Sklearn的官方文档，写的很具体，也会推荐文献去让钠揭捉?习道理，虽说是英文的，但你可以和我一样用谷歌浏览器把它翻译呀!

5，营业懂得才能：

• 数据分析中的重中之重!无奈这方面实袈溱没有很好的进修门路，结合自身面试的经历给大年夜家一些小Tips吧。
• 做面试预备时，必定要去懂得该公司的有哪些数据指标?这些指标是若何计算的?若何进步的?比如电商：若何进步复购率?或则运营的：有哪些常用的数据指标?答： https:// zhuanlan.zhihu.com/p/27 029515
• 须要懂得一些流量统计的常用对象： Google Analytics;百度统计;百度指数等。
• 要会画思维导图，面试时有一道题印象很深：用思维导图猜测广州10年后人口数量。
• 可以学学爬虫对象，面试时有被经常问到如许的问题：“你会用python?那你能帮我爬竞争敌手的数据吗”。我:”…………………………….只会数据分析的常用库。”后来懂得了几款爬虫对象，临时已经能知足我爬数据的需求，不过我后续仍会去进修python爬虫的常识。

没有项目，凭什么一个转行人士说你懂数据分析?所以，我乖乖的去做项目了。可能你认为一个转行人士哪有项目啊?实际上，想要有项目经验，真不难!我总结了有以下门路：

• 在网高低载数据进行分析： http://www. moojnn.com/data-market/ 筛选免费的数据就好!
• 本身爬数据进行分析，这就须要用到爬虫对象了(百度一搜很多的)。我复试时刻爬了竞争敌手的数据去猜测价格，然后，我拿到的offer。
• 做比赛，类似于kaggle，天池，数据城堡等等都有算法比赛。我本身是选了这条路，然则这须要机械进修的常识。

6，项目经验：

除了面试的预备，还想提示大年夜家须要避免的几个误区：

在知乎的数据分析版块已逛良久，更加认为这版块营销味浓厚，也请大年夜家带着困惑的立场去看。有些营销味浓厚到已经影响我不雅看知乎的体验了。

为此，也和大年夜家分享下零基本转行须要留意的几个误区，毕竟我(文科生)也是零基本过来的，说说我认为有几个必须要留意的误区吧。

1， 数据分析岗大年夜多半用不到python与r!机械进修更是用不到!

以我今朝的工作为例，我用到的对象是google.docs(类excel对象)，和ppt.word.sql等等。而python和r长短须要对象，感到像是简历中的加分项，当然我也认为数据分析须要必备控制其的一一门，然则这并非求职中的必备项。机械进修就更不消说了，照样先理清自身公司数据的异常值，数据精确度，数据指标的逻辑等等吧。乱脏数据都没理清，谈何建模。若你想快速进入数据分析岗，python和r可以入岗之后学，专心做一两个项目出来才是关键!

2， 认为数据分析岗广泛工资很高!

在知乎文┞仿看多了，觉点缀行就有9K上万，如今想想也是醉了，感到做到这个数字的人。应当有他的原因，但我认为如不雅前提和我相差不远的话，很难做到。在广州面试了两个礼拜，拿到的offer的工资都在4.5~6之间!然而这些岗亭的┞沸聘前提几乎都是6-1w。印象最深的是有个做邮件推广的公司，雇用时写着7.5-1.2，去到只有3.5(黑人问号??。虽说拿到不少面试邀请(16个拿了8个offer，都是小公司)但知足的┞锋的很少很少，最后找到心灰意冷的时刻，终于拿到一个算是知足的offer。而我最知足的三个数据咨询公司都没有给我复试的机会。想起还有些难熬苦楚。

3， 误认为数据发掘岗就是数据分析岗!

面试时刻就能强烈的感触感染到这两者的差别。

一般数据分析岗，雇用标题为：

• 数据运营。
• 数据分析师。
• 数据分析专员。
• 数据产品经理。等等

而雇用数据发掘，标题：数据发掘工程师。(算法工程师不算)

想说的都快说完了，感到说了很多，又感到没说什么，总感到有一句很重要的没说，想了良久，终于想起，转行数据分析前，照样先问问本身一个问题： “爱好对着数据吗?” 答复Yes的话，来不及说清楚明了，数据的“火”车还没走，快上车!

　　推荐阅读

　　抓住人工智能的真正潜力，AI为哪些产品和服务提供了最大的机会？

高潜力应用案例：主动驾驶车俩共享出行本文来本身腾股创投（微信ID: tengguvc，BP送达：bp@tengguvc.com）本文为普华永道人工智能申报《Sizing the prize：What’s the real value o>>>详细阅读

本文标题：我是如何从会计转行到数据分析

地址：http://www.17bianji.com/lsqh/37156.html

 1/2    1