找人做数据分析多少钱 推荐一次-找人做数据分析多少钱 推荐一次啊

摘要： 自学数据分析需要看哪些书的？求推荐？29岁转行做大数据分析师晚不晚？自学数据分析需要看哪些书的？求推荐？01 - 思路篇《谁说菜鸟不会数据分析（入门篇）》和《深入浅出数据分析》这两...

1. 自学数据分析需要看哪些书的？求推荐？
2. 29岁转行做大数据分析师晚不晚？

自学数据分析需要看哪些书的？求推荐？

01 - 思路篇

《谁说菜鸟不会数据分析（入门篇）》和《深入浅出数据分析》这两本。

现在这两本书应该也有新版了，当然也有很多其他优秀的入门书籍，在京东上搜“数据分析”，你会发现很多很多书，随便挑两本看完，你就算基本了解数据分析是干什么的了。当然，这个阶段不要求你弄懂所有的知识点，主要是了解分析流程与基本概念，之后遇到问题再回来翻翻就好。当年面试支付宝，就靠这两本书了：）

02 - 技能篇

技能相关的书籍买过很多，就挑记笔记比较多的吧

SQL：《零基础学SQL》

Python：《Python编程 从入门到实践》

R语言：《R语言实战》

EXCEL：《数据图形化，分析更给力》

PPT：《PPT，要你好看》

逻辑表达：《金字塔原理》

03 - 业务理解篇

其实每个行业的业务入门书籍不同，但是基本的商业知识要先了解下的。

了解商业模式套路：《商业模式新生代》

图形化思考，商业常识：《餐巾纸的背面》

数据分析行业的常识：《大数据时代：生活、工作与思维的大变革》

总而言之，看完两本书，学会SQL、Excel、PPT， 就当入门了

还有关于数据分析进阶、数据产品等书单推荐，希望对你有帮助~

以上书单来自→书单来了：数据分析十年，我只推荐这些书

1、《谁说菜鸟不会数据分析》

是小蚊子数据分析团队的作品，适合入门。写作手法***用讲故事的方式，以平实的语言娓娓道来，不会吓到新入门的童鞋。

不过书籍中并不是所有知识都要着重看，看了就会发现，像水晶易表这种组件在实际工作中用的不多了。

而有些知识点比如数据清洗过程、SPSS、Excel都还是很有用的。工具篇也提及到了自动化报表、Vba等工具的使用，可以尝试一下。

2、深入浅出统计学、数据分析

写的比较有意思的两本书，可以通过《深入浅出统计学》回忆一下以前学过的统计学的基本知识，或者加深对某些概念的理解。

两本都是外国作者写的那种很厚的，很啰嗦的书。不过，对于入门者来说不至于会被某些“魔幻”化的传道授业者所吓倒。读《深入浅出数据分析》可以了解数据分析师的部分工作内容是怎样的。

3、《Excel这么用就对了》

在吧Excel摸摸熟，基本小数据都能搞定了。当如使用Excel貌似硬是靠实践，倒是用了一本书，不过是有关Vba的书籍。刚入门时候，不知道怎么搞，还以为要学好Vba。后来发现，Vba略懂宏的录制、代码修改基本就够日常工作用了。

29岁转行做大数据分析师晚不晚？

谢邀。如果你是29岁，你会觉得晚了。但是越往后一年，你会越觉得为什么29岁时不开始？

大数据分析师，需要的是数据库，编程语言，分析工具，数学理论，沟通表达，甚至是PPT能力。但其实这些都不是最重要的，它们只是***性的基本要求。最重要的是逻辑分析能力，敏锐的洞察力，抽象与分拆能力，行业与社会的见解力。这些最重要的东西是靠成熟的心智，丰富的经验堆积，量变到质变得来的。因此，29岁真的不晚，或许刚好是起步的年龄。

30岁时觉得20岁很年轻，40岁时觉得30岁很年轻，50岁时又觉得40岁很年轻……

可能有很多原因想让你在29岁转行，兴趣？赚更多钱？实现当初的梦想？无论何因，遵循内心，志存高远，脚踏实地，一切都可以重来。

谢谢大家。

谢邀！

学习永远都不晚啊！而且现在职位火，工资给的高。以后一个月的工资就够你报班的学费了。

你才29岁，那谁扬州八怪之首五十多才开始学画画的人家名留千史了都

想要多了解可以给我留言

谢谢邀请！

对于大数据分析岗位来说，29岁入行还是可以的，因为相对于应用级程序员来说，数据分析师的职业生命周期还是比较长的。

随着大数据时代的到来，数据分析师的知识结构也在进行调整，早期数据分析师不少都是统计学、经济学相关专业毕业的，而目前数据分析师不少都是数据科学专业、数学、计算机相关专业毕业的，这也是大数据时代的一个特点。

大数据分析的基础知识包括统计学、计算机和数学，其中计算机相关技术的占比较大，对于不同知识结构的人来说，从事的数据分析岗位也有一定的区别。对于计算机基础比较薄弱的人来说可以从工具开始学起，数据分析有大量的工具可以使用，Excel就是一个数据分析的利器。

随着数据量的增加可以进一步学习数据库、编程语言等相关知识。目前行业里做数据分析实现的不少BI工程师基本上都属于应用级分析人员，懂数据库知识和BI工具的知识基本就可以了，涉及到编程的地方非常少。

对于基础比较好的人可以从事研发级分析，目前通过机器学习的方式来实现数据分析是比较流行的做法。机器学习的实现步骤包括数据收集、算法设计、算法实现、算法验证、算法应用等，机器学习开发需要有扎实的数学基础和程序设计基础。

目前***用Python进行机器学习实现是比较常见的选择，由于Python语言自身比较简单，而且Python语言有大量的库可以使用，所以***用Python做机器学习是非常方便的，在开发周期、代码量和代码调整等方面，Python与J***a相比都具备一定的优势。

人工智能和大数据是我的主要研究方向，目前也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！