如何自学成为数据分析师？
为适应大数据与人工智能行业发展的需求，我部邀请了统计部门、科研院所、金融、数据分析行业及市场研究行业的专家对BDA课程设置及考核目标进行了修订，并正式印发《BDA数据分析师课程标准（2018年版）》，并于2018年春季开始执行。现将相关事宜说明如下：
一、基本原则
坚持科学论证。广泛听取不同领域专家的意见，向权威机构、权威人士咨询，求真务实，严谨认真，确保课程内容科学，符合大数据分析工作的需要。
坚持继承发展。继承已有经验和成功做法，有针对性地进行修订完善，确保课程调整的连续性，使课程体系充满活力。
依据职业要求。课程标准符合数据分析的工作要求，突出了大数据分析的优势，强调了数据分析工作的必备技能，适用不同专业的人员学习。
二、课程变化
按照大数据分析工作的不同场景和技术要求，调整了初、中、高级考试课程，其中初级4门课程、中级5门课程、高级4门课程（详见附件）。
强调了统计理论、计算机技术和行业案例应用三维一体的大数据分析人才培养理念。
三、考试变化
按照考试要求，初级考试题型定为单项选择题、多项选择题；中级考试题定为简答论述题、案例应用题；高级考试题定为行业案例分析题。取消了初、中、高级在线作业考核内容。加强了数据分析实践应用能力考核标准。
四、考试课程过渡
参加2017年11月考试的考生，还延续使用2016年考试大纲，完成后续考试工作。2017年11月之后报名的考生，依据《BDA数据分析师课程标准（2018年版）》学习备考。
《BDA数据分析师课程标准（2018年版）》是数据分析师考试考核的基本依据，是考试招生重要导向，要把课程标准与大数据分析人才培训有机结合起来，统筹兼顾，形成合力，发挥好课程标准在企业人才培养和选拔中的引导作用，强化考试内容与数据分析岗位的关联性，保证教、考、就业一致性，提升数据分析师与人工智能领域从业人员综合能力。
2018年1月8日
附件：BDA数据分析师课程标准（2018年版）
一、初级考试科目说明
序号
课程名称
选用教材
科目一
初级数据分析方法 《统计学（第六版）》ISBN：9787300203096
本课程培养学生应用数据分析方法分析和解决问题的实际能力。内容包括数据分析的基本问题、数据的整理、数据的描述分析、数据的推断分析、数据的相关分析、数据的回归分析等内容。通过系统地掌握各种数据分析方法，理解其中所包含的统计思想及不同特点、应用条件及适用场合。
科目二
Excel数据处理与分析 《Excel高级数据处理及分析》ISBN：9787121246692
本课程主要是从Excel数据分析角度讲解数据的输入与验证、编辑与格式化、公式和函数，数学和统计函数处理、日期与时间函数、文本函数、财务函数、查找与引用函数、工作表函数、数组公式的高级应用等对处理数据。数据的组织和管理、公式和函数的综合应用实例，数据透视表分析数据、导入和分析外部数据、数据可视化图表分析、宏与VBA程序入门、数据的保护与共享，Excel综合应用案例。
科目三
大数据技术概论 《大数据技术概论》ISBN：9787302450511
本课程包括大数据概论、大数据采集及预处理、大数据分析、大数据可视化、Hadoop概论、HDFS和Common概论、MapReduce概论、NoSQL技术介绍、Spark概论、云计算与大数据等。
科目四
R语言 《R语言实用教程》ISBN：9787302371175
本课程是R语言初级课程，内容包括R程序基础操作、数据集、数据管理、图形图表、常用函数、描述分析、相关分析、数据可视化等内容。
考试说明
· 理论综合试卷：由科目一初级数据分析方法、科目二大数据技术概论、科目三Excel数据处理与分析、科目四R语言共4部分构成。
· 题型题量：单项选择题（共60道），多项选择题（共20道），理论综合试卷各科合计题量共80道选择题。
· 考试方式：笔试，150分钟，各科目分别达到60分及格。
· 上机综合试卷：由科目一初级数据分析方法、科目二大数据技术概论、科目三Excel数据处理与分析、科目四R语言共4部分构成。
· 题型题量：综合案例应用题共5道题。
考试方式：· 上机操作，150分钟，总分达到60分及格。
· 实践应用考核：按要求提交一份数据分析报告。
· 考核方式：自主完成报告的撰写，在线提交，经专家指导和答辩60分及格。
二、中级考试科目说明
序号
课程名称
选用教材
科目一
中级数据分析方法 《调查数据分析》ISBN：9787500577690
本课程主要内容有实验设计、参数检验、多元回归分析、主成份分析/因子分析、感知图、聚类分析、判别分析与分类树、时间序列分析、及其他常用的数据挖掘方法和思想。
科目二
数据挖掘 《数据挖掘导论（完整版）》ISBN: 9787115241009
本课程主要内容包括数据、分类、关联分析、聚类和异常检测五个方面。通过基本概念、代表性算法引出高级概念和算法。由浅入深理解数据挖掘。
科目三
大数据技术原理与应用 《大数据技术原理与应用（第2版）》ISBN:9787115443304
本课程以分布式数据存储的概念、原理和技术为主，包括HDFS、HBase、NoSQL数据库、云数据库、MapReduce分布式编程框架、基于内存的分布式计算框架Spark、图计算、流计算、数据可视化等。
科目四
Python数据分析 《利用Python进行数据分析》ISBN: 9787111436737
本课程强调Python的数据处理与分析的能力学习，主要内容包括：Python的基础知识和基本概念，以及一些高级的主题，包括抽象、异常、魔法方法、属性、迭代器等。
科目五
SQL数据库应用与实践 《SQL初学者指南（第2版）》ISBN：9787115448651
本课程主要以数据库的查询、统计、归并等数据操作内容为主，重点放在Sql语法的各种操作，以常见的关系Sql数据库为主。
考试说明
· 理论综合试卷：由科目一中级数据分析方法、科目二数据挖掘、科目三大数据技术原理与应用，科目四Python数据分析、科目五SQL数据库应用与实践共5门课程构成。
· 题型题量：简答题（5道），论述题（5道）案例题（5道），理论综合试卷各科合计题量为15道。
· 考试方式：笔试，150分钟，各科目分别达到60分及格。
· 上机综合试卷：由科目一中级数据分析方法、科目二数据挖掘、科目三大数据技术原理与应用，科目四Python数据分析、科目五SQL数据库应用与实践共5门课程构成。
· 题型题量：案例应用题共5道题。
· 考试方式：上机操作，150分钟，总分达到60分及格。
· 实践应用考核：按要求提交一份数据分析报告。
· 考核方式：自主完成报告的撰写，并在线提交，经专家指导和答辩60分及格。
三、高级
数据分析如何入行？
打好概率与统计的基础
概率与统计是数据分析的基石，像一些概率分布、抽样、线性回归、时间序列都是数据分析当中经常会用到的，可以说日常碰到的大部分的分析需求都可以用统计分析来解决。
理工科专业的同学大多在本科期间就学过概率与统计这门课，这部分的基础应该还是比较扎实的。对于没有基础的同学，有一本叫《深入浅出统计学》的书非常值得一读，豆瓣上的评分8.5分
这本书非常通俗易懂，讲理论知识的时候结合了很多案例，把统计学应用到解决实际问题当中，让原本枯燥的统计学原理变得有趣起来，适合非专业人士入门学习。
掌握数据库技能
做数据分析离不开查询数据库，这里主要涉及的是SQL。对于传统的数据库如MySQL，SQLServer，Oracle，或者大数据平台Hadoop，都可以通过SQL查询的方式来获取数据。入门SQL的书推荐一本《MySQL必知必会》，豆瓣评分8.4分。
这本书实践性很强，教你怎么用SQL语句操作MySQL。可以自己在电脑上装一个MySQL，跟着书中的案例操作一遍。
掌握Python或者R
Python和R是数据分析当中最常用的两门语言。R是为数据分析而生的一门语言，但Python在数据分析方面有后来居上的趋势。公司里的数据科学团队在几年前还是用R做的分析，最近一年已经转向Python了，身边的朋友也听到很多R转Python的。性能上来说，Python的速度更快，可以处理上G的数据，而R不行。所以长远来说，我还是看好Python的。
讲Python基础的有一本《AbyteofPython》非常推荐，我当初就是看这本书入门的，读起来很轻松，两三天就可以读完。网上已经有人把这本书翻成中文
数据分析相关的，推荐这本《利用Python进行数据分析》，豆瓣评分8.5分。
作者是广受好评的pandas库的开发者。读完这本书，可以对用Python做数据分析涉及到的一些工具、怎样用pandas、怎样做数据可视化有比较详尽的了解。
机器学习
数据分析如果继续深入的话，可以学习机器学习。机器学习涉及的理论主要是分类、回归、聚类、决策树、贝叶斯定理等。机器学习相关的书强烈推荐一本《机器学习实战》，豆瓣评分8.2分。
这本书介绍了机器学习中最常用的几种算法，对算法背后的数学原理也有介绍，对于理解机器学习的算法非常有帮助。书中的代码和例子都是用Python实现，非常适合有python基础的同学学习。
以上这些是数据分析最基础的技能，有编程基础的同学花两三个月差不多就能入门了，零基础可能要多费点时间。当然看书学习只是掌握理论知识，要真正的掌握还是要在项目中去实践
如何自学成为数据分析师
数据分析师的基本工作流程：
1.定义问题
确定需要的问题，以及想得出的结论。需要考虑的选项有很多，要根据所在业务去判断。常见的有：变化趋势、用户画像、影响因素、历史数据等。
2.数据获取
数据获取的方式有很多种：
一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。
二是获取公开数据，政府、企业、统计局等机构有。
三是通过Python编写网页爬虫。
3.数据预处理
对残缺、重复等异常数据进行清洗。
4.数据分析与建模
这个部分需要了解基本的统计分析方法、数据挖掘算法，了解不同统计方法适用的场景和适合的问题。
5.数据可视化和分析报告撰写
学习一款可视化工具，将数据通过可视化最直观的展现出来。
数据分析入门需要掌握的技能有：
1. SQL（数据库）：
怎么从数据库取数据？怎么取到自己想要的特定的数据？等这些问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。
2. excel
分析师更多的时候是在分析数据，分析数据时需要把数据放到一个文件里，就是excel。
熟练excel常用公式，学会做数据透视表，什么数据画什么图等。
3.Python或者R的基础：
必备项，也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。
4.学习一个可视化工具
如果你想往更高层次发展，上面的东西顶多只占20%，剩下的80%则是业务理解能力，目标拆解能力，根据数据需求更多新技能的学习能力。
入门数据分析行业可以看哪些书?
1、统计学
《赤裸裸的统计学》
理由：了解学习统计学的意义，在日常生活中统计学有什么用?也可以当成一本科普书。
《深入浅出统计学》
理由：零基础可以轻松愉快的学会，书里面有通俗易懂的案例，图文并茂，学习统计学不会那么枯燥。
《商务与经济统计》
理由：适合有基础的人看，可以深入了解统计学。零基础看这本书会有些困难。
2、SQL
《SQL基础教程》
理由：零基础入门，通俗易懂，里面的案例也很贴合实际应用。
《SQL必知必会》
理由：有基础的可以把这本书当作一本字典来使用，遇到问题了，可以查找对应的内容。
3、业务知识
电商行业：《数据化管理：洞悉零售及电子商务运营》
游戏行业：《游戏数据分析实战》
网站：《网站分析实战》
HR行业 《人力资源与大数据分析》
金融行业：《消费金融真经：个人贷款业务全流程指南》
其他行业：国外作者肖恩的《增长黑客》
关于入门数据分析行业可以看哪些书，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
什么是增长黑客？
这本书是由范冰写的，里边有很多奇巧的商战打法，而且也可以看出来增长黑客的性格，嬉皮笑脸的精神。