数据分析的过程

1. 数据收集：本地数据或者网络数据的采集获取.

2. 数据处理：数据的规整，按照某种格式进行整合存储。

3. 数据分析：使用相关工具对数据进行统计计算，得出分析结果。

4. 数据展现：数据可视化，使用相关工具对分析出的结果进行展示。

image

数据分析行业的工具软件：

• Excel：Excel 是Microsoft Office套装软件的一个重要的组成部分，诞生于1985年，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。
• SAS：SAS（STATISTICAL ANALYSIS SYSTEM，简称SAS）公司开发的统计分析软件，是一个功能强大的数据库整合平台，价格昂贵，银行或者大企业才买的起。
• SPSS：SPSS（Statistical Product and Service Solutions，统计产品与服务解决方案）是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的产品，迄今已有40余年的成长历史，价格昂贵。
• R/MATLAB：适合做学术性质的数据分析，在实际应用上需要额外转换为Python或Scala来实现，而且MATLAB（MathWorks公司出品的商业数学软件）是收费的。
• Scala：是一门函数式编程语言，入门门槛高，但是熟练使用可极大提升开发效率，配合Spark适合大规模的数据分析和处理，Scala的运行环境是JVM。
• Python：Python在数据工程领域和人工智能领域有很多成熟的框架和算法库，完全可以只用Python就可以构建以数据为中心的应用程序。在数据工程领域和人工智能领域，Python非常非常流行。

附：LinkedIn - 中国互联网职位人才库报告

LinkedIn 根据LinkedIn在中国境内的人才库数据分析汇总：

• LinkedIn：2016年中国互联网最热职位人才库报告

互联网最热职位排序：

image

人才供给指数：

image

城市分布：

image

从业年限统计：

image

• 近两年来，数据分析师的岗位需求非常大，而90%的数据分析岗位的技能要求，都需要掌握Python作为数据分析工具。Python语言的开源特性，以及易学性、快速开发，拥有丰富强大的扩展库和成熟的框架等特性，都很好地满足了企业的数据分析的要求。
• 我们的课程以代码驱动的方式，讲解如何利用Python完成数据处理、数据分析及可视化方面常用的数据分析方法与技巧。
• 要求大家能够掌握数据分析的流程，包括数据采集、处理、可视化等、掌握Python语言作为数据分析工具。