李航統(tǒng)計(jì)學(xué)習(xí)方法，李航的統(tǒng)計(jì)學(xué)方法

大家好，今天小編關(guān)注到一個(gè)比較有意思的話題，就是關(guān)于李航統(tǒng)計(jì)學(xué)習(xí)方法的問題，于是小編就整理了1個(gè)相關(guān)介紹李航統(tǒng)計(jì)學(xué)習(xí)方法的解答，讓我們一起看看吧。

如何學(xué)習(xí)數(shù)據(jù)分析？

優(yōu)秀的數(shù)據(jù)分析師并不能速成，但是零經(jīng)驗(yàn)也有零經(jīng)驗(yàn)的捷徑。

市面上有《七周七數(shù)據(jù)庫》，《七周七編程語言》。今天我們就《七周七學(xué)習(xí)成為數(shù)據(jù)分析師》，沒錯(cuò)，七周。

第一周：Excel學(xué)習(xí)掌握

如果Excel玩的順溜，可以略過這一周。但很多人并不會vlookup，所以有必要講下。

了解sum，count，sumif，countif，find，if，left/right，時(shí)間轉(zhuǎn)換等。excel的各類函數(shù)很多，完全不需要學(xué)全。重要的是學(xué)會搜索。我學(xué)函數(shù)是即用即查，將遇到的問題在網(wǎng)上搜索得到所需函數(shù)。

重中之重是學(xué)會vlookup和數(shù)據(jù)透視表。這兩個(gè)對后續(xù)的數(shù)據(jù)轉(zhuǎn)換有幫助。

學(xué)會vlookup，SQL中的join，Python中的merge能很快掌握。

學(xué)會數(shù)據(jù)透視表，SQL中的group，Python中的groupby也是同理。

這兩個(gè)搞定，基本10萬條以內(nèi)的數(shù)據(jù)統(tǒng)計(jì)沒啥難度，也就速度慢了點(diǎn)。80%的辦公室白領(lǐng)都能秒殺。

網(wǎng)上多找些習(xí)題做，Excel是熟能生巧。

養(yǎng)成一個(gè)好習(xí)慣，不要合并單元格，不要過于花哨。表格按照原始數(shù)據(jù)、加工數(shù)據(jù)，圖表的類型管理。

附加學(xué)習(xí)：

1、了解中文編碼utf-8，ascii的含義和區(qū)別

2、了解單元格格式，幫助你了解后期的timestamp，date，string，int，bigint，char，factor等各類格式。

3、如果時(shí)間還有剩余，可以看《大數(shù)據(jù)時(shí)代》，培養(yǎng)職業(yè)興趣。

第二周：數(shù)據(jù)可視化

數(shù)據(jù)分析界有一句經(jīng)典名言，字不如表，表不如圖。別說平常人，數(shù)據(jù)分析師自己看數(shù)據(jù)也頭大。這時(shí)就得靠數(shù)據(jù)可視化的神奇魔力了。

以上就是所謂的可視化。排除掉數(shù)據(jù)挖掘這類高級分析，不少數(shù)據(jù)分析師的平常工作之一就是監(jiān)控?cái)?shù)據(jù)觀察數(shù)據(jù)。

另外數(shù)據(jù)分析師是需要兜售自己的觀點(diǎn)和結(jié)論的。兜售的最好方式就是做出觀點(diǎn)清晰數(shù)據(jù)詳實(shí)的PPT給老板看。如果沒人認(rèn)同分析結(jié)果，那么分析也不會被改進(jìn)和優(yōu)化，分析師的價(jià)值在哪里？工資也就漲不了對吧。

抽空花一段時(shí)間學(xué)習(xí)可視化的基礎(chǔ),如《數(shù)據(jù)之美》

另外你還需要了解BI的概念。知名的BI產(chǎn)品有Tableau，Power BI，還有國產(chǎn)的FineBI等。都有體驗(yàn)版和免費(fèi)版能下載，網(wǎng)上找一點(diǎn)數(shù)據(jù)就能體驗(yàn)可視化的魅力。比Excel的圖表高級多了。

BI需要了解儀表盤Dashboard的概念，知道維度的聯(lián)動和鉆取，知道絕大多數(shù)圖表適用的場景和怎么繪制。比如以下FineBI制作的dashboard。

第三周：分析思維的訓(xùn)練

這周我們輕松一下，學(xué)學(xué)理論知識。

分析思維首推大名鼎鼎的《金字塔原理》，幫助數(shù)據(jù)分析師結(jié)構(gòu)化思維。如果金字塔原理讓你醍醐灌頂，那么就可以學(xué)思維導(dǎo)圖，下載一個(gè)XMind中文網(wǎng)站，或者在線用百度腦圖。

再了解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架。這些框架都是大巧不工的經(jīng)典。你要快速成為數(shù)據(jù)分析師，思考方式也得跟著改變。網(wǎng)上搜咨詢公司的面試題，搜Case Book。

題目用新學(xué)的思維導(dǎo)圖做，先套那些經(jīng)典框架，做一遍，然后去看答案對比。因?yàn)橐憻挃?shù)據(jù)分析能力。所以得結(jié)合數(shù)據(jù)導(dǎo)向的思維。

這里送三條金句：

一個(gè)業(yè)務(wù)沒有指標(biāo)，則不能增長和分析

好的指標(biāo)應(yīng)該是比率或比例

好的分析應(yīng)該對比或關(guān)聯(lián)。

舉一個(gè)例子：我告訴你一家超市今天有1000人的客流量，你會怎么分析？

這1000人的數(shù)量，和附件其他超市比是多是少？（對比）

這1000人的數(shù)量比昨天多還是少？（對比）

1000人有多少產(chǎn)生了實(shí)際購買？（轉(zhuǎn)化比例）

路過超市，超市外的人流是多少？（轉(zhuǎn)化比例）

這是一個(gè)快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何結(jié)果。

第四周：數(shù)據(jù)庫學(xué)習(xí)

Excel對十萬條以內(nèi)的數(shù)據(jù)處理起來一點(diǎn)不虛，但是資深的數(shù)據(jù)分析師還是笑摸狗頭，Too Young Too Sample，爺搞得都是百萬數(shù)據(jù)。要百萬數(shù)據(jù)，就得上數(shù)據(jù)庫。

SQL是數(shù)據(jù)分析師的核心技能之一。有些公司并不給數(shù)據(jù)庫權(quán)限，需要分析師寫郵件提需求，這非常不好。數(shù)據(jù)分析師經(jīng)常有各類假設(shè)需要驗(yàn)證，很多時(shí)候?qū)懯畮仔蠸QL就能得到的答案，還得麻煩其他部門導(dǎo)出數(shù)據(jù)。

SQL學(xué)習(xí)不需要買書，W3C學(xué)習(xí)就行了，SQL 教程。大多數(shù)互聯(lián)網(wǎng)公司都是MySQL，我也建議學(xué)，性價(jià)比最高。

作為數(shù)據(jù)分析師，只要懂Select相關(guān)，增刪改、約束、索引、數(shù)據(jù)庫范式全部略過。你的公司心得多大才會給你寫權(quán)限。

了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時(shí)間轉(zhuǎn)換函數(shù)等即可。

你看，和Excel的函數(shù)都差不多。如果時(shí)間充裕，則學(xué)習(xí)row_number，substr，convert，contact等。和Excel一樣，學(xué)會搜索解決問題。不同引擎的函數(shù)也會有差異，例如Presto和phpMyAdmin。

期間你不需要考慮優(yōu)化和寫法丑陋，查詢幾秒和幾分鐘對數(shù)據(jù)分析師沒區(qū)別，跑數(shù)據(jù)時(shí)喝杯咖啡唄，以后你跑個(gè)SVM都能去吃飯了。

網(wǎng)上搜索SQL相關(guān)的練習(xí)題，刷一遍就行。也能自己下載數(shù)據(jù)庫管理工具，找些數(shù)據(jù)練習(xí)。我用的是Sequel Pro。

第五周：統(tǒng)計(jì)知識學(xué)習(xí)

統(tǒng)計(jì)學(xué)是數(shù)據(jù)分析的基礎(chǔ)之一。

統(tǒng)計(jì)知識會要求我們以另一個(gè)角度看待數(shù)據(jù)。當(dāng)你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。

這一周努力掌握描述性統(tǒng)計(jì)，包括均值、中位數(shù)、標(biāo)準(zhǔn)差、方差、概率、假設(shè)檢驗(yàn)、顯著性、總體和抽樣等概念。詳細(xì)的數(shù)學(xué)推導(dǎo)不用細(xì)看，誰讓我們是速成呢，只要看到數(shù)據(jù)，知道不能怎么樣，而是應(yīng)該這樣分析即可。

Excel中有一個(gè)分析工具庫，簡單強(qiáng)大。對列1的各名詞做到了解。如果是多變量多樣本，學(xué)會各種檢驗(yàn)。

《統(tǒng)計(jì)數(shù)字會撒謊》休閑讀物，有趣的案例可以讓我們避免很多數(shù)據(jù)陷阱。

深入淺出統(tǒng)計(jì)學(xué) (豆瓣)還是經(jīng)典的HeadFirst系列，適應(yīng)它一貫的啰嗦吧。

多說一句，老板和非分析師不會有興趣知道背后的統(tǒng)計(jì)學(xué)原理，通常要的是分析后的是與否，二元答案。不要告訴他們P值什么的，告訴他們活動有效果，或者沒效果。

第六周：業(yè)務(wù)學(xué)習(xí)（用戶行為、產(chǎn)品、運(yùn)營）

這一周需要了解業(yè)務(wù)。對于數(shù)據(jù)分析師來說，業(yè)務(wù)的了解比數(shù)據(jù)方法論更重要。當(dāng)然很遺憾，業(yè)務(wù)學(xué)習(xí)沒有捷徑。

我舉一個(gè)數(shù)據(jù)沙龍上的例子，一家O2O配送公司發(fā)現(xiàn)在重慶地區(qū)，外賣員的送貨效率低于其他城市，導(dǎo)致用戶的好評率降低?？偛康臄?shù)據(jù)分析師建立了各個(gè)指標(biāo)去分析原因，都沒有找出來問題。后來在訪談中發(fā)覺，因?yàn)橹貞c是山城，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導(dǎo)致送貨效率慢。

這個(gè)案例中，我們只知道送貨員的送貨水平距離，數(shù)據(jù)上根本不可能知道垂直距離這個(gè)指標(biāo)。這就是數(shù)據(jù)的局限，也是只會看數(shù)據(jù)的分析師和接地氣分析師的最大差異。

對于業(yè)務(wù)市場的了解是數(shù)據(jù)分析師工作經(jīng)驗(yàn)上最大優(yōu)勢之一。既然是零經(jīng)驗(yàn)面試，公司肯定也知道剛?cè)腴T分析師不會有太多業(yè)務(wù)經(jīng)驗(yàn)，不會以這個(gè)卡人。所以簡單花一周了解行業(yè)的各指標(biāo)。

《增長黑客》

數(shù)據(jù)驅(qū)動業(yè)務(wù)的典型，里面包含產(chǎn)品運(yùn)營最經(jīng)典的AAARR框架，部分非數(shù)據(jù)的營銷案例，

《網(wǎng)站分析實(shí)戰(zhàn)》

如果應(yīng)聘的公司涉及Web產(chǎn)品，可以了解流量的概念。書中案例以Google Analytics為主。其實(shí)現(xiàn)在是APP+Web的復(fù)合框架，比如朋友圈的傳播活動肯定需要用到網(wǎng)頁的指標(biāo)去分析。

《精益數(shù)據(jù)分析》

互聯(lián)網(wǎng)數(shù)據(jù)分析的入門書籍，歸納總結(jié)了幾個(gè)常用的分析框架。比較遺憾的是案例都是歐美。

還有一個(gè)小建議，現(xiàn)在有不少第三方的數(shù)據(jù)應(yīng)用，囊括了不少產(chǎn)品領(lǐng)域的數(shù)據(jù)分析和統(tǒng)計(jì)。自學(xué)黨們即使沒有生產(chǎn)環(huán)境的數(shù)據(jù)，也可以看一下應(yīng)用Demo，有好處的。

除了業(yè)務(wù)知識，業(yè)務(wù)層面溝通也需要掌握。另外建議在面試前幾天收集該行業(yè)的業(yè)務(wù)強(qiáng)化一下。

第七周：Python/R學(xué)習(xí)

終于到第七周，也是最痛苦的一周。這時(shí)應(yīng)該學(xué)習(xí)編程技巧。是否具備編程能力，是初級數(shù)據(jù)分析和高級數(shù)據(jù)分析的風(fēng)水嶺。數(shù)據(jù)挖掘，爬蟲，可視化報(bào)表都需要用到編程能力。掌握一門優(yōu)秀的編程語言，可以讓數(shù)據(jù)分析師事半功倍，升職加薪，迎娶白富美。

這里有兩條支線，學(xué)習(xí)R語言或Python。速成只要學(xué)習(xí)一條，以后再補(bǔ)上另外一門。

R的優(yōu)點(diǎn)是統(tǒng)計(jì)學(xué)家編寫的，缺點(diǎn)也是統(tǒng)計(jì)學(xué)家編寫。如果是各類統(tǒng)計(jì)函數(shù)的調(diào)用，繪圖，分析的前驗(yàn)性論證，R無疑有優(yōu)勢。但是大數(shù)據(jù)量的處理力有不逮，學(xué)習(xí)曲線比較陡峭。Python則是萬能的膠水語言，適用性強(qiáng)，可以將各類分析的過程腳本化。Pandas，sklearn等各包也已經(jīng)追平R。

如果學(xué)習(xí)R，建議看《R語言實(shí)戰(zhàn)》，照著書本打一遍代碼，一星期綽綽有余。另外還有一本《統(tǒng)計(jì)學(xué)》，偏知識理論，可以復(fù)習(xí)前面的統(tǒng)計(jì)學(xué)知識。

R學(xué)習(xí)和熟悉各種包。知道描述性統(tǒng)計(jì)的函數(shù)。掌握DataFrame。如果時(shí)間有余?？梢栽偃W(xué)習(xí)ggplot2。

Python擁有很多分支，我們專注數(shù)據(jù)分析這塊，入門可以學(xué)習(xí)《深入淺出Python》。

需要學(xué)會條件判斷，字典，切片，循環(huán)，迭代，自定義函數(shù)等。知道數(shù)據(jù)領(lǐng)域最經(jīng)典的包Pandas+Numpy。

在速成后的很長一段時(shí)間，我們都要做調(diào)包俠。

這兩門語言最好安裝IDE，R語言我建議用RStudio，Python我建議用 Anaconda。都是數(shù)據(jù)分析的利器。

Mac自帶Python2.7，但現(xiàn)在Python 3已經(jīng)比幾年前成熟，而且沒有編碼問題。各類教程也足夠多，不要抱成守舊了。Win的電腦，安裝Python會有環(huán)境變量的問題，是個(gè)大坑（R的中文編碼也是天坑）。

到這里，剛剛好是七周。如果還需要第八周+，則是把上面的鞏固和融會貫通，畢竟速成是以轉(zhuǎn)崗或拿offer為目的。有機(jī)會，我會專門寫文章講解每一周的具體知識，并且用爬蟲爬一些數(shù)據(jù)做練習(xí)和案例。

謝邀

現(xiàn)在發(fā)達(dá)城市北上廣，已經(jīng)開始用大數(shù)據(jù)，運(yùn)做基金了。而且門檻很高，必須金融和計(jì)算機(jī)的本科以上人員，研究生擇優(yōu)錄取。

可見大數(shù)據(jù)，發(fā)展的力度。很多人不知道大數(shù)據(jù)怎么交易股票，這這里簡單說下，現(xiàn)在好多券商軟件支持，大數(shù)據(jù)自動化交易，也就是說，當(dāng)你編寫好自己的預(yù)期策略后，由程序根據(jù)你的策略實(shí)行，自動化交易。現(xiàn)在名聲僅次于巴菲特的詹姆斯.西蒙斯，就是大數(shù)據(jù)量化交易的先驅(qū)，他名下的大獎(jiǎng)?wù)禄穑褪歉鶕?jù)大數(shù)據(jù)量化交易運(yùn)行。

大數(shù)據(jù)量化交易，可以實(shí)現(xiàn)。一天成百上千次此交易，只要資金允許。這也是發(fā)達(dá)發(fā)達(dá)城市為什么著重研究的對象。還有大數(shù)據(jù)是未來的趨勢。電腦在對市場熱度的分析，要強(qiáng)于人工識別。但是論單個(gè)交易，人工肯定強(qiáng)于電腦，但是從現(xiàn)在的基金規(guī)模來看。電腦交易是主要趨勢。不管多厲害的基金經(jīng)理，精力都是有限的。

目前的大數(shù)據(jù)都是借助python為主要語言編寫的，感興趣的可以看看相關(guān)方面的學(xué)習(xí)。券商對自動化交易的資金，一般是5w門檻。所以，隨著市場的發(fā)展。大數(shù)據(jù)量化交易，會慢慢普及。

以上就是本人對大數(shù)據(jù)的看法，喜歡的可以加個(gè)關(guān)注，點(diǎn)個(gè)贊。

很高興回答您的問題。

作為一個(gè)數(shù)據(jù)分析師，結(jié)合工作我談?wù)勎易约旱目捶ā?/p>

首先，做數(shù)據(jù)分析首先得學(xué)習(xí)數(shù)據(jù)庫，比較數(shù)據(jù)是最基本的資源。

其次，是數(shù)據(jù)分析相關(guān)的理論，為建?；蛘哌M(jìn)行進(jìn)一步分析打基礎(chǔ)。代數(shù)和統(tǒng)計(jì)知識要求較高。

再次，學(xué)習(xí)各種軟件。Excel是最最最基本的工具，各種函數(shù)、插件的學(xué)習(xí);SPSS、R至少掌握一種吧，個(gè)人認(rèn)為SPSS更容易上手，當(dāng)然每個(gè)行業(yè)有自己相對認(rèn)可的工具;Python建議掌握，很強(qiáng)大的工具，清洗數(shù)據(jù)、建模、可視化、爬蟲等等都可以完成。最后建議掌握一個(gè)可視化軟件比如Tableau。當(dāng)然分析完需要寫報(bào)告，不管文字功底、概括能力、審美能力，都是有要求的。

最后，模型學(xué)習(xí)，這個(gè)沒的說，要知道每個(gè)模型是用來干什么，比如決策樹做畫像是經(jīng)常會用到的。

特別想說一點(diǎn)，數(shù)據(jù)分析不能只看數(shù)據(jù)，還要相對了解業(yè)務(wù)，脫離業(yè)務(wù)的數(shù)據(jù)分析什么都不是。

希望對您有幫助。

到此，以上就是小編對于李航統(tǒng)計(jì)學(xué)習(xí)方法的問題就介紹到這了，希望介紹關(guān)于李航統(tǒng)計(jì)學(xué)習(xí)方法的1點(diǎn)解答對大家有用。