python資料分析師。現在大數據分析可以熱得不要不要的。從發展來看，python資料分析師很有前景的。但也不是隨便一個公司就可以做大數據分析的。有幾個問題是做大數據要考慮的：大數據來源是否全面，分析什麼，誰來使用等等。當然如果能到能做大數據的公司，那薪水還是可觀的。要做python資料分析師，有些東西是不得不學的，要不然，做不了分析師的，可能做的程式設計師，幫別人實現分析的結果而已。
第一：統計學知識。 （推薦學習：Python影片教學）
這是很大一部分大數據分析師的短板。當然這裡說的不是簡單的一些統計而已。而是包括平均數、中位數、標準差、變異數、機率、假設檢定等等具有時間、空間、資料本身。差不多應該是理工科的高等數學的知識，甚至高一點。要能建模，不然你分析出來的結果離實際相差十萬八千里的話，估計要不了幾天，你就會被捲鋪蓋走人了。當然，做個一般的大數據分析師，就不會牽涉到很深的高等數學知識了，但要做一個牛B的大數據分析師，還是要學習學習再學習。
第二：很多人想不到的，你還是把EXCEL玩熟悉吧。
當然不需要掌握的高大全，也要掌握常用的函數，例如重點包含但不限於sum，count，sumif，countif，find，if，left/right，時間轉換，透視表，各種圖表做法等之類的。如果資料量不算是特別大的話，Excel能夠解決很多問題。例如，篩選部分贓物數據，排序，挑選滿足條件的數據等等。
第三：分析思考的練習。
例如結構化思考、心智圖、或百度腦圖、麥肯錫式分析，了解一些smart、5W2H、SWOT等等那就更好了。不一定要掌握多深多全，但一定要了解一些。
第四：資料庫知識。
大數據大數據，就是資料量很多，Excel就解決不了這麼大資料量的時候，就得使用資料庫。如果是關聯式資料庫，像是Oracle、mysql、sqlserver等等，還得要學習使用SQL語句，篩選排序，總結等等。非關係型資料庫也要學習，例如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起碼常用的了解一兩個，例如Hbase，Mongodb，redis等。
第五：業務學習。
其實對於大數據分析師來說，了解業務比了解資料更重要。對於產業業務是怎麼走的對於數據的分析有著非常重要的作用，不了解業務，可能你分析的結果不是別人想要的。
第六：開發工具及環境。
例如：Linux OS、Hadoop（儲存HDFS，計算Yarn）、Spark、或另外一些中介軟體。目前用得多的開發工具python等等語言工具。
總之，要做一個高級或總監級的大數據分析師那是相當的燒腦的。要學習了解的東西如果只是單純的數據方面的話，那麼業務和統計知識的學習是必不可少的。如果是實用型的大數據分析師可能只掌握某些部分就可以。大數據開發工程師的話，基本上就是掌握開發環境、開發語言以及各種圖表的應用，也是可以滿足的。畢竟，一個公司要團隊合作，一人懂一部分就可以搞出分析產品出來了。認定一項事情就去幹！越乾越輕鬆，越乾越牛B！
更多Python相關技術文章，請造訪Python教學欄位學習！
以上是python資料分析師需要學什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！
