如何從比較薄弱的基礎轉型做資料分析?

時間 2021-07-13 06:55:26

1樓:九道門聊資料

如果確定要走資料分析方向,做大資料分析師的話,你得明白,對於大資料分析師來說,工具並不是最重要的,分析思維才是致命的要素,在企業數位化轉型過程中,資料分析師相當於大腦,資料工程師相當於手腳。

還有乙個誤區也要注意,資料分析的落腳點在專案上,企業需要資料分析師通過資料分析得出的結論,給企業運營人員給出指導性建議,從而提高企業收益,而目前高校對於大資料分析的教學,都是基於理論基礎之上,教授們本身都是做理論研究的,對於真正的市場專案懂得並不多,想要通過所學校學習成為一名市場需要的大資料分析師,是有一定難度的。

既然你已經會熟練地使用分析工具,之後你只需要做實際的資料分析專案來積累經驗。

2樓:Cypher

我個人的建議是:

1.往人工智慧方向轉變。你有python的基礎,強大的SQL底子,對於人工智慧,你只需呼叫幾個包就行了,當然了,後期的調參需要很深的功力;

2.做AI演算法工程師,可以提供對年齡漸長的免疫力。怎麼說呢?對於人工智慧,現在蓬勃發展,要順勢而為,抓住時機入場,才是我們有所可為的地方;

3.你對理論比較薄弱,趁著轉型AI,好好惡補理論知識,這對你今後的職業生涯,非常有意義。

祝願一切順利。

3樓:親愛的雪莉

鑑於你對程式語言Python和SQL比較熟了,建議往資料探勘建模方向轉,有優勢。

業務資料分析,建議先從簡單的資料分析思維練起來,去理解資料背後的業務邏輯。推薦書目《誰說菜鳥不會資料分析》和《深入淺出的資料分析》。以你的水平估計一周就搞定了。

有了對業務資料分析邏輯思路的理解後,下一步可以往資料分析建模方向嘗試。什麼業務背景用什麼樣的模型分析。有乙個阿里專家寫的業務資料探勘方面的書《資料探勘與資料化運營實戰》。

最後就是從分析中去發現問題,找到解決思路。

補充大資料開發和資料分析是不一樣的

4樓:

看你的描述,你現在應該是在業務部門。精準營銷是最容易發揮模型長處的地方,不防自己建立響應率模型做客戶篩選,直接就在現有的崗位上往深處發展。

5樓:決策不拍頭

你這應該不叫薄弱的基礎了,可以向資料工程師轉型,學一些分布式技術,做一些大資料分析的專案。結合自己之前的經驗,不難找到工作。

高中物理基礎很薄弱,有什麼推薦的較基礎資料書嗎?

600考點700分考法,對於研讀物理課本我深有感觸,並不是任何學科讀教材都是有用的,在你物理很差的情況下,物理教材沒有一丁點卵用,假如你物理三十,你仔細研讀教材你可能考到40多,因為你把物理學史背到了,所以提分了,但讓你讀完教材去做題,呵呵,很精彩,都不會,因為我當時物理30多分的時候,也有人說鬼話...

英語基礎比較薄弱,買了星火英語試題,如何著手準備四級考試比較有效

星火英語 首先在這個距離考試還有乙個月的階段,你先要練習聽力,因為聽力可以說是四六級考試中最難搞但是最可以靠短時間的練習得分的了。我貼一下之前回答過的問題答案,你可以參考一下。英語4級聽力怎麼聽?星火英語的回答 知乎英語4級聽力怎麼聽? 是一口小蛋糕啊33 其實我是英專的學生所以四級考試我只提前做了...

你是如何從程式設計師轉型做產品經理的?

程式設計師轉行產品其實看似簡單,實則也不是乙個外行能夠理解的,程式設計師給人的印象是非常厲害的人,但是再厲害的人不是也有弱點嗎?就像溝通的能力比較弱,這就是缺點,乙個員工在工作的時候一般都是默默無聞很少接觸到客戶,所以你讓他推薦自己的軟體,或許就成了自己的敗筆,並且程式設計師本身的壓力是非常的大,並...