非本专业就当不了数据分析师?

简介:

“非本专业想转型做数据分析,有救吗?”

“数学不好,英语不好,想学Python数据分析,有救吗?”

“不懂Python数据分析到底是什么,有救吗?”

我的答案是 妥妥有

大家好,我是大鹏,目前在城市数据团,是一名数据分析师。

准确来说,我是一名非本专业的转行数据分析师,以上三个问题是我在从事数据分析工作后经常被问到的。

重新定义“非本专业”

首先我们需要明确“非本专业”的含义。我以大学本科两个最贴近数据分析相关岗位的专业为例:统计学专业和计算机专业

从两门专业的培养方案可以看到统计学课程主要是数学相关的理论知识,计算机专业主要学的是系统程序系统开发与编程知识。

4e368b882c6de92ad3ac66435e65e75c1a04ce2b

整理自同济大学各学院公布的培养计划

数据分析相关工作,往往要求的是上述两个专业综合技能任何一个专业的学生想要入行,都需要学习对应的新知识,不能“啃老本”,他们都可以算作广义上的“转行”。

转行不一定是100%改变,结合本专业的业务转型是一条不错的出路。

以我自己为例,从前的我学习城市规划类,是一个传统行业。这个行业因为互联网的高度普及受到了巨大冲击,传统的“拍脑袋”方式不再吃香,每个人每家单位都在想如何适应“数据化”这个潮流。

a8a1f2d1d2bae73516bf4e1a68a4a226238d05d2

传统的城市设计模式,大部分是实地调研到的现场信息与设计师的“感性”想法结合的成果,在城市尺度上缺少数据辅助决策。

而我却把这个挑战看做契机,开始迈入数据的门槛,成为一个城市数据的研究者,尝试活用互联网化带来的“数据”,从技术上到思维慢慢的转变。

cf7013b4730050c2f127b026deddc710d3f68c38

现在我可以借用地图热力数据、手机信令数据、人口迁徙数据,通过一定的分析软件、工具等,来重新定义和研究“城市”。

刚接触Python时

我的数学一团糟,英语全靠字典

Python不仅是一门编程语言,而且是数据挖掘机器学习等技术的基础,方便建立自动化的工作流。

最初我决定学习,是因为其他的软件不能再满足效率和数据量的要求。虽然自己的数学英语已经还给老师,我还是逐渐在自学和实践中,把Python一直用到现在。

慢慢的我发现,Python入门不难。它对数学要求并不是太高,重要的是需要知道如何用语言表达一个算法逻辑。比构建一个等差数列的和,数学语言和计算机语言是不一样的:

e8d360adaa1323190050f76675d665dbd77399da

类似于Excel,Python有很多封装好的工具库和命令,我要做的是用哪些数学方法解决一个问题,并构建出来。

那么上哪去找这些数学方法?系统学习看教材资料,遇到问题问百度谷歌,还有一个交流群就完美了~(文末就有)

英语相对简单,用好词典chrome翻译功能即可。

学Python一段时间后

发现的是一个有趣的新世界

这里需要用一个有趣的例子说明问题:如何用Python研究财富分配的规律?简单来说,我们可以采用理顺逻辑—构建算法—代码实现—模拟实验的方法来做

daebd53d8a723056acb53e97d3cb08035d863728

这个Python模拟实验模拟的是社会财富分配的简化模型,从而模拟这个世界的运行规律。我们假设:每个人在18岁带着100元的初始资金开始玩游戏,每天玩一次,一直玩到65岁退休。“每天拿出一元钱”可理解为基本的日常消t费。以此计算,人一生要玩17000次游戏,即获得17000次财富分配的机会。最后财富会接近于幂律分布, top10%的富人会掌握大约30%的财富。本案例来自城市数据团。

构建这样的模型并非一蹴而就。这个案例灵感源于蒙特卡洛思想,每模拟一次,程序便要运行17000遍,期间涉及多次参数和代码的调整。其他的鼠标点击类软件很难做这样的模拟,Python的趣味性就在此处。

学习Python,需要不断的体验有趣的项目,在实践中体验技能和思维。

智慧是通过体验获得的,知识是通过勤奋获得的。

似懂非懂

怎样才能快速入门Python数据分析?

其实,这里面的套路是可以总结的,让我们拿更多的Python实例说话!

6464b83dc227e59c88d8b77a97240944765cf787

此实战项目为网易课堂&城市数据图案微专业《数据分析师》实战项目



原文发布时间为:2018-10-10

本文作者:大鹏

本文来自云栖社区合作伙伴“数据分析”,了解相关信息可以关注“数据分析”。

相关文章
|
人工智能 数据挖掘
High&NewTech之Job:关于人工智能领域专业的公司求职数据分析(最全)
High&NewTech之Job:关于人工智能领域专业的公司求职数据分析(最全)
High&NewTech之Job:关于人工智能领域专业的公司求职数据分析(最全)
|
12天前
|
机器学习/深度学习 数据采集 数据挖掘
如何用Python进行数据分析?
【6月更文挑战第13天】如何用Python进行数据分析?
108 66
|
9天前
|
数据采集 数据可视化 数据挖掘
数据挖掘实战:使用Python进行数据分析与可视化
在大数据时代,Python因其强大库支持和易学性成为数据挖掘的首选语言。本文通过一个电商销售数据案例,演示如何使用Python进行数据预处理(如处理缺失值)、分析(如销售额时间趋势)和可视化(如商品类别销售条形图),揭示数据背后的模式。安装`pandas`, `numpy`, `matplotlib`, `seaborn`后,可以按照提供的代码步骤,从读取CSV到数据探索,体验Python在数据分析中的威力。这只是数据科学的入门,更多高级技术等待发掘。【6月更文挑战第14天】
45 11
|
2天前
|
数据采集 机器学习/深度学习 数据可视化
利用Python和Pandas库构建高效的数据分析流程
在数据驱动的时代,数据分析已成为企业决策的关键环节。本文介绍如何利用Python编程语言及其强大的数据分析库Pandas,构建一套高效且可扩展的数据分析流程。与常规的数据分析流程不同,本文不仅涵盖数据加载、清洗、转换等基础步骤,还强调数据可视化、模型探索与评估等高级分析技巧,并通过实际案例展示如何在Python中实现这些步骤,为数据分析师提供一套完整的数据分析解决方案。
|
4天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python进行数据分析涉及数据收集
【6月更文挑战第21天】使用Python进行数据分析涉及数据收集(如数据库、文件、API),数据清洗(处理缺失值、异常值和重复项),数据探索(统计摘要、可视化和相关性分析),特征工程(创建新特征和编码),模型构建(选择算法、训练与调整),模型评估(计算指标、可视化效果),结果解释(报告和可视化),以及部署与维护。此过程因项目需求而异,可能需迭代。常用库有`pandas`、`requests`、`BeautifulSoup`、`Matplotlib`等。
11 1
|
7天前
|
数据挖掘 数据库连接 Python
GitHub高赞!Python零基础也能搞定的数据分析与处理
经常会有人让我推荐一些 Python 入门教程。虽然 Python 入内教程到处都有,但是这些教程要么太宽泛(没有讲任何关于数据分析的内容),要么太专业(全是关于科学原理的内容)。然而Excel用户往往处在一个中间位置:他们的确是和数据打交道,但是科学原理对于他们来说可能又太专业了。他们常常有一些现有教程无法满足的特殊需求,举例如下 • 为完成某个任务,我应该用哪个 Python-Excel包? • 我如何将 Power Query 数据库连接迁移到 Python? • Excel中的 AutoFilter和数据透视表在 Python 中对应的是什么?
|
7天前
|
存储 数据挖掘 索引
Python streamlit框架开发数据分析网站并免费部署
使用Python的Streamlit框架,开发了一个在线数据分析工具,替代Excel查看设备温度CSV数据。通过pandas读取数据,matplotlib绘制图表。程序处理CSV,提取所需列,计算最大最小平均值,用户可多选查看特定数据。[GitHub](https://github.com/yigedaigua/MGHB)上有完整代码,应用已部署至Streamlit Cloud。

热门文章

最新文章