数据分析学习到什么程度可以找工作？

基本答案，但不是很准确，只知道一般情况(杭州)，有某个行业自黑。1.第一阶段(一般岗位叫数据专家)基本学习excel(VBA最好学习；能做透视表；熟练使用筛选、排序和公式)，做好PPT。这样，许多传统公司的数据专家就可以成为第二阶段和第二阶段（数据专家~数据分析师）。在这个阶段，他们应该了解SQL，了解业务，并在第一阶段添加这些东西。大多数传统公司和小型互联网运营和产品团队都足够了。三、第三阶段(数据分析师)熟练统计(回归、假设检验、时间序列、简单蒙特卡罗)，可视化，PPT和excel必须溜走。这些技术足以应对大多数传统公司和互联网业务。第四阶段(分裂)数据分析师(数据科学家)、BI等：这一部分通常是精进的统计学，熟悉业务，将使用机器学习(参考调整 选模型 优化)，取数，取数，ETL、可视化等都是基本姿态。可视化工程师：这部分国内比较少，其实偏重前端，会highcharts，d3.js,echarts.js。技术发展路线可以独立，不在这四个阶段，前端转行可能更好。ETL工程师：顾名思义，做ETL。大数据工程师：熟悉大数据技术，hadop系第二代。数据工程师(部分与数据挖掘工程师重叠)：精通机器学习的水平（通常有几种，不用担心不是全部，不同于数据分析师的重点，更需要了解组合模型、理论基础），将组合模型形成数据产品；计算机基础知识（包括linux知识、软件工程等）；各类数据库（RDBMS、NoSQL(4类)数据挖掘:与上基本相同。爬虫工程师：顾名思义，http协议最好，tcp熟悉/ip协议。技术发展路线可以独立，在这四个阶段没有发现答案是错误的，但大致是所有从底层数据工作者向上发展的基本路径。数据开发的基本学习路径可概括为以下内容：1.EXCEL、PPT（必须精通）数据工作者的基本态度，说我的技术不是很好，但至少可以操作；大胆展示自己，与业务部门沟通需求，展示分析结果。VBA和数据透视技术上一次达到顶峰。2.数据库类(必须学习)初级只需要RDBMS，看公司用哪个，用哪个学哪个。MySQL不进公司就学。以后可以和统计学一起学NoSQL。基本NoSQL血MongoDB和Redis(缓存，严格意义上不是数据库)，然后(选学)可以了解各种NoSQL，基于图的Neo4j，基于Column的BigTable，基于Key-value的数据库redis/cassendra，基于collection的数据库MongoDB。3.如果你想学习统计学（必须学习），重要的概念是能够描述性统计学、假设测试、贝叶斯、大似然法和回归（尤其是广义线性回归）、主要成分分析。这些用的比较多。还有学习时间序列，bootstrap、非参等等，这取决于你自己的意愿。其他数学知识:线性代数常用(是很多基础)，微积分不常用。动力系统和傅里叶分析取决于他们想进入的行业。4.机器学习（数据分析师需要选择、使用和调整）常用于几种线性分类器、聚类、回归、随机森林和贝叶斯；对不常用的也有一点了解；根据情况进行深度学习。5.大数据hadop基础(如果有公司要求，可以使用，不需要环境)，包括hdfs、map-reduce、hive等；接触spark和storm后再说。6.文本类(如果有公司要求，可以用)这部分不熟悉，基本要知道次感化、分词、情感分析等。7.工具语言:非大数据R、Python最多(比较geek的也有用julia，不差钱，有些公司要求使用SAS、Matlab）；scala和java也可能用于大数据。可视化(选学)：tableau、plot.ly、d3.js、echarts.js，ggplot在R中、ggvis，Python中的bokeh、matplotlib、seaborn都是不错的数据库语言:看你用什么学什么其他框架，类库(选学)：爬虫(requests、beautifulsoup、scrapy)，日志分析(常见elk)

以上就是关于数据分析学习到什么程度可以找工作？的相关介绍，更多数据分析学习到什么程度可以找工作？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据分析学习到什么程度可以找工作？有更深的了解和认识。