金融职业平台
对于一名金融数据分析师,最重要的就是分析思维,数据是21世纪最性感的行业,生活在大数据年代,需要用到数据去解决问题,并且支持决策,数据分析从广泛上来理解,不仅包含数据分析师这个岗位,同时更多的是一种技能,无论从事什么行业什么岗位,都可以通过学习这种技能,来提高自己的工作效率,增强自己对于数据的洞察能力,而这个能力,无论是在工作学习还是生活中,都能起到很大的作用。
一、为什么找数据分析工作?
先明确为什么找这个工作,才能明确需要学什么,其实很多人是看别人投这个职位,或者看到这个职位很火,自己也想投,而不是真正明确自己为什么要找这个工作。
数据分析不是某一个固定的职位,而是各行业一个通用的能力,例如运营、产品经理、市场、数据分析师等等职位,在招聘职位都会要求“具备数据分析能力”。所以数据分析也可以说是职场人的核心竞争力之一。
现在互联网行业的趋势也是“人人都是数据分析师”,小到周报、月报,大到复盘、留存,做任何产品都要讲究数据导向,不分析好数据,很难做出正确的判断。
所以,很多人不是学完数据分析只是找“数据分析师”这一个职位,相关的职位都是可以投递的。
二、零基础需要学什么?
零基础不是一上来学习Python,最近人人学Python,Python好像成了万能语言,这股热潮需要冷静下,不建议零基础的人一上来就从Python入手。一是零基础入手学Python,90%的概率学不懂,因为你的基础是零。另外一个原因是,现在工作里最常用的数据分析工具,并不是Python,而是Excel、SQL。
所以,建议零基础学习数据分析工具,先学Excel,然后SQL,最后才是Pyhon。按这个顺序学习才会事半功倍。而且大部分人都有Excel基础,学起来也不会有太大的挫折感,否则学了半个月啥都不懂,基本就直接放弃了。
数据可视化的工具有Excel、Tableau、Powerbi,根据求职的职位要求选择对应的学习即可。有精力的可以都学,这几个工具也是各有侧重,根据不同的行业项目,会有各自的优先级。
另外,很多人会忽视PPT,觉得这个和数据分析无关,这其实想得有点简单了。俗话说“做得好不如讲得好”,很多时候,你需要用PPT制作分析报告来向领导汇报分析结果。数据分析师的工作价值,可能就体现在这几张PPT上了,所以学会使用PPT制作分析报告也是必须的。
还需要学习描述统计分析,推理统计分析,概率这些。因为数据离不开统计学这些基础知识。
掌握了工具,可以操作数据,接下来就是分析了。
常用的分析方法要会,不然面对数据,你都不知道如何下手。常用的分析方法包括:多维度拆解分析方法,对比分析方法,假设检验分析方法,相关分析方法,群组分析方法,RFM分析方法等。
掌握数据分析工具和方法以后,就可以做几个项目案例,放到简历上,用于求职了。比如电商行业的项目,金融行业的项目,教育行业的 项目。根据自己的求职目标来选择对应行业的项目,做到聚焦。
三、学到什么程度可以找工作?
不是说所有技能学完了再去找工作,而是一边学习一边去投简历。这样做的好处是,你可以通过看招聘了解市场的需求,然后回头去思考自己学习的方向有没有偏。同时,还能通过不断面试,去弥补自己哪里不足,然后有针对性地补充。
如果是自学的话,新手建议看通俗易懂的书,而不是看那种专门给统计学专业、计算机专业才能看懂的书。SQL推荐看《SQL基础教程》,Python推荐看《利用Python进行数据分析》,统计知识推荐看《深入浅出统计学》,分析方法方面可以看《数据分析思维》、《增长黑客》,机器学习可以看周志华的《机器学习》、李航的《统计学习方法》。这些书通俗易懂,对新手友好,根据自己求职的职位要求选择对应的书来看,这样目的性更明确。
当然,以上几本书不能说是完全零门槛的,而且一本一本的学,很容易出现技能上的割裂,就是说你在工作中肯定是要完整地做一个项目的,但你不知道什么时候用什么方法,用什么工具,如何结合这几种方式。
而且光看书没地方练手,实际业务情况肯定千变万化,复杂得多,就容易出现纸上谈兵的情况。