什么是数据分析自学考试

相信大家在报考自学考试时候，在选择专业的时候都不可避免地想知道热门专业以及容易考过的专业是哪些？今天小编就给大家介绍一下汉语言文学专业。一、汉语言文学专业优势汉语言专业作为自考通过率最高的专业之一，数据分析通过率高达90%。在自考中，汉语言文学专业学习的科目是相对较少的，汉语言专业是免考数学和选考英语的，这也是这个专业这么受欢迎的原因，如果觉得自己数学英语基础薄弱的同学，也可以报考这个专业。在自考中，汉语言文学专业学习因为科目是相对较少的，最快考3~4次便可考完。也就是快的话，花1年半~2年的时间学习考试，便可以通过所有科目。二、汉语言文学专业学习内容汉语言文学一般分为两个领域：文学领域和语言学领域。文学领域会接触到诗词歌赋；而语言学领域则是接触古代/现代汉语的音韵、修辞、语法、词汇这类内容。主要课程是以《中国古代文学作品选》、《中国现代文学作品选》、《外国文学作品选》、《写作》、《古代汉语》、《现代汉语》、《中国古代文学史》、《中国现代文学史》、《美学》等科目为基础。三、汉语言文学专业就业前景汉语言文学直接对口的工作自然和文字有关。新闻社、出版社、教师、新媒体策划、文案、编辑、文秘工作都需要这方面的专业人才，可以说就业面是相当广阔了！汉语言文学专业毕业生，可进入党政机关从事党政宣传、文化普及、文学教研等等一系列的工作。

一、掌握基础、更新知识。基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。数据库查询—SQL数据分析师在计算机的层面的技能要求较低，主要是会SQL，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些SQL技巧、新的函数，对你工作效率的提高是很有帮助的。统计知识与数据挖掘你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？行业知识如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于A部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：对于A部门，1、新会员的统计口径是什么。第一次在使用A部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？2、是如何统计出来的。A：时间；是通过创建时间，还是业务完成时间。B：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写SQL代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？对于新进入数据行业或者刚进入数据行业的朋友来说：行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写SQL，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。二、要有三心。1、细心。2、耐心。3、静心。数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。三、形成自己结构化的思维。数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。四、业务、行业、商业知识。当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。 数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：1、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。2、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。3、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。4、有机会走向一线，多向一线的客户沟通，这才是最根本的。标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。数据分析师中国统计网——一位资深数据分析师的分享

Ⅰ 学数据分析，报考数据分析师考试有哪些条件

在考试前也应注意的：要模拟练习，想像老师可能出的题目，从考古题中，或从自我评量的题目中，从关键的词汇里尝试来自我解答，相信在不断的练习，你可以知道哪些部分需要再加强。

Ⅱ 项目数据分析师报考条件是什么

人才认证 主管机构 项目数据分析师专业技术培训项目的主办单位是中回国商业联合会数据分析专答业委员会及工业和信息化部教育与考试中心。 分管机构 各盛直辖市构建专业认证体系的形式存在，并开展培训、继续教育等工作。

Ⅲ 如何考大数据分析师

大数据分析师报考要求如下：

1、初级数据分析师：

（1）具有大专以上学历，或从事统计工作的人员；

（2）通过初级笔试、上机考试、报告考核，成绩全部合格。

2、中级数据分析师：

（1）具有本科及以上学历，或初级数据分析师证书，或从事相关工作一年以上；

（2）通过中级笔试、上机考试，成绩全部合格；

（3）通过中级实践应用能力考核。

3、高级数据分析师：

（1）研究生以上学历，或从事相关工作五年以上；

（2）获得中级数据分析师证书。

（3）通过高级笔试、报告考核后，获取准高级数据分析师证书；

（4）考生在获得准高级证书后，在专业领域工作五年，并撰写一篇专业数据分析论文，经答辩合格，获取高级数据分析师合格证书。

(3)数据分析师条件扩展阅读

技能要求

1、懂业务

从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理

一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

Ⅳ 2016数据分析师报考条件

2016数据分析师分报考条件（具备以下条件之一）：

1.大专以上学历，在相关行业连续半年以上实践、实习经历（提供学历证书原件、复印件和单位证明原件）。

2.中专学历者，相关专业（电子商务、计算机及其应用、通信工程、电子信息工程等）毕业，从事相关行业连续1年以上实践、实习经历。 非上述专业，须在相关行业连续实践3年以上（提供学历证书原件、复印件和单位证明）。

3.在校学生（含自学考试）大专层次以上相关专业（同上）学生报考必须已学习相关专业2年以上；其它学生报考须按教学大纲经系统培训80学时以上（培训学校结业证书或证明）。

4.持有相关职业技术证书的人员（提供证书原件、复印件）均可申报。

数据分析师考试相关知识：

考试安排：

数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，截止2014年8月，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制。

考试时间：

每年有4次考试。具体时间请关注CPDA数据分析师官网考试通知，大致在每年的3月、6月、9月、12月中旬。

颁发证书：

考核合格，学员获得：由工业和信息化部教育与考试中心颁发的《项目数据分析师职业技术证书》和中国商业联合会数据分析专业委员会颁发的《数据分析师证书》，证书可查询。见下图

希望能帮到您

Ⅳ 成为一名优秀的数据分析师需要什么条件

1、对上级：了解数据需求。最核心的是搞清楚领导对数据工作的满意/不满意点。用小本子记下来，交办了多少项事情，紧急程度如何。这样每周汇报完成了多少。慢慢做不等于闷不吭声做，越是见效慢的工种就越得分阶段的、日常的汇报进度。不然，领导看不到进展，就会以为新招一个人来了也没啥起色，就会心生怨念。大部分悲剧都是从这里开始的。 2、对业务部门平级：了解业务背景。业务流程自然要慢慢熟悉，之前发生过哪些重大业务动作要逐步了解。这些和构建分析思路，解答问题有重大关系。暗中观察不同部门对数据的态度，后续合作的时候，可以有针对性的。 3、对技术部门平级：了解数据流程。数据采集-清洗-存储-BI开发-维护，每个环节上都是谁在干，情况如何。要一一整明白。以后大家常在一起干活，关系自然要维护好。 4、对下级（如果有）：先别急着摆官威，先整明白现有的数据需求（报表/专题/BI）种类，用途，日常工作中下级有什么困惑。已经吃过饼的人，才最知道饼的滋味。别被老板画的大饼忽悠了，多听听基层真实情况，可以让自己更好理解形势。 以上~~听起来很怂，可却是比较稳妥的立足方式。也有些小伙很 *** ，进门就怀着“我为大家带阿尔法狗来啦！”的想法，指望着一进公司就做出超牛逼算法毁天灭地，哦不，改天换地。这种特激进的做法，往往容易惹麻烦。先处理好人际关系，摸清形势再有的放矢。

Ⅵ 如何成为一个数据分析师需要具备哪些技能

接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。

数据获取：公开数据、Python爬虫

如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。

外部数据的获取方式主要有以下两种。

第一种是获取外部的公开数据集，一些科研机构、企业、 *** 会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。

另一种获取外部数据费的方式就是爬虫。

比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。

在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）

网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。

掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。

除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。

数据存取：SQL语言

你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。

SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：

提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。

数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。

数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。

数据预处理：Python（pandas）

很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。

比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。

那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。

对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：

选择：数据访问（标签、特定值、布尔索引等）

缺失值处理：对缺失数据行进行删除或填充

重复值处理：重复值的判断与删除

空格和异常值处理：清楚不必要的空格和极端、异常数据

相关操作：描述性统计、Apply、直方图等

合并：符合各种逻辑关系的合并操作

分组：数据划分、分别执行函数、数据重组

Reshaping：快速生成数据透视表

概率论及统计学知识

数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：

基本统计量：均值、中位数、众数、百分位数、极值等

其他描述性统计量：偏度、方差、标准差、显著性等

其他统计知识：总体和样本、参数和统计量、ErrorBar

概率分布与假设检验：各种分布、假设检验流程

其他概率论知识：条件概率、贝叶斯等

有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……

你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。

python数据分析

如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。

比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：

回归分析：线性回归、逻辑回归

基本的分类算法：决策树、随机森林……

基本的聚类算法：k-means……

特征工程基础：如何用特征选择优化模型

调参方法：如何调节参数优化模型

Python 数据分析包：scipy、numpy、scikit-learn等

在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。

当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。

系统实战

这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。

如何进行实战呢？

上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。

另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。

开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。

你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。

在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：

员工离职预测训练赛

美国King County房价预测训练赛

北京PM2.5浓度分析训练赛

种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！

Ⅶ 数据分析师的入职条件是什么

任职要求： 1.大专抄及以上学历有半年袭以上统计工作经验; 2.熟练运用office办公软件，熟练掌握、运用excel表格函数，有较强的数据统计、分析能力; 3.工作认真积极进取有较强的工作责任感和事业心有强烈的集体认同感和团队合作精神。

Ⅷ 数据分析师做什么工作，报考条件是什么

数据分析来师是为了适应大数据源时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。 报考条件没有限制。

Ⅸ 数据分析师主要做什么

专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。

互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。

与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。

(9)数据分析师条件扩展阅读

数据科学家这个职业的定义有点广泛。同样叫数据科学家，在不同行业不同公司干的活可能是很不一样的。

有的偏机器学习、建模，有的偏数据分析。有的叫数据科学家，干的很多事情跟软件工程师（SWE）很类似。有的偏产品，风格短平快。有的偏长期研究，看的是一两年甚至更久的效果。

做数据分析的最终目的，那就是通过数据分析来引导产品改进的能力。任何方面的技能，归根结底都需要为这个目的服务。

Ⅹ 项目数据分析师报考条件是什么

至少大专学历，大专学历需有数据分析相关工作2年经验 本科及以上学历，可直接报名 项目数据分析师，是考培一体化的，需要参加培训，方可考试 现在，项目数据分析师已经改名为 数据分析师

为适应大数据与人工智能行业发展的需求，我部邀请了统计部门、科研院所、金融、数据分析行业及市场研究行业的专家对BDA课程设置及考核目标进行了修订，并正式印发《BDA数据分析师课程标准（2018年版）》，并于2018年春季开始执行。现将相关事宜说明如下：一、基本原则坚持科学论证。广泛听取不同领域专家的意见，向权威机构、权威人士咨询，求真务实，严谨认真，确保课程内容科学，符合大数据分析工作的需要。坚持继承发展。继承已有经验和成功做法，有针对性地进行修订完善，确保课程调整的连续性，使课程体系充满活力。依据职业要求。课程标准符合数据分析的工作要求，突出了大数据分析的优势，强调了数据分析工作的必备技能，适用不同专业的人员学习。二、课程变化按照大数据分析工作的不同场景和技术要求，调整了初、中、高级考试课程，其中初级4门课程、中级5门课程、高级4门课程（详见附件）。强调了统计理论、计算机技术和行业案例应用三维一体的大数据分析人才培养理念。三、考试变化按照考试要求，初级考试题型定为单项选择题、多项选择题；中级考试题定为简答论述题、案例应用题；高级考试题定为行业案例分析题。取消了初、中、高级在线作业考核内容。加强了数据分析实践应用能力考核标准。四、考试课程过渡参加2017年11月考试的考生，还延续使用2016年考试大纲，完成后续考试工作。2017年11月之后报名的考生，依据《BDA数据分析师课程标准（2018年版）》学习备考。《BDA数据分析师课程标准（2018年版）》是数据分析师考试考核的基本依据，是考试招生重要导向，要把课程标准与大数据分析人才培训有机结合起来，统筹兼顾，形成合力，发挥好课程标准在企业人才培养和选拔中的引导作用，强化考试内容与数据分析岗位的关联性，保证教、考、就业一致性，提升数据分析师与人工智能领域从业人员综合能力。2018年1月8日附件：BDA数据分析师课程标准（2018年版）一、初级考试科目说明序号课程名称选用教材科目一初级数据分析方法 《统计学（第六版）》ISBN：9787300203096 本课程培养学生应用数据分析方法分析和解决问题的实际能力。内容包括数据分析的基本问题、数据的整理、数据的描述分析、数据的推断分析、数据的相关分析、数据的回归分析等内容。通过系统地掌握各种数据分析方法，理解其中所包含的统计思想及不同特点、应用条件及适用场合。 科目二Excel数据处理与分析 《Excel高级数据处理及分析》ISBN：9787121246692 本课程主要是从Excel数据分析角度讲解数据的输入与验证、编辑与格式化、公式和函数，数学和统计函数处理、日期与时间函数、文本函数、财务函数、查找与引用函数、工作表函数、数组公式的高级应用等对处理数据。数据的组织和管理、公式和函数的综合应用实例，数据透视表分析数据、导入和分析外部数据、数据可视化图表分析、宏与VBA程序入门、数据的保护与共享，Excel综合应用案例。 科目三大数据技术概论 《大数据技术概论》ISBN：9787302450511 本课程包括大数据概论、大数据采集及预处理、大数据分析、大数据可视化、Hadoop概论、HDFS和Common概论、MapReduce概论、NoSQL技术介绍、Spark概论、云计算与大数据等。 科目四R语言 《R语言实用教程》ISBN：9787302371175 本课程是R语言初级课程，内容包括R程序基础操作、数据集、数据管理、图形图表、常用函数、描述分析、相关分析、数据可视化等内容。 考试说明· 理论综合试卷：由科目一初级数据分析方法、科目二大数据技术概论、科目三Excel数据处理与分析、科目四R语言共4部分构成。· 题型题量：单项选择题（共60道），多项选择题（共20道），理论综合试卷各科合计题量共80道选择题。· 考试方式：笔试，150分钟，各科目分别达到60分及格。 · 上机综合试卷：由科目一初级数据分析方法、科目二大数据技术概论、科目三Excel数据处理与分析、科目四R语言共4部分构成。· 题型题量：综合案例应用题共5道题。考试方式：· 上机操作，150分钟，总分达到60分及格。 · 实践应用考核：按要求提交一份数据分析报告。· 考核方式：自主完成报告的撰写，在线提交，经专家指导和答辩60分及格。 二、中级考试科目说明序号课程名称选用教材科目一中级数据分析方法 《调查数据分析》ISBN：9787500577690 本课程主要内容有实验设计、参数检验、多元回归分析、主成份分析/因子分析、感知图、聚类分析、判别分析与分类树、时间序列分析、及其他常用的数据挖掘方法和思想。 科目二数据挖掘 《数据挖掘导论（完整版）》ISBN: 9787115241009 本课程主要内容包括数据、分类、关联分析、聚类和异常检测五个方面。通过基本概念、代表性算法引出高级概念和算法。由浅入深理解数据挖掘。 科目三大数据技术原理与应用 《大数据技术原理与应用（第2版）》ISBN:9787115443304 本课程以分布式数据存储的概念、原理和技术为主，包括HDFS、HBase、NoSQL数据库、云数据库、MapReduce分布式编程框架、基于内存的分布式计算框架Spark、图计算、流计算、数据可视化等。 科目四Python数据分析 《利用Python进行数据分析》ISBN: 9787111436737 本课程强调Python的数据处理与分析的能力学习，主要内容包括：Python的基础知识和基本概念，以及一些高级的主题，包括抽象、异常、魔法方法、属性、迭代器等。 科目五SQL数据库应用与实践 《SQL初学者指南（第2版）》ISBN：9787115448651 本课程主要以数据库的查询、统计、归并等数据操作内容为主，重点放在Sql语法的各种操作，以常见的关系Sql数据库为主。 考试说明· 理论综合试卷：由科目一中级数据分析方法、科目二数据挖掘、科目三大数据技术原理与应用，科目四Python数据分析、科目五SQL数据库应用与实践共5门课程构成。· 题型题量：简答题（5道），论述题（5道）案例题（5道），理论综合试卷各科合计题量为15道。· 考试方式：笔试，150分钟，各科目分别达到60分及格。 · 上机综合试卷：由科目一中级数据分析方法、科目二数据挖掘、科目三大数据技术原理与应用，科目四Python数据分析、科目五SQL数据库应用与实践共5门课程构成。· 题型题量：案例应用题共5道题。· 考试方式：上机操作，150分钟，总分达到60分及格。 · 实践应用考核：按要求提交一份数据分析报告。· 考核方式：自主完成报告的撰写，并在线提交，经专家指导和答辩60分及格。 三、高级

理论上来说，任何知识都可以自学。前提是有足够的自学能力与自控能力，一般不建议自学。

关于数据分析，总体包括这三部分：数据采集、数据分析、数据优化。

可以。理论上来说，任何知识都可以自学。前提是有足够的自学能力与自控能力。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。