一些復(fù)雜的場(chǎng)景，會(huì)用腳本語言進(jìn)行數(shù)據(jù)分析。

Python 爬蟲：對(duì)于這項(xiàng)技術(shù)的理解，掌握了會(huì)更好，不會(huì)也不影響你作為數(shù)據(jù)分析師的日常工作，數(shù)據(jù)分析師的主要工作是對(duì)于數(shù)據(jù)的理解、處理，拿到結(jié)果；對(duì)于 R 語言，也是一門腳本語言，方便處理數(shù)據(jù)的，有時(shí)間可以接觸，學(xué)習(xí)學(xué)習(xí)，Python 在這方面的需求是遠(yuǎn)大于 R。

數(shù)據(jù)分析師的基本功：Excel + Sql + Python，加上對(duì)于業(yè)務(wù)的理解，日常需求還是能完成的，對(duì)于那些計(jì)算機(jī)基礎(chǔ)知識(shí)，肯定是掌握了更好啊！

2、進(jìn)階

Python 科學(xué)計(jì)算：pandas、numpy、scipy 等，pandas 常用于數(shù)據(jù)的清洗（重復(fù)、缺失、異常值等），把這些缺失的數(shù)據(jù)處理好，才能獲得更加準(zhǔn)確的分析；numpy 支持?jǐn)?shù)組和矩陣的運(yùn)算，提供了大量的數(shù)學(xué)函數(shù)庫；scipy 是一個(gè)高級(jí)的科學(xué)計(jì)算庫，很多數(shù)學(xué)統(tǒng)計(jì)的相關(guān)函數(shù)都在其中。

對(duì)于科學(xué)計(jì)算包pandas、numpy、scipy 等，作為數(shù)據(jù)分析師的進(jìn)階是最好要掌握的，花些時(shí)間，把這些都得熟悉掌握起來。

概率論及統(tǒng)計(jì)知識(shí)：

(1)、基本的概念：均值、中位數(shù)、眾數(shù)、極值等；

(2)、統(tǒng)計(jì)量：方差、標(biāo)準(zhǔn)差、顯著性等；

(3)、概率論知識(shí)：條件概率、貝葉斯等；

。。。

有了統(tǒng)計(jì)學(xué)的基本知識(shí)，就可以拿上面的量化數(shù)據(jù)，來描述數(shù)據(jù)的指標(biāo)，觀察數(shù)據(jù)規(guī)律，得到一些結(jié)論性的總結(jié)，以及一些變化趨勢(shì)的預(yù)估，這塊數(shù)據(jù)分析做的就是有些技術(shù)含量的東西了。

3、拔高

數(shù)據(jù)分析師的拔高，就是在慢慢的走向機(jī)器學(xué)習(xí)方向，慢慢的轉(zhuǎn)為算法崗。

特征工程的基礎(chǔ)：如何統(tǒng)計(jì)數(shù)據(jù)特征、選用不同的特征，做模型的優(yōu)化；

基本的分類算法：決策樹、隨機(jī)森林等；

基本的聚類算法、數(shù)據(jù)挖掘、常見的機(jī)器學(xué)習(xí)算法的了解；

做到這步的話，慢慢就會(huì)有數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)的感覺，一個(gè)優(yōu)秀的數(shù)據(jù)分析師，數(shù)學(xué)功底是扎實(shí)的，就是在潛移默化的轉(zhuǎn)向數(shù)據(jù)挖掘崗。

4、推薦資料

書籍：

《對(duì)比Excel，輕松學(xué)習(xí)Python數(shù)據(jù)分析》：易懂易學(xué)的好書，強(qiáng)烈推薦！

《利用Python進(jìn)行數(shù)據(jù)分析》

《深入淺出統(tǒng)計(jì)學(xué)》

數(shù)據(jù)分析工作中

2019 年騰訊暑期實(shí)習(xí)招聘

看看投遞數(shù)據(jù)分析方向的比例是多么的嚇人（50：1），崗位少，投遞人多，競(jìng)爭(zhēng)太激烈了；看看騰訊對(duì)于數(shù)據(jù)分析師要求的技術(shù)棧：數(shù)學(xué)功底 + Python 腳本，基本上就是這些。

當(dāng)你對(duì)于一個(gè)崗位，不知道學(xué)啥、不知道怎么構(gòu)建自己技術(shù)棧的時(shí)候，你就多去官網(wǎng)看看，對(duì)于這個(gè)方向的要求，會(huì)給你指明一個(gè)大體的方向，按照著學(xué)習(xí)、準(zhǔn)備、提升自己的技術(shù)能力就好。

為啥大部分人都投遞這個(gè)方向呢？我上面都說了，無奈與被迫的選擇，如果計(jì)算機(jī)水平足夠，大部分人還是愿意選擇后臺(tái)或者算法崗，多想想，時(shí)刻保持獨(dú)立思考的能力。

對(duì)于大部分?jǐn)?shù)據(jù)分析師，在工作中，掌握：Excel + Sql + Python 足夠了，并沒有多大的技術(shù)含量，拿的錢相對(duì)較少；我這邊工作中接觸的數(shù)據(jù)分析工程師，主要就是統(tǒng)計(jì)數(shù)據(jù)、效果追蹤、報(bào)表可視化展示等。

每家公司的數(shù)據(jù)分析做的工作是完全不一樣的，有的感覺很無聊，有的還有些技術(shù)含量，這取決于你的業(yè)務(wù)與場(chǎng)景，大廠和小廠的數(shù)據(jù)分析也有差別，不管咋樣，時(shí)刻保持不斷學(xué)習(xí)的勁頭就好了。

面對(duì)新的領(lǐng)域，不在于我是否走這條路線，在于我是否思考、查資料、解決這些問題，能快速的給自己規(guī)劃學(xué)習(xí)路線，這就是能力。

數(shù)據(jù)分析未來崗位還會(huì)增加，看看是否適合自己，認(rèn)清自己在技術(shù)方面的能力，做好選擇。