从零开始学数据分析，到什么程度能找到工作，如何规划学习计划？

excel基础知识(VBA最好；可以做一个数据透视表；熟练筛选、整理、公式)，做好PPT。这样很多传统公司的数据专员已经可以做到了。

2.第二阶段(数据专员~数据分析师)

这个阶段要懂SQL，懂业务，加上第一阶段的那些东西。大部分传统公司和小的互联网运营和产品团队就够了。

3.第三阶段(数据分析师)

精通统计学(回归、假设检验、时间序列、简单蒙特卡罗)、可视化、PPT、excel必滑。这些技术足以应对大多数传统的公司业务和互联网业务。

4.第四阶段(分裂)

数据分析师(数据科学家)、BI等。:这部分一般是密集统计，熟悉业务，可以用在机器学习上(参数调整+模型选择+优化)。数据检索、ETL、可视化都是基本姿势。

可视化工程师:这部分在国内比较少见，但其实重点在前端，可以学高图，d3.js，echarts.js，技术发展路线可以独立，不在这四个阶段，在前端转行可能更好。

ETL工程师:顾名思义，ETL工程师。

大数据工程师:熟悉大数据技术，hadoop二代。

数据工程师(部分与数据挖掘工程师重合):机器学习熟练度水平(往往是几个，不用担心不是全部，不同于数据分析师的侧重点，还需要了解组合模型和理论基础)，组合模型形成数据产品；计算机基础知识(包括linux知识和软件工程)；各种数据库(关系数据库管理系统，NoSQL(4类))

数据挖掘:基本同上。

爬虫工程师:顾名思义，最好熟悉http协议和tcp/ip协议。技术发展路线可以独立，不在这四个阶段。

发现答案有点不着边际，但大致是所有从底层数据工作者发展的基本路径。数据开发的基本学习路径可总结如下:

1.EXCEL，PPT(必须精通)

数据工作者的基本态度，说我技术不太好，但至少会操作；大胆展示自己，与业务部门沟通，展示分析结果。从技术上来说，VBA和数据透视是最重要的。

2.数据库类(必需)

只要一开始懂RDBMS，就看哪个公司用，学哪个。你进公司不是为了学习MySQL。

NoSQL以后可以用统计学或者别的什么来研究。基本的NoSQL血MongoDB和Redis (cache，Neo4j严格意义上的一个数据库)，然后(选择)你可以知道各种NoSQL，基于图的数据库Neo4j，基于列的数据库BigTable，基于键值的数据库redis/cassendra，基于集合的数据库MongoDB。

3.统计数据(必填)

想学统计学，重要的概念有描述统计、假设检验、贝叶斯、最大似然法、回归(尤其是广义线性回归)、主成分分析。这些用的比较多。还有时间序列，bootstrap，非参数之类的，看你自己的意愿了。

其他数学知识:线性代数比较常用(它是很多事情背后的基础)，微积分不常用，动力系统和傅立叶分析看你想进入的行业。

4.机器学习(要求数据分析师选择、使用和调整)

常用的有几种线性分类器，聚类、回归、随机森林、贝叶斯；稍微了解一下那些不常用的；深度学习要看情况。

5.大数据(选个课程，有公司要求就可以用，不需要搭建环境)

Hadoop基础，包括hdfs、map-reduce、hive等；稍后联系火花和风暴。

6.文本类别(可选，如果公司要求)

这部分我不熟悉。我基本要知道影响，分词，情感分析。

7.工具类别

语言:R、Python等非大数据类最多(相比geek，julia也有用，不差钱和一些公司要求的SAS、Matlab大数据可能也会用到scala和java。