Python-Datenanalyst. Heutzutage erfreut sich die Big-Data-Analyse großer Beliebtheit. Aus entwicklungstechnischer Sicht sind Python-Datenanalysten sehr vielversprechend. Aber nicht jedes Unternehmen kann Big-Data-Analysen durchführen. Bei der Arbeit mit Big Data sind mehrere Aspekte zu berücksichtigen: ob die Quelle der Big Data umfassend ist, was analysiert werden soll, wer es verwenden wird usw. Wenn Sie ein Unternehmen finden, das Big Data verarbeiten kann, wird das Gehalt natürlich immer noch beträchtlich sein. Um ein Python-Datenanalyst zu sein, müssen Sie einige Dinge lernen. Andernfalls werden Sie möglicherweise einfach Programmierer und helfen anderen, die Ergebnisse der Analyse zu erzielen.
Erstens: statistische Kenntnisse. (Empfohlenes Lernen: Python-Video-Tutorial)
Dies ist ein Mangel vieler Big-Data-Analysten. Natürlich geht es hier nicht nur um einfache Statistiken. Stattdessen umfasst es Mittelwert, Median, Standardabweichung, Varianz, Wahrscheinlichkeit, Hypothesentests usw. mit Zeit, Raum und Daten selbst. Es sollte nahezu den fortgeschrittenen Mathematikkenntnissen in Naturwissenschaften und Technik entsprechen oder sogar etwas höher sein. Sie müssen in der Lage sein zu modellieren, sonst werden Sie, wenn die Ergebnisse, die Sie analysieren, weit von der Realität entfernt sind, wahrscheinlich in ein paar Tagen gepackt und abgereist sein. Um ein gewöhnlicher Big-Data-Analyst zu sein, sind natürlich keine tiefgreifenden fortgeschrittenen Mathematikkenntnisse erforderlich, aber um ein großartiger Big-Data-Analyst zu sein, muss man immer wieder lernen.
Zweitens: Viele Leute denken nicht daran. Machen Sie sich besser mit Excel vertraut.
Natürlich müssen Sie nicht über fortgeschrittene Kenntnisse verfügen, aber Sie müssen auch häufig verwendete Funktionen beherrschen, zum Beispiel unter anderem Summe, Zählung, Sumif, usw. countif, find, if, left/right, Zeitumrechnung, Pivot-Tabellen, verschiedene Diagrammpraktiken usw. Wenn die Datenmenge nicht besonders groß ist, kann Excel viele Probleme lösen. Filtern Sie beispielsweise einige gestohlene Daten, sortieren Sie sie, wählen Sie Daten aus, die Bedingungen erfüllen usw.
Drittens: Üben Sie analytisches Denken.
Zum Beispiel strukturiertes Denken, Mindmapping oder Baidu-Mindmapping, McKinsey-Analyse, es wäre besser, etwas Smart, 5W2H, SWOT usw. zu kennen. Man muss es nicht tief und vollständig beherrschen, aber man muss etwas verstehen.
Viertens: Datenbankkenntnisse.
Big Data Big Data bedeutet, dass Sie eine Datenbank verwenden müssen, wenn viele Daten vorhanden sind und Excel eine so große Datenmenge nicht verarbeiten kann. Wenn es sich um eine relationale Datenbank wie Oracle, MySQL, SQLServer usw. handelt, müssen Sie lernen, SQL-Anweisungen, Filterung, Sortierung, Zusammenfassung usw. zu verwenden. Sie müssen auch nicht-relationale Datenbanken wie Cassandra, Mongodb, CouchDB, Redis, Riak, Membase, Neo4j und HBase usw. erlernen und mindestens ein oder zwei häufig verwendete Datenbanken wie Hbase, Mongodb, Redis kennen. usw.
Fünftens: Business Learning.
Tatsächlich ist für Big-Data-Analysten das Verständnis des Geschäfts wichtiger als das Verständnis der Daten. Die Datenanalyse spielt eine sehr wichtige Rolle bei der Geschäftsentwicklung der Branche. Wenn Sie das Geschäft nicht verstehen, entsprechen die Ergebnisse Ihrer Analyse möglicherweise nicht den Wünschen anderer.
Sechstens: Entwicklungstools und -umgebung.
Zum Beispiel: Linux OS, Hadoop (Speicherung von HDFS, Computing Yarn), Spark oder andere Middleware. Derzeit werden viele Entwicklungstools wie Python und andere Sprachtools verwendet.
Kurz gesagt, die Karriere als Big-Data-Analyst auf Senior- oder Director-Ebene ist ziemlich hirnintensiv. Wenn es sich bei dem, was Sie lernen und verstehen möchten, nur um reine Daten handelt, ist das Erlernen betriebswirtschaftlicher und statistischer Kenntnisse unerlässlich. Wenn Sie ein praktischer Big-Data-Analyst sind, beherrschen Sie möglicherweise nur bestimmte Teile. Für Big-Data-Entwicklungsingenieure ist es grundsätzlich erforderlich, die Entwicklungsumgebung, die Entwicklungssprache und die Anwendung verschiedener Diagramme zu beherrschen, was ebenfalls zufriedenstellend ist. Schließlich braucht ein Unternehmen Teamarbeit und eine Person kann ein Analyseprodukt entwickeln, wenn sie nur einen Teil davon kennt. Entscheide dich für etwas und tue es! Je härter Sie arbeiten, desto einfacher wird es, und je härter Sie arbeiten, desto besser wird es!
Weitere technische Artikel zum Thema Python finden Sie in der Spalte Python-Tutorial, um mehr darüber zu erfahren!
Das obige ist der detaillierte Inhalt vonWas Python-Datenanalysten lernen müssen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
