李航統(tǒng)計學習方法課件 李航的統(tǒng)計學方法

大家好，今天小編關注到一個比較有意思的話題，就是關于李航統(tǒng)計學習方法課件的問題，于是小編就整理了1個相關介紹李航統(tǒng)計學習方法課件的解答，讓我們一起看看吧。

如何學習數據分析？

優(yōu)秀的數據分析師并不能速成，但是零經驗也有零經驗的捷徑。

市面上有《七周七數據庫》，《七周七編程語言》。今天我們就《七周七學習成為數據分析師》，沒錯，七周。

第一周：Excel學習掌握

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，時間轉換等。excel的各類函數很多，完全不需要學全。重要的是學會搜索。我學函數是即用即查，將遇到的問題在網上搜索得到所需函數。

重中之重是學會vlookup和數據透視表。這兩個對后續(xù)的數據轉換有幫助。

學會vlookup，SQL中的join，Python中的merge能很快掌握。

學會數據透視表，SQL中的group，Python中的groupby也是同理。

這兩個搞定，基本10萬條以內的數據統(tǒng)計沒啥難度，也就速度慢了點。80%的辦公室白領都能秒殺。

網上多找些習題做，Excel是熟能生巧。

養(yǎng)成一個好習慣，不要合并單元格，不要過于花哨。表格按照原始數據、加工數據，圖表的類型管理。

附加學習：

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、如果時間還有剩余，可以看《大數據時代》，培養(yǎng)職業(yè)興趣。

第二周：數據可視化

數據分析界有一句經典名言，字不如表，表不如圖。別說平常人，數據分析師自己看數據也頭大。這時就得靠數據可視化的神奇魔力了。

以上就是所謂的可視化。排除掉數據挖掘這類高級分析，不少數據分析師的平常工作之一就是監(jiān)控數據觀察數據。

另外數據分析師是需要兜售自己的觀點和結論的。兜售的最好方式就是做出觀點清晰數據詳實的PPT給老板看。如果沒人認同分析結果，那么分析也不會被改進和優(yōu)化，分析師的價值在哪里？工資也就漲不了對吧。

抽空花一段時間學習可視化的基礎,如《數據之美》

另外你還需要了解BI的概念。知名的BI產品有Tableau，Power BI，還有國產的FineBI等。都有體驗版和免費版能下載，網上找一點數據就能體驗可視化的魅力。比Excel的圖表高級多了。

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

第三周：分析思維的訓練

這周我們輕松一下，學學理論知識。

分析思維首推大名鼎鼎的《金字塔原理》，幫助數據分析師結構化思維。如果金字塔原理讓你醍醐灌頂，那么就可以學思維導圖，下載一個XMind中文網站，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典。你要快速成為數據分析師，思考方式也得跟著改變。網上搜咨詢公司的面試題，搜Case Book。

題目用新學的思維導圖做，先套那些經典框架，做一遍，然后去看答案對比。因為要鍛煉數據分析能力。所以得結合數據導向的思維。

這里送三條金句：

一個業(yè)務沒有指標，則不能增長和分析

好的指標應該是比率或比例

好的分析應該對比或關聯。

舉一個例子：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人的數量，和附件其他超市比是多是少？（對比）

這1000人的數量比昨天多還是少？（對比）

1000人有多少產生了實際購買？（轉化比例）

路過超市，超市外的人流是多少？（轉化比例）

這是一個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果。

第四周：數據庫學習

Excel對十萬條以內的數據處理起來一點不虛，但是資深的數據分析師還是笑摸狗頭，Too Young Too Sample，爺搞得都是百萬數據。要百萬數據，就得上數據庫。

SQL是數據分析師的核心技能之一。有些公司并不給數據庫權限，需要分析師寫郵件提需求，這非常不好。數據分析師經常有各類假設需要驗證，很多時候寫十幾行SQL就能得到的答案，還得麻煩其他部門導出數據。

SQL學習不需要買書，W3C學習就行了，SQL 教程。大多數互聯網公司都是MySQL，我也建議學，性價比最高。

作為數據分析師，只要懂Select相關，增刪改、約束、索引、數據庫范式全部略過。你的公司心得多大才會給你寫權限。

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，時間轉換函數等即可。

你看，和Excel的函數都差不多。如果時間充裕，則學習row_number，substr，convert，contact等。和Excel一樣，學會搜索解決問題。不同引擎的函數也會有差異，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據分析師沒區(qū)別，跑數據時喝杯咖啡唄，以后你跑個SVM都能去吃飯了。

網上搜索SQL相關的練習題，刷一遍就行。也能自己下載數據庫管理工具，找些數據練習。我用的是Sequel Pro。

第五周：統(tǒng)計知識學習

統(tǒng)計學是數據分析的基礎之一。

統(tǒng)計知識會要求我們以另一個角度看待數據。當你知道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，包括均值、中位數、標準差、方差、概率、假設檢驗、顯著性、總體和抽樣等概念。詳細的數學推導不用細看，誰讓我們是速成呢，只要看到數據，知道不能怎么樣，而是應該這樣分析即可。

Excel中有一個分析工具庫，簡單強大。對列1的各名詞做到了解。如果是多變量多樣本，學會各種檢驗。

《統(tǒng)計數字會撒謊》休閑讀物，有趣的案例可以讓我們避免很多數據陷阱。

深入淺出統(tǒng)計學 (豆瓣)還是經典的HeadFirst系列，適應它一貫的啰嗦吧。

多說一句，老板和非分析師不會有興趣知道背后的統(tǒng)計學原理，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)務學習（用戶行為、產品、運營）

這一周需要了解業(yè)務。對于數據分析師來說，業(yè)務的了解比數據方法論更重要。當然很遺憾，業(yè)務學習沒有捷徑。

我舉一個數據沙龍上的例子，一家O2O配送公司發(fā)現在重慶地區(qū)，外賣員的送貨效率低于其他城市，導致用戶的好評率降低?？偛康臄祿治鰩熃⒘烁鱾€指標去分析原因，都沒有找出來問題。后來在訪談中發(fā)覺，因為重慶是山城，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導致送貨效率慢。

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

對于業(yè)務市場的了解是數據分析師工作經驗上最大優(yōu)勢之一。既然是零經驗面試，公司肯定也知道剛入門分析師不會有太多業(yè)務經驗，不會以這個卡人。所以簡單花一周了解行業(yè)的各指標。

《增長黑客》

數據驅動業(yè)務的典型，里面包含產品運營最經典的AAARR框架，部分非數據的營銷案例，

《網站分析實戰(zhàn)》

如果應聘的公司涉及Web產品，可以了解流量的概念。書中案例以Google Analytics為主。其實現在是APP+Web的復合框架，比如朋友圈的傳播活動肯定需要用到網頁的指標去分析。

《精益數據分析》

互聯網數據分析的入門書籍，歸納總結了幾個常用的分析框架。比較遺憾的是案例都是歐美。

還有一個小建議，現在有不少第三方的數據應用，囊括了不少產品領域的數據分析和統(tǒng)計。自學黨們即使沒有生產環(huán)境的數據，也可以看一下應用Demo，有好處的。

除了業(yè)務知識，業(yè)務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)務強化一下。

第七周：Python/R學習

終于到第七周，也是最痛苦的一周。這時應該學習編程技巧。是否具備編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘，爬蟲，可視化報表都需要用到編程能力。掌握一門優(yōu)秀的編程語言，可以讓數據分析師事半功倍，升職加薪，迎娶白富美。

這里有兩條支線，學習R語言或Python。速成只要學習一條，以后再補上另外一門。

R的優(yōu)點是統(tǒng)計學家編寫的，缺點也是統(tǒng)計學家編寫。如果是各類統(tǒng)計函數的調用，繪圖，分析的前驗性論證，R無疑有優(yōu)勢。但是大數據量的處理力有不逮，學習曲線比較陡峭。Python則是萬能的膠水語言，適用性強，可以將各類分析的過程腳本化。Pandas，sklearn等各包也已經追平R。

如果學習R，建議看《R語言實戰(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)計學》，偏知識理論，可以復習前面的統(tǒng)計學知識。

R學習和熟悉各種包。知道描述性統(tǒng)計的函數。掌握DataFrame。如果時間有余。可以再去學習ggplot2。

Python擁有很多分支，我們專注數據分析這塊，入門可以學習《深入淺出Python》。

需要學會條件判斷，字典，切片，循環(huán)，迭代，自定義函數等。知道數據領域最經典的包Pandas+Numpy。

在速成后的很長一段時間，我們都要做調包俠。

這兩門語言最好安裝IDE，R語言我建議用RStudio，Python我建議用 Anaconda。都是數據分析的利器。

Mac自帶Python2.7，但現在Python 3已經比幾年前成熟，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，畢竟速成是以轉崗或拿offer為目的。有機會，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據做練習和案例。

謝邀

現在發(fā)達城市北上廣，已經開始用大數據，運做基金了。而且門檻很高，必須金融和計算機的本科以上人員，研究生擇優(yōu)錄取。

可見大數據，發(fā)展的力度。很多人不知道大數據怎么交易股票，這這里簡單說下，現在好多券商軟件支持，大數據自動化交易，也就是說，當你編寫好自己的預期策略后，由程序根據你的策略實行，自動化交易?，F在名聲僅次于巴菲特的詹姆斯.西蒙斯，就是大數據量化交易的先驅，他名下的大獎章基金，就是根據大數據量化交易運行。

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

目前的大數據都是借助python為主要語言編寫的，感興趣的可以看看相關方面的學習。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。大數據量化交易，會慢慢普及。

以上就是本人對大數據的看法，喜歡的可以加個關注，點個贊。

很高興回答您的問題。

作為一個數據分析師，結合工作我談談我自己的看法。

首先，做數據分析首先得學習數據庫，比較數據是最基本的資源。

其次，是數據分析相關的理論，為建?；蛘哌M行進一步分析打基礎。代數和統(tǒng)計知識要求較高。

再次，學習各種軟件。Excel是最最最基本的工具，各種函數、插件的學習;SPSS、R至少掌握一種吧，個人認為SPSS更容易上手，當然每個行業(yè)有自己相對認可的工具;Python建議掌握，很強大的工具，清洗數據、建模、可視化、爬蟲等等都可以完成。最后建議掌握一個可視化軟件比如Tableau。當然分析完需要寫報告，不管文字功底、概括能力、審美能力，都是有要求的。

最后，模型學習，這個沒的說，要知道每個模型是用來干什么，比如決策樹做畫像是經常會用到的。

特別想說一點，數據分析不能只看數據，還要相對了解業(yè)務，脫離業(yè)務的數據分析什么都不是。

希望對您有幫助。

到此，以上就是小編對于李航統(tǒng)計學習方法課件的問題就介紹到這了，希望介紹關于李航統(tǒng)計學習方法課件的1點解答對大家有用。