很多小伙伴想轉(zhuǎn)行，成為數(shù)據(jù)分析師。入行容易，但重要的是確定未來的那個發(fā)展 方向，不能盲目入行。下面分享幾個數(shù)據(jù)分析師的發(fā)展 方向供大家參考。首先，確定自己的目標(biāo)。Business 數(shù)據(jù) Analyst:技能上需要用到Excel、pythonl和SQL，因為business 數(shù)據(jù) Analyst的主要工作是將數(shù)據(jù)與業(yè)務(wù)結(jié)合起來，使用數(shù)據(jù)輔助業(yè)務(wù)成長。For數(shù)據(jù)，

數(shù)據(jù)理工大學(xué)數(shù)據(jù) 技術(shù)就業(yè)方向:分析崗位的分析工程師。利用統(tǒng)計模型，數(shù)據(jù) -0/，機器學(xué)習(xí)等方法，數(shù)據(jù)保潔，數(shù)據(jù)分析，建筑行業(yè)數(shù)據(jù)為客戶分析模型。算法工程師。數(shù)據(jù) 方向，與專業(yè)工程師一起，從系統(tǒng)應(yīng)用的角度出發(fā)，運用數(shù)據(jù) 挖掘/統(tǒng)計學(xué)習(xí)理論和方法解決實際問題；人工智能方向，根據(jù)人工智能產(chǎn)品技術(shù)的要求進行方案設(shè)計和算法設(shè)計及核心模塊開發(fā)，并組織解決項目開發(fā)過程中的重大問題技術(shù)。

負(fù)責(zé)Hadoop集群架構(gòu)的設(shè)計、開發(fā)、構(gòu)建、管理、運維及優(yōu)化，從數(shù)據(jù)收集到數(shù)據(jù)處理，從數(shù)據(jù)清理到數(shù)據(jù)提取。開發(fā)工程師?；趆adoop和spark構(gòu)建數(shù)據(jù)分析平臺，設(shè)計開發(fā)分布式計算服務(wù)，負(fù)責(zé)機器學(xué)習(xí)和深度學(xué)習(xí)的開發(fā)。操作和維護工程師。負(fù)責(zé)大數(shù)據(jù)基礎(chǔ)平臺的運維、

Baidu . Google . yahu . Sina . msdn.....。什么是數(shù)據(jù)挖掘數(shù)據(jù)挖掘(數(shù)據(jù)挖掘)，即從大量的數(shù)據(jù)中獲取有效的、新穎的、潛在有用的數(shù)據(jù)。數(shù)據(jù)挖掘:數(shù)據(jù)挖掘的大視野來自于數(shù)據(jù) library、數(shù)據(jù) warehouse或其他中的存儲。數(shù)據(jù) 挖掘，又稱數(shù)據(jù)knowledge discoveryindabase，

知識發(fā)現(xiàn)的過程由以下步驟組成:(1) 數(shù)據(jù)清洗，(2) 數(shù)據(jù)整合，(3) 數(shù)據(jù)選擇，(4) 數(shù)據(jù)轉(zhuǎn)化，(5)。數(shù)據(jù) 挖掘可以與用戶或知識庫進行交互。并不是所有的信息發(fā)現(xiàn)任務(wù)都被視為數(shù)據(jù) 挖掘。例如，使用數(shù)據(jù) library管理系統(tǒng)查找個人記錄，或通過互聯(lián)網(wǎng)搜索引擎搜索特定網(wǎng)頁，都是信息檢索領(lǐng)域中的任務(wù)。

1，在Da 數(shù)據(jù)采集和預(yù)處理方向 This 方向最常見的問題是數(shù)據(jù)的多樣性和差異性，這就導(dǎo)致了-2。為了解決這些問題，很多公司都推出了各種數(shù)據(jù)清潔和質(zhì)量控制工具(比如IBM的DataStage)。2.在Da 數(shù)據(jù)存儲與管理方向 This 方向中最常見的挑戰(zhàn)是存儲規(guī)模大，存儲管理復(fù)雜，需要兼顧結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。

在大數(shù)據(jù)存儲與管理方向中，我們特別關(guān)注大數(shù)據(jù)索引與查詢技術(shù)實時與流大數(shù)據(jù)存儲與處理。3.Da 數(shù)據(jù)計算模式方向由于處理多樣性的需求，目前有很多典型的計算模式。包括大型數(shù)據(jù)查詢分析計算(如Hive)、批量計算(如HadoopMapReduce)、流式計算(如Storm)、迭代計算(如HaLoop)、圖計算(如Pregel)和內(nèi)存計算(如Hana)，這些計算模式的混合計算模式將滿足大型多樣性的需求。

數(shù)據(jù)挖掘技術(shù)Yes數(shù)據(jù)Library技術(shù)，Statistics技術(shù)。從技術(shù)的角度來看,數(shù)據(jù) 挖掘的主要方法包括:(1)決策樹方法:用樹形結(jié)構(gòu)表示決策集，通過對數(shù)據(jù)集合進行分類來生成規(guī)則。世界上影響最大、最早的決策樹方法是ID3方法，后來發(fā)展引入了其他決策樹方法。(2)規(guī)則歸納方法:通過統(tǒng)計歸納，提取有價值的規(guī)則。

(3)神經(jīng)網(wǎng)絡(luò)方法:從結(jié)構(gòu)上模擬生物神經(jīng)網(wǎng)絡(luò)，基于模型和學(xué)習(xí)規(guī)則，建立前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)模型。該方法可以通過訓(xùn)練學(xué)習(xí)非線性預(yù)測模型，可以完成分類、聚類、特征等多項任務(wù)挖掘數(shù)據(jù)挖掘，(4)遺傳算法:模擬生物進化過程的算法，由繁殖(選擇)、交叉(重組)、變異(突變)三種基本算子組成。為了應(yīng)用遺傳算法，需要將任務(wù)數(shù)據(jù) 挖掘表示為一個搜索問題，以充分發(fā)揮遺傳算法的優(yōu)化搜索能力。