正文

數(shù)據(jù)分析背景圖片（數(shù)據(jù)分析背景圖片大全）

發(fā)布時(shí)間：2023-04-08 06:16:33 稿源：創(chuàng)意嶺閱讀： 90

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于數(shù)據(jù)分析背景圖片的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來(lái)看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、數(shù)據(jù)分析師日常工作是什么？
2、如何進(jìn)行大數(shù)據(jù)分析及處理？
3、數(shù)據(jù)分析師要掌握哪些技能
4、如何學(xué)習(xí)數(shù)據(jù)分析

數(shù)據(jù)分析背景圖片（數(shù)據(jù)分析背景圖片大全）

一、數(shù)據(jù)分析師日常工作是什么？

(1)寫SQL 腳本：俗稱“跑數(shù)據(jù)”。leader要一組季度數(shù)據(jù)/月數(shù)據(jù)/周數(shù)據(jù) ，寫一段或者N段SQL把數(shù)據(jù)跑出來(lái)。一般是臨時(shí)性需求，不過當(dāng)發(fā)現(xiàn)默默地演變成一個(gè)常規(guī)性需求時(shí)，最好直接封裝SP（存儲(chǔ)過程）了……每次跑一下方便省事。這項(xiàng)工作內(nèi)容需要的技能點(diǎn)有：數(shù)據(jù)庫(kù)，SQL

(2)數(shù)據(jù)分析項(xiàng)目前中期：這個(gè)是耗時(shí)很長(zhǎng)很麻煩的部分。前期是基礎(chǔ)數(shù)據(jù)的處理清洗，基礎(chǔ)匯總聚合，然后設(shè)計(jì)監(jiān)測(cè)指標(biāo)，指標(biāo)的設(shè)計(jì)不僅僅是數(shù)學(xué)分析，更多需要跑業(yè)務(wù)需求方那邊了解，畢竟最終目的是要讓別人用，提升效率，不是為了凸顯模型高大上。所有需要的數(shù)據(jù)都有了之后，開始建立業(yè)務(wù)模型(數(shù)學(xué)模型)，整個(gè)建模的過程也是反復(fù)探索數(shù)據(jù)的過程，在一定數(shù)據(jù)量的情況下，初期的建模應(yīng)用起來(lái)一定會(huì)這種問題那種問題balabala煩死人……以后邊應(yīng)用邊調(diào)整優(yōu)化。技能點(diǎn)：數(shù)據(jù)庫(kù)，SQL，excel，R語(yǔ)言，數(shù)理統(tǒng)計(jì)，數(shù)據(jù)挖掘，業(yè)務(wù)知識(shí)。

(3)兼職產(chǎn)品經(jīng)理：業(yè)務(wù)模型完了后，就有了指標(biāo)結(jié)果。把數(shù)據(jù)落地到數(shù)據(jù)庫(kù)中。然后接下來(lái)需要找開發(fā)幫你做可視化站點(diǎn)。作為數(shù)據(jù)分析師我是最了解這個(gè)項(xiàng)目邏輯流程、核心算法、業(yè)務(wù)應(yīng)用的。找開發(fā)幫你做可視化站點(diǎn)：曲線圖啊柱狀圖啊餅圖啊 balabala 讓別人一眼就能看到指標(biāo)的整體狀況。技能點(diǎn)：邏輯思維，流程規(guī)劃，數(shù)據(jù)可視化，一定的開發(fā)知識(shí)（方便和開發(fā)溝通），表達(dá)能力力和表情。

(4)模型和指標(biāo)正式應(yīng)用起來(lái)自后：收集業(yè)務(wù)部的反饋，不停的跟他們溝通郵件，不停地優(yōu)化模型，數(shù)據(jù)表。以及給業(yè)務(wù)部一些特定需求的分析評(píng)估報(bào)告（臨時(shí)性需求）。技能點(diǎn)：邏輯思維，表達(dá)能力

(5)個(gè)人學(xué)習(xí)：有時(shí)候會(huì)遇到等待別人工作進(jìn)度的情況，比如別人的上一批數(shù)據(jù)沒出來(lái)，你完全沒法工作。那就上網(wǎng)或者看書學(xué)習(xí)知識(shí)。數(shù)理統(tǒng)計(jì)和數(shù)據(jù)挖掘博大精深，如何能應(yīng)用得好，產(chǎn)生最高性價(jià)比更是一門學(xué)問啦。多了解些總是沒壞處的。

(6)大數(shù)據(jù)部分：涉及到”大數(shù)據(jù)“已經(jīng)不是我個(gè)人工作內(nèi)容部分了，而是整組的工作內(nèi)容。具體需要有專門比較懂hadoop和spark的人負(fù)責(zé)在上面跑數(shù)據(jù)，寫最終實(shí)現(xiàn)代碼。我們組里的分工大概就是：數(shù)據(jù)分析師，數(shù)據(jù)工程師，（半個(gè)產(chǎn)品經(jīng)理），有人身兼三種，有人只愛專精。技能點(diǎn)：無(wú)特定加點(diǎn)法則，團(tuán)隊(duì)加點(diǎn)。

二、如何進(jìn)行大數(shù)據(jù)分析及處理？

大數(shù)據(jù)的分析從所周知，大數(shù)據(jù)已經(jīng)不簡(jiǎn)簡(jiǎn)單單是數(shù)據(jù)大的事實(shí)了，而最重要的現(xiàn)實(shí)是對(duì)大數(shù)據(jù)進(jìn)行分析，只有通過分析才能獲取很多智能的，深入的，有價(jià)值的信息。那么越來(lái)越多的應(yīng)用涉及到大數(shù)據(jù)，而這些大數(shù)據(jù)的屬性，包括數(shù)量，速度，多樣性等等都是呈現(xiàn)了大數(shù)據(jù)不斷增長(zhǎng)的復(fù)雜性，所以大數(shù)據(jù)的分析方法在大數(shù)據(jù)領(lǐng)域就顯得尤為重要，可以說(shuō)是決定最終信息是否有價(jià)值的決定性因素?；谌绱说恼J(rèn)識(shí)，大數(shù)據(jù)分析普遍存在的方法理論有哪些呢？1. 可視化分析。大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家，同時(shí)還有普通用戶，但是他們二者對(duì)于大數(shù)據(jù)分析最基本的要求就是可視化分析，因?yàn)榭梢暬治瞿軌蛑庇^的呈現(xiàn)大數(shù)據(jù)特點(diǎn)，同時(shí)能夠非常容易被讀者所接受，就如同看圖說(shuō)話一樣簡(jiǎn)單明了。2. 數(shù)據(jù)挖掘算法。大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點(diǎn)，也正是因?yàn)檫@些被全世界統(tǒng)計(jì)學(xué)家所公認(rèn)的各種統(tǒng)計(jì)方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部，挖掘出公認(rèn)的價(jià)值。另外一個(gè)方面也是因?yàn)橛羞@些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如果一個(gè)算法得花上好幾年才能得出結(jié)論，那大數(shù)據(jù)的價(jià)值也就無(wú)從說(shuō)起了。3. 預(yù)測(cè)性分析。大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測(cè)性分析，從大數(shù)據(jù)中挖掘出特點(diǎn)，通過科學(xué)的建立模型，之后便可以通過模型帶入新的數(shù)據(jù)，從而預(yù)測(cè)未來(lái)的數(shù)據(jù)。4. 語(yǔ)義引擎。非結(jié)構(gòu)化數(shù)據(jù)的多元化給數(shù)據(jù)分析帶來(lái)新的挑戰(zhàn)，我們需要一套工具系統(tǒng)的去分析，提煉數(shù)據(jù)。語(yǔ)義引擎需要設(shè)計(jì)到有足夠的人工智能以足以從數(shù)據(jù)中主動(dòng)地提取信息。5.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無(wú)論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實(shí)和有價(jià)值。大數(shù)據(jù)分析的基礎(chǔ)就是以上五個(gè)方面，當(dāng)然更加深入大數(shù)據(jù)分析的話，還有很多很多更加有特點(diǎn)的、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法。大數(shù)據(jù)的技術(shù)數(shù)據(jù)采集：ETL工具負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。數(shù)據(jù)存?。宏P(guān)系數(shù)據(jù)庫(kù)、NOSQL、SQL等?；A(chǔ)架構(gòu)：云存儲(chǔ)、分布式文件存儲(chǔ)等。數(shù)據(jù)處理：自然語(yǔ)言處理(NLP，Natural Language Processing)是研究人與計(jì)算機(jī)交互的語(yǔ)言問題的一門學(xué)科。處理自然語(yǔ)言的關(guān)鍵是要讓計(jì)算機(jī)”理解”自然語(yǔ)言，所以自然語(yǔ)言處理又叫做自然語(yǔ)言理解(NLU，Natural Language Understanding)，也稱為計(jì)算語(yǔ)言學(xué)(Computational Linguistics。一方面它是語(yǔ)言信息處理的一個(gè)分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心課題之一。統(tǒng)計(jì)分析：假設(shè)檢驗(yàn)、顯著性檢驗(yàn)、差異分析、相關(guān)分析、T檢驗(yàn)、方差分析、卡方分析、偏相關(guān)分析、距離分析、回歸分析、簡(jiǎn)單回歸分析、多元回歸分析、逐步回歸、回歸預(yù)測(cè)與殘差分析、嶺回歸、logistic回歸分析、曲線估計(jì)、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對(duì)應(yīng)分析、多元對(duì)應(yīng)分析（最優(yōu)尺度分析）、bootstrap技術(shù)等等。數(shù)據(jù)挖掘：分類（Classification）、估計(jì)（Estimation）、預(yù)測(cè)（Prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復(fù)雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)模型預(yù)測(cè)：預(yù)測(cè)模型、機(jī)器學(xué)習(xí)、建模仿真。結(jié)果呈現(xiàn)：云計(jì)算、標(biāo)簽云、關(guān)系圖等。大數(shù)據(jù)的處理1. 大數(shù)據(jù)處理之一：采集大數(shù)據(jù)的采集是指利用多個(gè)數(shù)據(jù)庫(kù)來(lái)接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫(kù)來(lái)進(jìn)行簡(jiǎn)單的查詢和處理工作。比如，電商會(huì)使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)MySQL和Oracle等來(lái)存儲(chǔ)每一筆事務(wù)數(shù)據(jù)，除此之外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫(kù)也常用于數(shù)據(jù)的采集。在大數(shù)據(jù)的采集過程中，其主要特點(diǎn)和挑戰(zhàn)是并發(fā)數(shù)高，因?yàn)橥瑫r(shí)有可能會(huì)有成千上萬(wàn)的用戶來(lái)進(jìn)行訪問和操作，比如火車票售票網(wǎng)站和淘寶，它們并發(fā)的訪問量在峰值時(shí)達(dá)到上百萬(wàn)，所以需要在采集端部署大量數(shù)據(jù)庫(kù)才能支撐。并且如何在這些數(shù)據(jù)庫(kù)之間進(jìn)行負(fù)載均衡和分片的確是需要深入的思考和設(shè)計(jì)。2. 大數(shù)據(jù)處理之二：導(dǎo)入/預(yù)處理雖然采集端本身會(huì)有很多數(shù)據(jù)庫(kù)，但是如果要對(duì)這些海量數(shù)據(jù)進(jìn)行有效的分析，還是應(yīng)該將這些來(lái)自前端的數(shù)據(jù)導(dǎo)入到一個(gè)集中的大型分布式數(shù)據(jù)庫(kù)，或者分布式存儲(chǔ)集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡(jiǎn)單的清洗和預(yù)處理工作。也有一些用戶會(huì)在導(dǎo)入時(shí)使用來(lái)自Twitter的Storm來(lái)對(duì)數(shù)據(jù)進(jìn)行流式計(jì)算，來(lái)滿足部分業(yè)務(wù)的實(shí)時(shí)計(jì)算需求。導(dǎo)入與預(yù)處理過程的特點(diǎn)和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會(huì)達(dá)到百兆，甚至千兆級(jí)別。3. 大數(shù)據(jù)處理之三：統(tǒng)計(jì)/分析統(tǒng)計(jì)與分析主要利用分布式數(shù)據(jù)庫(kù)，或者分布式計(jì)算集群來(lái)對(duì)存儲(chǔ)于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實(shí)時(shí)性需求會(huì)用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲(chǔ)Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。統(tǒng)計(jì)與分析這部分的主要特點(diǎn)和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對(duì)系統(tǒng)資源，特別是I/O會(huì)有極大的占用。4. 大數(shù)據(jù)處理之四：挖掘與前面統(tǒng)計(jì)和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進(jìn)行基于各種算法的計(jì)算，從而起到預(yù)測(cè)（Predict）的效果，從而實(shí)現(xiàn)一些高級(jí)別數(shù)據(jù)分析的需求。比較典型算法有用于聚類的Kmeans、用于統(tǒng)計(jì)學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點(diǎn)和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并且計(jì)算涉及的數(shù)據(jù)量和計(jì)算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。整個(gè)大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個(gè)方面的步驟，才能算得上是一個(gè)比較完整的大數(shù)據(jù)處理。End.

三、數(shù)據(jù)分析師要掌握哪些技能

要熟練使用 Excel、至少熟悉并精通一種數(shù)據(jù)挖掘工具和語(yǔ)言、撰寫報(bào)告的能力、要打好扎實(shí)的 SQL 基礎(chǔ)。

1、要熟練使用 Excel

Excel 可以進(jìn)行各種數(shù)據(jù)的處理、統(tǒng)計(jì)分析和輔助決策操作，作為常用的數(shù)據(jù)處理和展現(xiàn)工具，數(shù)據(jù)分析師除了要熟練將數(shù)據(jù)用 Excel 中的圖表展現(xiàn)出來(lái)，還需要掌握為生成的圖表做一系列的格式設(shè)置的方法。

數(shù)據(jù)分析背景圖片（數(shù)據(jù)分析背景圖片大全）

2、至少熟悉并精通一種數(shù)據(jù)挖掘工具和語(yǔ)言

以R語(yǔ)言為例，R編程語(yǔ)言在數(shù)據(jù)分析與機(jī)器學(xué)習(xí)領(lǐng)域已經(jīng)成為一款重要的工具。R 作為腳本語(yǔ)言憑借其良好的互動(dòng)性和豐富的擴(kuò)展包資源可以方便地解決大部分?jǐn)?shù)據(jù)處理、變換、統(tǒng)計(jì)分析、可視化的問題，并可以重現(xiàn)所有的細(xì)節(jié)。

3、撰寫報(bào)告的能力

在撰寫報(bào)告時(shí)，深入地思考，深入分析，邏輯嚴(yán)謹(jǐn)，結(jié)論有說(shuō)服力，能提前預(yù)測(cè)數(shù)據(jù)趨勢(shì)，能從問題中引申出解決方案，提出有指導(dǎo)意義的分析建議，這些都是一名優(yōu)秀的分析師所體現(xiàn)的特質(zhì)。

數(shù)據(jù)分析背景圖片（數(shù)據(jù)分析背景圖片大全）

4、要打好扎實(shí)的 SQL 基礎(chǔ)

SQL 基礎(chǔ)之所以重要，是因?yàn)閿?shù)據(jù)分析師分析的數(shù)據(jù)大多都是從數(shù)據(jù)庫(kù)中提取而來(lái)的。有良好的 SQL 功底并能熟悉使用，不僅能提取到需要的數(shù)據(jù)，還能大大提高工作效率。

數(shù)據(jù)分析背景圖片（數(shù)據(jù)分析背景圖片大全）

注意：

1、與傳統(tǒng)的數(shù)據(jù)分析師相比，互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)分析師面臨的不是數(shù)據(jù)匱乏，而是數(shù)據(jù)過剩。因此，互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)分析師必須學(xué)會(huì)借助技術(shù)手段進(jìn)行高效的數(shù)據(jù)處理。更為重要的是，互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)分析師要不斷在數(shù)據(jù)研究的方法論方面進(jìn)行創(chuàng)新和突破。

2、就行業(yè)而言，數(shù)據(jù)分析師的價(jià)值與此類似。就新聞出版行業(yè)而言，無(wú)論在任何時(shí)代，媒體運(yùn)營(yíng)者能否準(zhǔn)確、詳細(xì)和及時(shí)地了解受眾狀況和變化趨勢(shì)，都是媒體成敗的關(guān)鍵。

四、如何學(xué)習(xí)數(shù)據(jù)分析

【轉(zhuǎn)自網(wǎng)絡(luò)】

首先，我要說(shuō)的是我覺得你是一名在校大學(xué)生！Data Mining不是你想的那么簡(jiǎn)單，他不單單和數(shù)學(xué)有關(guān)系，還包括了計(jì)算機(jī)領(lǐng)域的諸多學(xué)科。還有社會(huì)工程學(xué)、邏輯學(xué)等文科和理科的交叉學(xué)科！他是一門龐大的體系。你要是真想學(xué)我只能給你指條比較快的成才之路，后面的東西自己慢慢學(xué)都趕趟！慢慢充實(shí)自己！大學(xué)四年好好利用！學(xué)無(wú)止境！

既然是數(shù)據(jù)分析那你的高等數(shù)學(xué)必須要過硬，別著急這只是你的其他學(xué)科的基礎(chǔ)課。其次是概率與統(tǒng)計(jì)，這才是正科，大學(xué)那點(diǎn)玩意就是糊弄人的，你要多看這方面的書。這個(gè)一定要學(xué)好！線性必須要會(huì)要精通。因?yàn)閿?shù)據(jù)劃分是數(shù)據(jù)挖掘里最重要的一個(gè)環(huán)節(jié)。這個(gè)就是線性范疇里的了。也要精通，學(xué)會(huì)線性分析你就發(fā)現(xiàn)你就學(xué)會(huì)了很多。數(shù)學(xué)有這三個(gè)底子就可以了。數(shù)學(xué)分析不要看了。因?yàn)槟侵皇歉邤?shù)的延伸！

計(jì)算機(jī)你一定要懂。數(shù)據(jù)庫(kù)你必須得學(xué)會(huì)。三大數(shù)據(jù)庫(kù)ORACLE.SQL.MYSQL原理基本類似觸類旁通！

還有就是培養(yǎng)你的思維，盡量縝密敏捷。這樣才可以發(fā)現(xiàn)數(shù)據(jù)中的不同！因?yàn)橛械臄?shù)據(jù)挖掘是計(jì)算機(jī)處理的。有的則是紙面上的。所以必須學(xué)會(huì)記錄

好了，就先這么多了。你學(xué)會(huì)了這幾個(gè)就是你進(jìn)軍下一步的基礎(chǔ)，這幾個(gè)就夠你學(xué)一陣子的了。

祝你好運(yùn)哥們！

數(shù)據(jù)挖掘的起點(diǎn)很高——

1、統(tǒng)計(jì)學(xué)

2、機(jī)器學(xué)習(xí)

3、數(shù)學(xué)——圖論，最優(yōu)化理論等。

WEB上的數(shù)據(jù)結(jié)構(gòu)更加復(fù)雜。

python語(yǔ)言————應(yīng)該學(xué)習(xí)

抱歉，事情太多，如果不追著就忘了！我認(rèn)為你作為企業(yè)員工對(duì)數(shù)據(jù)挖掘感興趣，最主要的就是從應(yīng)用和解決問題開始，所以我想把數(shù)據(jù)挖掘這個(gè)狹義定義的內(nèi)容改成你應(yīng)該對(duì)數(shù)據(jù)分析感興趣，數(shù)據(jù)挖掘只是數(shù)據(jù)分析的一個(gè)重要工具和解決方法之一！

數(shù)量統(tǒng)計(jì)知識(shí)方面：我認(rèn)為統(tǒng)計(jì)思想是數(shù)學(xué)在實(shí)踐中最重要的體現(xiàn)，但對(duì)于實(shí)際工作者最重要的是掌握統(tǒng)計(jì)思想，其實(shí)統(tǒng)計(jì)理論非常復(fù)雜，但實(shí)際應(yīng)用往往是比較簡(jiǎn)單的！比如，很多人都在大學(xué)學(xué)了假設(shè)檢驗(yàn)，但實(shí)際應(yīng)用中假設(shè)就是看P值是否小于0.05，但是H0是什么？拒絕還是接受的是什么現(xiàn)實(shí)問題；要理解！

掌握軟件問題：從軟件角度學(xué)，是非常好的思路，我基本上就是這樣學(xué)的。我常說(shuō)編軟件的人最懂理論，否則編不出來(lái)，編軟件的人最知道應(yīng)用，否則軟件買不出去；現(xiàn)在軟件越來(lái)越友好，把軟件自帶案例做一遍，你會(huì)自覺不自覺的掌握軟件解決問題的思路和能解決的問題類型；

數(shù)據(jù)倉(cāng)庫(kù)問題：OLAP和數(shù)據(jù)挖掘是數(shù)據(jù)倉(cāng)庫(kù)建立基礎(chǔ)上的兩個(gè)增值應(yīng)用，從企業(yè)整體角度，數(shù)據(jù)挖掘應(yīng)該建立在企業(yè)數(shù)據(jù)倉(cāng)庫(kù)完備的基礎(chǔ)上。所以說(shuō)數(shù)據(jù)倉(cāng)庫(kù)是針對(duì)企業(yè)級(jí)數(shù)據(jù)挖掘應(yīng)用提出的，但我們應(yīng)該記住，企業(yè)從來(lái)不是為了數(shù)據(jù)挖掘建立數(shù)據(jù)倉(cāng)庫(kù)，而是因?yàn)橛辛藬?shù)據(jù)倉(cāng)庫(kù)后必然會(huì)提出數(shù)據(jù)挖掘的需求！現(xiàn)在隨著數(shù)據(jù)挖掘軟件的工具智能化，以及數(shù)據(jù)倉(cāng)庫(kù)和ETL工具的接口友好，對(duì)數(shù)據(jù)庫(kù)層面的要求越來(lái)越少；

數(shù)學(xué)不好可能反應(yīng)了一個(gè)人思考問題的方式或深入理解問題的能力，但數(shù)學(xué)不是工具是腦具，不斷解決問題的過程可以讓我們思考問題更數(shù)學(xué)化！

沈浩老師建議：

不急，一步一步來(lái)！先把本職工作中的數(shù)據(jù)分析問題理解了，干好了！

熟練玩好Excel軟件工具，這個(gè)可以看《Excel高級(jí)應(yīng)用與數(shù)據(jù)分析》我寫的書，當(dāng)然有很多Excel論壇和網(wǎng)站，從我的博客就可以連接到。

學(xué)習(xí)好統(tǒng)計(jì)分析方法，我不是單指統(tǒng)計(jì)原理，而是統(tǒng)計(jì)分析方法，比如回歸分析，因子分析等，不斷進(jìn)入統(tǒng)計(jì)分析解決問題的思考方式；這個(gè)可以看看SPSS軟件方面的書和數(shù)據(jù)案例，通過軟件學(xué)習(xí)解決數(shù)據(jù)分析的統(tǒng)計(jì)問題，這方面的書很多，當(dāng)然你也可以關(guān)注我的博客，不斷增加統(tǒng)計(jì)分析方法解決數(shù)據(jù)分析問題的思路，自己對(duì)照著完成！

在上述問題有了比較好的理解后，也就是你應(yīng)該算是一個(gè)數(shù)據(jù)分析能手的時(shí)候，開始進(jìn)入數(shù)據(jù)挖掘領(lǐng)域，你會(huì)發(fā)現(xiàn)用數(shù)據(jù)挖掘思想解決問題具有智能化、自動(dòng)化的優(yōu)勢(shì)，接下來(lái)，你需要考慮數(shù)據(jù)建模的過程，通過學(xué)習(xí)Clementine軟件或SAS的挖掘工具，不斷理解數(shù)據(jù)挖掘與原來(lái)的數(shù)據(jù)分析工具有什么不同或優(yōu)勢(shì)！

當(dāng)前面都是了解并且能夠得心應(yīng)手后，你就要有針對(duì)性的掌握你工作所在行業(yè)的問題，例如：電信行業(yè)的解決方案問題：客戶流失、客戶價(jià)值、客戶離網(wǎng)、客戶保持、客戶響應(yīng)、客戶交叉銷售等商業(yè)模型，同時(shí)與數(shù)據(jù)分析和數(shù)據(jù)挖掘統(tǒng)一在一起的解決方案！

接下來(lái)，你應(yīng)該掌握數(shù)據(jù)庫(kù)的一些原理和操作，特別是SQL語(yǔ)言的方式

你到了這個(gè)階段，就應(yīng)該有全面解決問題的能力，比如挖掘出來(lái)的知識(shí)或商業(yè)規(guī)則如何推送到營(yíng)銷平臺(tái)上等等

梳理自己的知識(shí)結(jié)構(gòu)，不僅會(huì)操作，現(xiàn)在你應(yīng)該成為專家了，要能夠宣揚(yáng)你的知識(shí)能力和領(lǐng)導(dǎo)力，當(dāng)然也要表明你在數(shù)據(jù)挖掘領(lǐng)域的專業(yè)特長(zhǎng)

要經(jīng)常幫助同事和行業(yè)朋友，比如幫助解決數(shù)據(jù)分析問題，幫助咨詢，甚至給大家講課，這對(duì)你的知識(shí)梳理和能力的提高非常重要，你的自信心會(huì)更強(qiáng)！

有興趣，可以建立一個(gè)博客或什么，不斷寫點(diǎn)東西，經(jīng)常思考和總結(jié)

結(jié)交廣泛的朋友！

關(guān)于入門的教材：

互聯(lián)網(wǎng)，其實(shí)不用買什么書網(wǎng)絡(luò)基本都有；要有好的搜索能力，當(dāng)然包括搜各種軟件！

SPSS和Clementine軟件的說(shuō)明和案例，都做一遍；

《數(shù)據(jù)挖掘——客戶關(guān)系管理的藝術(shù)》

《調(diào)查研究中的統(tǒng)計(jì)分析法》

《Excel高級(jí)應(yīng)用與數(shù)據(jù)分析》