文章详情

　　学习大数据分析4个不为人知的真理?
 

　　你做好准备学习大数据分析了吗?
 

　　你是否有了学习大数据分析的想法?在过去的几年中，这一直是一个非常热门的话题，并且肯定会在接下来的几年中成为话题。现在越来越多的人成为大数据分析师，但是市场依然供不应求，数据科学家更是少之更少，企业拿钱也找不到人才。

 

　　为什么会有这样的局面?
 

　　部分问题是许多有抱负的大数据分析不知道该领域会带来什么，不知道做职业规划，顶尖人才稀缺。
 

　　在学习大数据分析4个不为人知的真理中，我想向你展示在学习大数据分析时应该了解的四个不可理解的事实。
 

真理一：学习大数据分析很难
 

　　学习大数据分析并不容易。
 

　　你将需要花费大量的精力和时间去攻克它，同时你要有吃苦耐劳的精神，不然很难坚持下去。
 

　　大数据分析从零学习过程大约需要5个月左右。
 

　　如何成为大数据分析师?
 

　　学习大数据分析有一定的难度，关键是你肯吃苦，你若是一下的心里，那就算了吧!
 

　　“只需在此查询中更改一个单词。运行!然后，你就感觉已经学习了SQL……”
 

　　“只要观看老师运行Python代码的视频课程，你也会了解Python的……”
 

　　“只要玩这个交互式图表，你就会立即了解回归分析…”
 

　　我采访了一个已经从事数据分析初级职位的人。他没有任何动手经验，但是他在一种在线学习平台上学习了SQL，一个月多月后他出来找数据分析的工作，发现自己实操很弱，自己应付工作很吃力。
 

　　现在有很多这样的在线学校仅给人们带来了大数据分析知识的幻觉。
 

　　你想拥有真正的大数据分析知识
 

　　(1)在真实的数据环境中进行大量练习
 

　　(2)不要试图跳过：花时间和精力来建立自己的数据服务器!
 

　　是的，有时候(一开始，很多时候)你会输入错误的代码片段，你的计算机将抛出错误，并且非常令人讨厌。但这就是它的工作原理!我们会犯错，我们会从中汲取教训，而下次我们会做得更好。
 

　　而且还要花很多时间练习!
 

　　练习时，可以犯一些愚蠢的错误。例如，可以无意间弄乱你以前建立的数据管道并浪费数小时的工作时间……但是我从中学到了很多的知识和解决方案。
 

　　我们犯错误，我们从错误中学习，我们不再犯错误。
 

　　如何成为大数据分析师?
 

　　学习大数据分析并非易事，这需要时间。如果你不能接受这一事实，那么也许该行业不是你的最佳选择。但是，如果你可以用困难的方式学习大数据分析，那么几个月的学习时间将是你最好的长期投资之一。
 

真理二：提高大数据分析技能
 

　　世界的变化确实非常快，而且不会变慢。
 

　　我坚信，如果要跟上步伐，唯一的方法就是专注于提高技能。
 

　　为什么?
 

　　你可能已经听说过，根据研究人员的预测，当今约有65%的小学生将担任尚未存在的工作。
 

　　你可能还听说过，目前与工程相关的信息的估计“半衰期”约为4年。因此，你今天所学到的有关IT的50%的知识将在大约4年后过时。
 

　　这对你意味着什么?
 

　　那你获得并提高技能比实际的方式更重要，你学到的信息。
 

　　这也意味着“学习大数据分析”与学习大数据分析无关。
 

　　是关于：
 

　　1)提高你的编码技能。

　　2)提高你的商业数据分析技能。

　　3)提高你的数学/统计技能。

　　4)提高你的数据可视化，演示，沟通和其他软技能。

　　5)学习特定的Python包。

　　7)了解此KPI的不同行业基准。

　　8)学习某些统计模型。

　　9)了解如何使用Google Data Studio或Tableau
 

　　等等等……
 

　　今天似乎很重要的东西，可能在5年后就没有意义了。因为例如掌握Scikit-learn库或Google Data Studio在今天似乎很重要……但是我敢打赌，将有一个更好的机器学习包和一个更好的数据可视化软件，5年后我们可能要学习新的软件了。
 

　　别误会，我仍然认为今天你应该学习这些东西，因为它们是当前大数据分析和分析生态系统的一部分，也是学习曲线本身的一部分。
 

　　我要说的是，你应该谨记，当你学习这些(或任何其他)工具时，重要的是不要在每个语法细节中都塞满字眼，也不应该在特定软件中放哪个按钮-而是要了解大局。为什么此工具按其工作方式起作用?潜在的逻辑是什么?此功能在其他类似工具中如何工作?一旦掌握了这些，就可以轻松地在工具之间(甚至在编程语言之间)进行更改。
 

　　你将为瞬息万变的未来做好更多准备。
 

　　因此，要确保你的大数据分析事业永不过时，请：专注于你的技能而不是所学信息!
 

真理三：因为有难度，学习大数据分析是一项巨大的投资
 

　　让我们也谈谈职业观点!
 

　　学习大数据分析是一项巨大的短期和长期投资。
 

　　我想我不必解释短期投资部分。
 

　　大数据分析师的需求超出了预期……中国几乎每个大城市都存在大数据分析技能短缺的情况。在全国范围内，我们缺乏151,717名具有大数据分析技能的人员，尤其是在北京市，上海和广州。
 

　　此外，根据招聘网站的研究，大数据分析师连续三年为中国最佳工作，市场需求迅猛直升。
 

　　注意：以上数字仅适用于中国-没有世界其他地区的确切数据。但是以我的经验，在世界上，都有相同的趋势。
 

　　高需求和持续短缺使大数据分析师处于非常有利的位置。
 

　　1)更高的薪水和更好的福利

　　2)更好的工作保障

　　3)更好的工作条件(例如，弹性工作时间，在家工作等)
 

　　此外，大数据分析师是公司内部(以及外部世界)中受人尊敬的工作。你将成为你的经理和同事想要倾听的人。
 

　　关键是：学习大数据分析不仅是一项不错的短期投资。学习大数据分析也是一项不错的长期投资，为什么这么说呐?
 

　　原因1：
 

　　只看数据!2018年，中国大数据分析师的短缺人数为151717人。这个数字在2011年约为140,000。因此，在7年内，该市场无法产生足够的新大数据分析师来填补这一空白。(甚至增长了一点。)
 

　　原因2：
 

　　这是我在简介中已经提到的内容。很多人都想学习大数据分析……但是，毕竟不是所有人成为大数据分析师，也有被淘汰的人员，不随着时代的步伐更新自己必然被淘汰掉。
 

　　因为学习大数据分析很有一定的难度。它是硬技能(例如学习Python和SQL)和软技能(例如业务技能或沟通技能)以及更多技能的组合。有学生学习一段时间就放弃了。他们受够了统计数据，编码或太多的业务决策，然后退出了。
 

　　你适合学大数据分析吗?
 

　　1)大数据分析适合你吗?

　　2)如果是，你是否愿意付出艰辛的努力?
 

　　如果是的话，这将是你一生中最好的职业投资之一。
 

真理四：大数据分析是数据清理
 

　　当你第一次担任大数据分析职位时，你会亲眼看到：这与进行24/7全天候的机器学习和预测分析无关。
 

　　因为要能够运行适当的ML算法，你必须首先完成许多其他步骤：
 

　　1)数据采集

　　2)数据格式化

　　3)数据清理

　　4)将数据转换为正确的格式

　　5)发现和理解数据

　　6)运行其他数据分析项目

　　7)数据可视化

　　8)自动化以上步骤
 

　　等等…
 

　　当你使用真实数据时，这些事情就像机器学习和预测分析部分一样令人兴奋。
 

　　那最重要的是什么?
 

　　在学习大数据分析时，你不仅仅专注于提高ML技能。你应该更专注于：
 

　　1)精通Python和SQL

　　2)了解更简单的分析方法背后的业务逻辑

　　3)熟悉统计基础

　　4)练习和体验使用原始和未清理的数据集的痛苦

　　5)学习如何自动化
 

　　等等…
 

　　这些东西将帮助你成为一名更好的大数据分析师，并最终获得第一份工作-而不是另一门深度学习或人工智能课程。
 

　　总结一下：
 

　　1)学习Python和SQL –»重要

　　2)了解深度学习–»不重要

　　3)学习统计基础-»重要

　　4)了解人工智能–»次重要

　　5)进行数据清理，数据格式化和自动化–»重要

　　6)了解“人工神经网络” –»次重要
 

　　至少在初级级别上……
 

　　稍后(在1或2年内)，当你的职业前进时，无论如何，你将必须在工作中学习上述这些花哨的机器学习方法。
 

　　但是现在：专注于对下一步至关重要的事情!
 

　　结论
 

　　但是，请考虑一下我上面写的所有内容：接受学习大数据分析很难，专注于你的技能，将其视为一项投资并首先夯实基础知识!