没有编程基础如何入门数据分析领域?

  在咨询的过程中,经常有同学会有下面的疑问,“我是文科生出身,可以学习数据分析吗?”“我没有编程基础而且对编程无感,可以成为高级数据分析师吗?”“学习数据分析必须学习R和Python吗?”

  对于第一个问题的答案是肯定的,数据分析的应用几乎是无行业和人群限制的。DT时代拼的是人才和创新价值的能力,拼的是你的数据能够给社会创造多少价值,用数据挣钱才是未来真正所在,运用数据的能力越来越成为基础的职业技能。因此任何有兴趣和需求的人士都可以进入这个领域,这也正是数据分析的魅力所在。

  我们都知道,数据分析最重要的是商业的理解、分析的思路、分析的流程及结果的解读。编程则是实现这些分析思路的手段之一。然而,编程的训练不是短时间可以培养出来。因此,是否有可能在不编程的情况下,就能直接进入分析最重要的思路领域,是我今天想要和大家探讨的话题。当然这里并不是在比较各个软件的好坏,只是从知识和应用的角度来探讨非纯编程语言入门数据分析的路径:

  作为数据分析人员,我们首先要知道如何去获取数据,其中最常见的就是从关系型数据库中取数,因此你可以不会R,不会python,但是你不能不会SQL。

  DT时代,数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题,但是往小处说,但凡产品有一点规模,数据都是百万起。这时候就需要学习数据库。

  会在招聘条件中,越来越多的产品和运营岗位,将会SQL作为优先的加分项。SQL是数据分析的核心技能之一,从Excel到SQL是数据处理效率的一大进步。

  学习SQL最快的方法是能自己下载数据库管理工具,找些数据练习。这里推荐MYSQL。

  这几乎是你正式进行数据分析的第一步,通过SQL拿到数据之后,我们需要使用可视化方法探索和发现数据中的模式规律。

  数据分析界有一句经典名言,字不如表,表不如图。实际上除掉数据挖掘这类高级分析,不少数据分析就是监控数据和观察数据。

  除此此外,数据分析的大多时候都是要兜售自己的观点和结论的,而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。

  统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情,你的分析技巧也会显著提高。

  这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发,到基本的统计分析(T检验、方差分析等),最后到商业常用的模型(回归分析、方差分析等),学习数据分析背后的逻辑,掌握实用统计学的概念和会利用统计的思维去思考问题。

  SPSS软件是世界三大统计分析软件之一,以其易于操作、易于入门,结果易于阅读的优点,一直备受数据分析人员的青睐,一般经过短期学习即可用SPSS做简单的数据分析,包括绘制图表、简单回归、相关分析等等。

  学习SPSS的重点并不在于软件本身,而是相关的统计学知识,这也是在前面建议大家铺垫的,也就是你要学会怎样去分析“输入数据后,软件给你呈现的结果”。

  数据挖掘,英文是DataMining也叫作数据勘探,类似于采矿,但是数据是贫矿。我们需要结合行业课题,利用数据挖掘工具,建置数据挖掘模型,发掘规律和商业价值。另外数据挖掘是交叉学科,涉及统计学、计算机、机器学习、运筹学等多门学科,是一个运用广泛和富有前景的学科领域。

  学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。

  工具上,对于非编程路径,我建议使用SPSS Modeler+Weka,这两套软件都不需要编程且各有其独特的优点能达到互补的效果。IBM SPSS Moderler提供了可视化的流程控制接口,其分析思路在这个接口上一览无遗。而Weka则提供了进阶数据挖掘的模型建置功能(例如深度学习),可强化IBMSPSSModerler在进阶数据挖掘上的不足。同时,Weka也是数据挖掘世界大赛中,经常被使用的软件,其进阶分析的能力极强。两者交互应用,各取所长,可以大幅提升分析的效率及准确度。

  对于数据分析师来说,业务的了解比数据方法论更重要。当然很遗憾,业务学习没有捷径。

  以上就是数据分析师-非编程路线的进阶路线,如果你沿着此路线学习,相信你在数据分析道路上有所收获。

  当然,如果你能接触到真实的数据分析项目和实战,同时“独学而无友,则孤陋而无寡闻”,如果你有同行的伙伴和导师,你的提升和进步会非常快。

  CDA数据分析研究院为有此需求的小伙伴开设了数据分析周末集训班课程,感兴趣的小伙伴快来学习吧!

  在这门数据分析师集训课程中,你将掌握如何建置数据仓库、使用可视化方法发现数据中的模式规律、使用统计分析方法进行验证、结合机器学习进行预测并清晰传达你的洞察。毕业后,你将成为企业抢手的数据分析师。

相关阅读