学掌门通过线上线下、直播录播与平台结合的方式 ，让学员在业务数据分析、计算机编程、数据挖掘/机器学习算法上获得全面提升：从基础的数据分析理论方法到必备的数据分析算法，再到流行的数据可视化技术以及基于Python的大数据分析语言，直至时下热门的BI大数据分析技术。学掌门构建全栈数据分析课程，搭配热门行业真实项目实操，使您成为在互联网、零售、金融等行业专门从事数据的采集、清洗、处理、分析并能制作业务分析报告，提供决策的新型复合型大数据分析/挖掘人才.
课程特色
易学：不限专业，基础差小白也能学，文科生、大专生均可学得会
前沿：推出时下热门的FineBI商业智能大屏可视化教程，贴近企业用人需求
：全科班（学习周期：6周，5课时/天），业余班（学习周期：3个月）
物美：6周从小白成长为企业急需的BI商业可视化分析师，性价比超高
就业：入学即签订推荐就业协议，享受专业就业指导
实战项目
项目一：基于Power BI实现的移动终端数据销售情况分析
项目二：用Tableau进行自助式商业分析
项目三：电商网站流量指标SQL数据分析
项目四：医院决策分析FineBI大屏可视化解决方案
项目五：大型互联网电商BI商业数据分析全流程项目实战
数据分析很吃学历吗?
数据分析的本质是凭能力说话，它既卡学历，但是从另一方面来讲又不卡学历。
数据分析不直接创造价值，作为一个辅助职能，不直接为业绩负责
一、现在进大公司的确学历很重要，主要因为两个原因。
首先基础数据分析师工作内容很简单，没有什么太强的技术壁垒，看书自学也能会，所以大量人文社科的同学也在参与竞争，那企业在筛不出人的情况下只能选择学历。
其次大部分应届生或者工作3年内的同学，没有什么能拿得出手的亮眼项目，大部分都是搭建数据流，做报表，搭一个监控看报，做做AB测试。
这些工作本质也没什么技术壁垒，就算是做模型，现在大部分数据分析数据科学家们也就是在调包调参。那在大家都差不多的情况下，也是只能学历。
学历确实在前期能帮你省去很多麻烦事，但一旦入行就是重新洗牌，不管你是清华还是普通专科，3年后你的高度仅仅取决于你的个人能力。普通人的数据分析能力如何培养又能写一个专项，在这就不赘述了。
二、数据分析岗位方向及工作内容
数据分析可以简单分为业务和技术2大方向：
1.业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等
业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。
在日常工作中，业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的，如何更好的完成自己的KPI等。
以活跃指标为例，数据分析人员通常要解决以下问题：
指标下跌了多少？是合理范围内的数据波动，还是突发式?（what）
下跌是从什么时候开始的？（when）
是整体用户下跌，还是部分用户？（who）
下跌的原因是什么？产品更新？还是某个渠道推广到期？（why）
怎么解决下跌的问题（how）
在经过了数据提取-数据清洗-多维分析-交叉分析等一系列步骤之后，你发现是某个地区的活跃下跌了，但这并不能作为分析的结论。因为某个地区的活跃下跌只是现象，并不是根本原因。
所以数据分析师要解决的是，为什么这个地区的活跃跌了？是政策因素？还是竞争对手？或者是渠道问题，这些都是需要深入分析的范畴。
找到原因后，数据分析师还需要预测未来的发展趋势，根据目前的分析结果输出可执行的改善策略，较后推动业务部门落地，再次复盘效果，较终形成闭环的分析路径。
对数据分析师而言，解决问题只是一方面，另一方面数据分析师的职责是将业务数据体系化，形成一套指标框架。比如活跃下跌，本质上也是指标问题，如“日活”等指标。
2.技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等
技术方向的岗位如数据挖掘/算法等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。
因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。
三.数据分析师岗位技能要求
对业务方向的数据分析师而言，掌握工具只是基础，还需要对业务有深入的理解以及较强的数据分析能力。
在工具使用上，数据分析师需要掌握Excel、SQL、PPT、Python等工具。
Excel是日常工作中用到的较多的工具，常用的函数及数据透视表都要学，SQL是数据分析的核心工具，主要学习Select、聚合函数以及条件查询等内容，Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。
关于工具的部分，需要注意不同行业对工具的要求会有差异，比如金融行业会要求SAS等工具。一般情况下Excel、SQL、PPT、Python这4种工具就能搞定大部分数据分析工作。
除工具的使用外，数据分析师要了解基本的统计学知识及数据分析方法。
统计学知识：环比、同比、概率分布、变量、抽样等。
数据分析方法：假设检验、回归分析、漏斗分析多维分析、对比分析等。
针对0基础的小伙伴，建议大家先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，较终形成自己的分析思路。
千万不要一上来就啃Python，可以先上手Exce+SQL这2个简单的数据分析工具来入门。有SQL基础后再学Python会相对容易些。
总结一下，我觉得对于数据分析甚至是其他职业选择来说，执行力才是较大的竞争力。有想法了你就去学，就去做，不管较终成没成，你已经超过了较少百分之90只看不说的人，同时在你不断的试错中，你的判断力已经执行力又回得到提高。
