数据分析师150万岗位缺口，中国缺少数据决策分析人才，人才供给指数0.05：高度稀缺，互联网急需的六大职位之一。

                                           —— 《LinkedIn & 麦肯锡报告》

“为什么要学习数据分析？如果想找一个拥有大量需求的职业，需要为一些越来越常见以及廉价的东西提供稀缺且附带额外价值的服务。什么东西正变得越来越常见和廉价？数据。什么是为数据提供稀缺且附带额外价值的服务？分析”

进入大数据时代，阿里巴巴、腾讯、百度、滴滴出行、美团等科技行业领袖都急需一批能读懂数据、用数据做出正确决策的分析人才。掌握数据分析技能，让拥有决策话语权，从激烈竞争中脱颖而出。 LinkedIn 预测，未来 3-5 年内大数据人才缺口将高达150万，目前数据分析1-3年工作经验者月收入可达10-25K。

大数据基础——人才培养计划

一站式入门 Python 和 SQL 两大主流数据分析工具，掌握数据清洗、探索性分析、可视化等基础分析技能。

先修知识

可以提前熟悉用 Excel 等电子表格工具处理数据，如果有编程语言基础（如学过其他编程语言或者熟悉 Python 的基本语法），学习会更加顺利。

·         第 1 部分：数据分析初探

统计学及 Python 快速入门，了解数据分析基本流程。

实战项目 1：揭秘北上广气温变化

获取几个城市历年气温数据，分析气温变化趋势，学习可视化分析的数据分析流程，快速入门 Python。

·         第 2 部分：SQL初探

学习 SQL 的基本语法，比如 SELECT, FROM, WHERE 等。

实战项目 2：从城市看世界是否在变暖

初步了解 SQL，学会如何从数据库读取数据，分析本地和全球的气温数据，将选定城市的温度趋势与全球温度趋势进行比较。

·         第 3 部分：Python 入门

学习使用 Python 处理数字与字符串，编写函数和条件语句；操作列表、集合、字典等常见数据类型；学习并编写 for 和 while 循环方式；Python 的标准库和第三方库，了解读取磁盘文件的方式等

实战项目 3：探索用户行为规律

用 Python 分析电商产品和用户浏览及购买数据，分析热门路径、典型用户等信息，编写代码来查询数据，使用描述性统计学做分析。

掌握 Python，能胜任 90% 互联网企业的数据分析工作

·         第 4 部分：数据分析入门

了解数据分析流程的主要步骤，运用 NumPy 和 Pandas 处理多个数据集；并通过数据分析实战案例，学习使用 Python 中的常用包进行数据清洗、探索、分析和可视化；复习之前所学的 SQL 基础知识，进一步掌握不同表格间的连接、聚合函数以及高级的 SQL 使用方法。

实战项目 4：探索电商产品/体育赛事数据

编写网络爬虫获取电商产品数据，使用 NumPy 和 Pandas 完整体验分析流程，分析什么样的产品会热卖等真实世界问题。

·         第 5 部分：统计学

学习基础的描述统计学理论、基本的概率知识、二项分布和贝叶斯公式，并学会使用 Python 来实践；学习正态分布、抽样分布、置信区间以及假设检验的概念和计算方式；学习线性回归以及逻辑回归，在真实场景中应用，比如分析 A/B 测试结果，搭建简单的监督机器学习模型。

实战项目 5：分析电商网页转化能力 A/B 测试

研究一个电子商务网站的产品数据，分析页面 A/B 测试中的转化能力，分析是否需要重新设计页面并基于数据提出实施建议。