干货|数据分析师的学习路径，看看你是走到哪一步了

往数据发展的基本学习路径可以概括为以下内容：

1、数据分析师的学习路径——EXCEL、PPT(必须精通)

数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作;要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。

2、数据分析师的学习路径——数据库类(必须学)

初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。

NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存，严格意义上不算数据库)，然后(选学)可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。

3、数据分析师的学习路径——统计学(必须学)

如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。

其他数学知识：线性代数常用(是很多后面的基础)，微积分不常用，动力系统、傅里叶分析看自己想进的行业了。

4、数据分析师的学习路径——机器学习(数据分析师要求会选、用、调)

常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。

5、数据分析师的学习路径——大数据(选学，有公司要求的话会用即可，不要求会搭环境)

hadoop基础，包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。

6、数据分析师的学习路径——文本类(选学，有公司要求的话会用即可)

这部分不熟，基本要知道次感化、分词、情感分析啥的。

7、数据分析师的学习路径——工具类

语言：非大数据类R、Python最多(比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab);大数据可能还会用到scala和java。

可视化(选学)：R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不错

数据库语言：看你自己用啥学啥

其他框架、类库(选学)：爬虫(requests、beautifulsoup、scrapy)，日志分析(常见elk）

以上就是数据分析师的学习路径的全部内容，还有我所理解的各种各样   数据分析师，注重广度而非深度，也谈到了该岗位定位的问题和存在的困境。实际工作中确实会遇到各种各样的问题和挑战，只有迎难而上，多多总结，保持思考，才能从容应对。祝大家金九银十，升职加薪!