1樓：孫正平
如果以後主要通過這些工具提煉出分析結果，那麼就是偏業務型的，需要到行業中實踐。
如果以後僅僅是通過工具給別人做資料整理、挖掘、作圖，那就學那些人推薦的軟體。
工作10年的感受，做機器能做的工作都不值錢；而只有人能做的工作才值錢。
比如乙個公司遇到困境，通過軟體和計算機是無法發現問題的，真正能發現並解決問題的還得是人，而且是有思想和見地的人。
2樓：追夢者
資料分析師，如何提高求職命中率？（碩士畢業半年，之前從事的是軟體開發）！
如何選擇公司？行業的話，如果是IT，那就最好了，不過其他也ok，現在是經驗積累階段，但我想到乙個平台比較大的公司工作和學習！
3樓：huangk
好多問題，不知道如何回答，就隨想隨答吧。
好的工具（這裡特指軟體吧）可以提高效率，實現你的想法和目標；但牢固的知識體系＋應用思想才是根本。用matlab實現k聚類只需要 clusters ＝ kmean(data, k)，似乎很簡單。但你能說出kmeans的特點、聚類過程麼？
kemans的缺點是啥？kmeans如何改進？kmeans似乎有一堆缺點，但為啥很多聚類演算法還是以kmeans為基礎？
這些都需要積累，才能了解。會用工具，只知其然而不知其所以然，是有很多壞處的。例如現在工作需要，正研究譜聚類。
譜聚類能聚類任何形狀，似乎是現代化的聚類方法。但1、它的相似度怎麼計算才合理，這才是最基礎和核心的，它將問題拋給了我們。2、通過相似度矩陣降維。
如果特徵記錄n＝1萬，要計算n^2/2 遍相似度，還要n＝1w的矩陣求特徵值和特徵向量，這運算量可以直接應用到現實中麼？
你永遠可以勝任這份工作，只要你可以不斷學習，解決工作中遇到的問題。你也永遠不勝任這份工作，因為工作中總會遇到新的問題，新的挑戰，暫時無法解決。
讀研的問題，就無法回答了，因為不是數學專業出身。大學也沒想過讀研＝。＝
數學系大二女學生，想做資料分析師，該怎麼準備？
濤哥 資料分析往上走就是資料科學家，可見這個職位對專業背景和知識素養有一定要求，如果你還在學校，建議先打好基礎，學好概率與數理統計 數值分析 多元分析 泛函分析 軟體工程，可以選修軟體工程 資料庫原理 任和一門程式語言 分析工具方面更新比較快，入門掌握乙個並了解其原理即可，如spss R matla...
資料分析師後期是不是都會慢慢向挖掘過度？
QQ ZHOU 一位優秀的資料分析師很可能某各行業的專家，他們對自己的業務瞭如指掌，對市場方向也洞察入微。但他們很可能只是一些更懂得如何利用資料幫助他們做決策的資料分析師。他們會用的一些工具不外乎MSoffice和一些簡單的統計學方法。這類人除了公司培養的分析師外，很可能是運營人員 產品經理。因為這...
應用數學專業能否從事資料分析師？需要哪些知識儲備？
濤哥 數學是現代科學的基石，幾乎所有現代科學都與數學密不可分，想成為資深資料分析師，必須具備一定的數學知識，熟練應用數學技巧，才能更好地使用程式自帶的演算法。比如說，理解了演算法背後的數學知識，能更好地理解使用者推薦系統的機制。具體說數學在資料分析中的具體應用包括 1 函式 變數 方程 要理解百萬量...