Ⅰ 學習數據分析需要哪些基礎
數據分析這個崗位可以說很寬泛很雜，從數據錄入員到行業分析師科學家都可以認為是數據分析，甚至一些搞數據挖掘、人工智慧的都可以包括到數據分析的范疇里，但是這些工作所做的事情卻相差甚遠，當然待遇也天壤之別。所以大家在應聘時不要只看崗位名稱，重要的是看看清崗位職責和要求。言歸正傳，咱們談談如何學習數據分析。
1、學科知識：從數據分析涉及到的專業知識點上看，主要是這些：
（1）統計學：參數檢驗、非參檢驗、回歸分析等
（2）數學：線性代數、微積分等
（3）社會學：主要是一些社會學量化統計的知識，如問卷調查與統計分析；還有就是一些社會學的知識，這些對於從事營銷類的數據分析人員比較有幫助
（4）經濟金融：如果是從事這個行業的數據分析人員，經濟金融知識是必須的，這里就不多說了
（5）計算機：從事數據分析工作的人必須了解你使用的數據是怎麼處理出來的，要了解資料庫的結構和基本原理，同時如果條件充足的話，你還能有足夠的能力從資料庫里提取你需要的數據（比如使用SQL進行查詢），這種提取數據分析原材料的能力是每個數據從業者必備的。此外，如果要想走的更遠，還要能掌握一些編程能力，從而借住一些專業的數據分析工具，幫助你完成工作。
……
好好學習，雖然累，但是要堅持！
2、軟體相關：從事數據分析方面的工作必備的工具是什麼
（1）數據分析報告類：Microsoft Office軟體、水晶易表等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。現在的數據呈現不再單單只是表格的形式，而是更多需要以可視化圖表去展示你的數據結果，因為數據可視化軟體就不能少，BDP個人版、TABLUEA、Echart等這些必備的，就看你自己怎麼選了。
（2）專業數據分析軟體：Office並不是全部，要從在數據分析方面做的比較好，你必須會用（至少要了解）一些比較常用的專業數據分析軟體工具，比如SPSS、SAS、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析，還有高級的python、R等。
（3）資料庫：hive、hadoop、impala等資料庫相關的知識可以學習；
（3）輔助工具：比如思維導圖軟體（如MindManager、MindNode Pro等）也可以很好地幫助我們整理分析思路。
最重要的是：理論知識+軟體工具=數據分析基礎，最後要把這些數據分析基礎運用到實際的工作業務中，好好理解業務邏輯，真正用數據分析驅動網站運營、業務管理，真正發揮數據的價值
Ⅱ 學習數據分析要哪些基礎
一、 辦公軟體
1） 熟練使用excel， Access，Visio等MS Office辦公軟體，可以製作相關的原型； （MS即microsoft微軟，MS Office 是微軟提供的系列軟體，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath這7個辦公軟體中，常用的是前4個。） 2） 重點掌握EXCEL表，會使用高級功能，能快速製作報表，熟練使用EXCEL VBA；
二、 數據分析軟體及方法
1）熟練使用各種數理統計、數據分析、數據挖掘工具軟體，熟悉各種網站分析軟體的應用，如Google Analytics 、網路統計、Omniture等；
2）具備相關數據分析軟體的使用經驗SPSS\SAS\EVIEW\STATA\R\Weka……
3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常見數據挖掘軟體中的一個進行數據挖掘的 開發工作；
4）熟練使用至少一種網站流量分析工具（Google Analytics、Webtrends、網路統計等），並掌握分析工具的部署、配置優化和許可權管理；
5）精通一種或多種數據挖掘演算法（如聚類、回歸、決策樹等）； 6）熟悉維基編輯者優先； 7）使用軟體的要求；
（7.1）掌握數據分析、挖掘方法，具備使用Excel、SQL、SPSS/SAS、Powerpoint等工具處理和分析較大量級數據的能力；
（7.2）能夠綜合使用各種數理統計、數據分析、製表繪圖等軟體進行圖表、圖像以及文字處理；
（7.3）掌握常用的數據統計、分析方法，有敏銳的洞察力和數據感覺，優秀的數據分析能力；
（7.4）能夠綜合使用各種數理統計、數據分析、數據挖掘、製表繪圖等軟體進行具有基本數據美感的圖表、圖像以及文字處理 。
三、 資料庫語言
1）熟悉Linux操作系統及至少一種腳本語言(Shell/Perl/Python)；
2）熟練掌握C/C++/Java中的一種，有分布式平台（如Hadoop）開發經驗者優先； 3）熟悉資料庫原理及SQL基本操作；
（3.1）了解Mysql，postgresql，sql server等資料庫原理，熟悉SQL，具備很強的學習能力，寫過程序，會perl，python等腳本語言者優先； （3.2）熟練應用mysql的select，update等sql語句； 4）熟悉sql server或其他主流資料庫，熟悉olap原理； 5）熟悉Oracle或其他大型資料庫。
四、 思維能力等方面
1）具備良好的行業分析、判斷能力、及文字表達能力；
2）溝通、協調能力強，有較高的數據敏感性及分析報告寫作能力； 3）理解網站運營的常識，能從問題中引申出解決方案，提供設計改進建議；
4）具有良好經濟學、統計學及相關領域的理論基礎，熟悉數理統計、數據分析或市場研究的工作方法，具有較強的數據分析能力；
5）熟悉數據分析與數理統計理論，具有相關課程研修經歷。
五、 其他要求
1）較強的英文聽說讀寫能力，英語6級以上；
2）文筆良好；
3）了解seo,sem優先；
4）知識要求：同時具備統計學、資料庫、經濟學三個領域的基礎知識；英語四級或以上、熟悉指標英文名稱；具備互聯網產品設計知識；
5）具有深厚的數據分析、數據挖掘理論知識，深入了解相關技術；能熟練使用至少一種統計分析或數據挖掘工具。
Ⅲ 學習大數據要什麼基礎
大數據開發學習要掌握java、linux、hadoop、storm、flume、hive、Hbase、spark等基礎知識。
學會這兩項基礎後，接下來就需要學習大數據相關的技術了。首先學習Hadoop，需要學習它的HDFS、MapRece和YARN的組件，學會了這些，接下來就按順序學習Zookeeper，Mysql，Sqoop，Hive，Oozie，Hbase，Kafka，Spark。當我們把這些技術都學會了，基本上就能成為一個專業的大數據開發工程師了。
之後再進階提高一下，學習一下python、機器學習、數據分析等知識，能讓自己在今後的工作中更好的配合演算法工程師、數據分析師，讓自己變得更進步更優秀。
Ⅳ 大數據需要什麼基礎
學習大數據需要以下幾個方面的基礎： 新手學大數據，首先要具備的是編程語言基礎，如Java、C++等，要初步掌握面向對象、抽象類、介面、繼承、多態和數據流及對象流等基礎，編程語言在大數據中占據了不可逾越的地位，掌握一門編程語言再學習大數據會輕松很多，甚至編程語言要比大數據學習的時間更長。 Linux系統的基本操作是大數據不可分割的一部分，大數據的組件都是在這個系統中跑的