文章详情

　　大数据分析作为目前互联网火热的行业，随着大数据分析应运而生，大数据分析在如今的求职场上越来越重要，然而让很多人们困扰的是零基础小白如果想学习大数据分析，能学会吗?大数据分析学起来会不会很累?该怎样学习大数据分析呢?

　　其实在学习大数据分析之前，应该清楚大数据分析要分析的是什么数据，对大数据分析有了明确的了解之后，再去学习大数据分析会更简单些。

　　大数据分析要分析什么数据呢?
 

 

　　大数据分析的数据类型主要有四大类：

　　1.交易数据

　　大数据平台能够获取时间跨度更大、更海量的结构化交易数据，这样就可以对更广泛的交易数据类型进行分析，不仅仅包括POS或电子商务购物数据，还包括行为交易数据，例如Web服务器记录的互联网点击流数据日志。

　　2.人为数据

　　非结构数据广泛存在于电子邮件、文档、图片、音频、视频，以及通过博客。尤其是社交媒体产生的数据流，这些数据为使用文本分析功能进行分析提供了丰富的数据源泉。

　　3.移动数据

　　智能手机和平板很普遍，这些移动设备上的APP能够追踪无数事件，从交易数据到个人信息资料或状态报告事件。

　　4.机器和传感器数据

　　这种包括功能设备创建或生成的数据，例如智能电表、智能温度控制器、工厂机器和连接互联网的家用电器。这些设备可以配置为与互联网络中的其他节点通信，还可以自动向中央服务器传输数据，这样就可以对数据进行分析。

　　零基础小白入门大数据分析指南

　　第一阶段：Excel数据分析

　　Excel是每一位数据分析师都经常用到的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。

　　第二阶段：SQL数据库语言

　　作为数据分析人员，我们首先要知道如何去获取数据，其中常见的就是从关系型数据库中取数。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。

　　主要了解数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。

　　第三阶段：数据可视化&商业智能

　　数据可视化能力已经越来越成为各岗位的基础技能。可视化工作几乎是你正式进行数据分析的第一步，通过SQL拿到数据之后，我们需要使用可视化方法探索和发现数据中的模式规律。

　　数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。
 

 

　　第四阶段：数理统计学

　　统计学是数据分析重要的基础之一，是数据分析的基石和方法论。从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析，到商业常用的模型(回归分析、方差分析等)，学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。

　　第五阶段：数据分析与软件应用

　　SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。

　　SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。

　　对于工具，这一阶段，建议选择一门编程语言来学习。

　　Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。Python的主要功能是编程，除了单纯的数据分析，在很多领域还有广泛利用，所以就业市场上对Python的需求是远大于R。

　　大数据分析学习起来累不累，需要学习的内容有很多，零基础小白可参加培训班跟着老师系统的学习下，学习效率会很好，一步步的学从基础到入门再到精通，只要踏实的学其实很简单，会者不难，难者不会，只要肯努力总是可以学会的。目前大数据分析行业前景很好，学会大数据分析对自身的发展也是很好的，薪资可观，认真学功夫不负有心人。