学习大数据分析4个不为人知的真理

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。

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。在全国范围内大数据思考，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!

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!