据外媒报道，新加坡2万公务员将在未来5年内接受数据分析培训，新加坡政府已任命***数据战略官员，领导实现政府各部门的数据化计划。大数据时代，公务员们都得是“数据”高手!数据分析在新加坡已经是最热门的职业，也是应届生们的***职业之一。
大数据风潮席卷全球，为什么人人都要学数据分析?
1.为什么要学数据分析
大数据号称新时代的石油，很多行业都开始用数据驱动业务，通过对数据的分析和挖掘，从单纯的数据报表，到建模分析，深入挖掘，来帮助业务部分来系统的思考问题。
同时，数据分析也相对容易一些，比较好上手。
Python的应用的领域可以分为爬虫、web开发、数据分析、机器学习等方向。和机器学习相比，数据分析偏业务，机器学习偏工程，数据分析入门对数学功底和算法基础的要求并不是特别高。
2.为什么选Python做数据分析
可以来做数据分析的语言和工具比较多，为什么偏偏选Python?
拿常见的R语言和Excel来说：
R语言其实是为统计学而生的语言，用来做统计学确实非常厉害。
但是R语言在语法的美观和使用的简洁便利上看，要比Python差很多，小函数一堆，而且语法不好理解，没有Python这么容易上手和通熟易懂。
而 Excel只能做一些简单的处理逻辑处理，适合小规模的数据集，或者简单的数据清洗，对于复杂的逻辑处理，数据清洗，还是用Python来的方便。
3.数据分析岗位职业发展路径
在数据科学领域，有三个不同的角色，分别是：商业分析师，数据工程师和数据科学家，难度依次递增。
1.商业分析师
商业分析师的工作主要围绕报表和指标这两块儿，包括：
- 定义关键绩效指标
- 设计和实现报表
- 从用户那里收集报表需求
- 与数据工程师对接确保数据被正确地收集和存储
- 查询数据(一般是聚合过的)
2.数据工程师
数据工程师的工作主要围绕架构和收集这两块儿，包括：
- 通过写数据传输包、设计聚合过程、优化存储，来构建和维护数据传输和存储的基础设施
- 将生产环境产生的原始数据，转换为商业分析师可以用来制作报表的格式化的数据
3.数据科学家
数据科学家的工作主要围绕预测和优化这两块儿，包括：
- 负责构建预测算法，以提升用户体验，最终增加参与度、留存率、收益
- 负责数据驱动的产品的改进和建议
这其实是一个金字塔，商业分析师位于金字塔的***层，数据科学家位于金字塔的最顶层。
4.数据分析师的薪资如何
拉勾网上数据分析师基本上在1-2年经验的平均年薪在20万左右。
再看一下数据分析师的岗位主要需求城市：
主要是在北上广深和杭州 5个大的城市，其中北京的需求最多，几乎是第2/3/4位的总和。
5.数据分析需求技能
数据分析的内容多，而且比较全面，比如我们前面写了很多关于房地产，拉勾照片，旅游网站的数据，一般来说数据分析分下面几个过程：
***步：数据的爬取
数据分析过程非常像我们平时做饭，***步要先买菜，如何获取数据呢，很多时候我们需要爬取数据，爬虫涉及的知识比较多：
比如常见的http原理，爬虫的基本解析库reuqests，网页解析库BS,Pyquery,掌握一些分布式爬虫的框架，当然还有一些反爬虫的策略。当然如果我们能有现成的数据集会方便很多。
第二步：数据格式的处理和清洗
买好了菜，接着我们需要洗菜，也就是数据清洗!常见的数据集都是csv和json格式，需要熟练的掌握着两种格式的。Python中数据分析的神兵利器是Pandas,这个库非常好用，功能也是非常强大的。可以对数据进行各种花色的清洗和切割，几乎所有用Python玩数据分析，必须学会pandas库的用法。
第三步：数据的存储
清洗完成之后数据需要存储起来，一般用的比较多的 SQL 和 MongoDB。几乎所有的数据分析师招聘都会面试SQL的用法，所以掌握一门数据的使用是非常有必要的!基本的增删改查这样入门级的操作，一定要熟练掌握。
第四步：数据的探索
我拿到一个数据集之后，需要对数据进行探索，分析数据之间的关系，每个特征值，每个变量的之间相关性和相互的影响，比如常见的EDA 探索数据分析法。
单变量，双变量和多变量的探索，可以从很多角度，对数据进行切片分析，非常数据集中的变量之间的关系，找出相关性比较强的数据。
如果需要对数据进行深入的挖掘，需要了解机器学习的相关算法，大体分监督学习和无监督学习，比如回归问题，分类问题。这部分对数据集进行深入挖掘之后，可以找出数据间的规律，训练好的之后，可以预测数据，很是牛逼。
第五步：数据的可视化
展现数据***的方法就是数据可视化，数据的可视化有很大的库，比如 echart，matplotlib，d3 和 Tableau，当然还有excel，一般数据分析师必须要掌握exce或者Tableau。尤其是Tableau现在越来越多的公司用它来做可视化分析，有一个有趣的必然，同样一个库用R语言需要30分钟才能完成，Tableau只需要5分钟。
