基于ClickHouse造实时计算引擎

在实际工作中，数据分析这个大类的岗位层次不一，岗位职能也大不相同，在不同的公司，同样都叫数据分析师的岗位，可能一个就是给业务取数，提供基础数据支撑，而另一个却要涉及数据建模、挖掘。这两种人需要掌握的工具技能肯定也大不相同。

我这里把数据分析笼统的分类业务向和技术向两类：

业务类分析师，侧重业务分析，一般挂靠在业务部门，或者有单独数据分析部门，最要工作内容就是对特定业务做专题分析，通过对数据分析来做一些业务规划、方案等。日常的工作大多就是整理报表，做一些探索性的业务分析，解决业务问题。

技术类分析师，一般都在IT部、数据中心。根据从事的工作环节不同，被分成数据库工程师，ETL工程师，爬虫工程师，算法工程师等角色，主要的工作一般有数据仓库搭建、专题分析、建模分析、数据挖掘预测等。

说完数据分析师的工作内容，再来看目前市场流行的几类数据分析工具：Excel、python/R、BI工具

先说大家都熟悉的Excel，excel在数据分析领域的地位不可动摇，尤其对入门新手来说，大部分的人在进入工作之前都多少接触Excel，所以在此基础上要做数据分析，学习Excel是最合适不过的，从简单的表格制作，数据透视表，写公式，再到VBA语言，基本能够满足80%业务人员的分析需求。而且学习Excel的成本比学习一门编程语言低多了。

 

在铺天盖地广告的洗脑下，让很多想要学习数据分析或者已经从事数据分析的人产生了这样的疑问：python真的很厉害吗?学数据分析一定要python吗?它为什么可以这么火?

首先，不可否认，python的确是一门非常好的编程语言，应用非常广泛，语法简洁、代数逻辑清晰，而且拥有海量的第三方库。

在数据分析领域功能十分强大， 数据爬取、清洗、可视化分析，挖掘....python无所不能。开发效率高、运营速度快、而且入门简单，据说，部分地区的小学生信息课程甚至也加入了Python，看起来学 python是大势所趋，势不可挡。

但是数据分析的都要学python吗?

答案显然不是。

不管是python、R还是Excel、spss，这些都是数据分析的工具，对于数据分析，我一直强调核心是业务，通过业务的分析逻辑影射到数据分析的处理逻辑，而数据分析工具则是帮助我们实现结果的手段。

如果把数据分析的结果比喻成你要去的一个目的地，那么python只是可以到达这个目的地的一个交通工具，换句话来说，你换个工具也能做到，所以python和数据分析之间，并没有不可分割的关系。

既然关乎到选工具，肯定是选择最好用工具才能够最快达到目的，那python是不是数据分析工具的最佳选择呢?

不一定是。不一样的路适合的交通工具不一样，同样，不一样的类型的数据分析工作，合适的数据分析工具也不一样。

 

我在做了一个政府采购的网站后，我取得了重大的突破，因为我学会了不至于对政府采购一窍不通。很难确切说出这些知识的价值，但是不到一年过后，我就签署了一份政府合同，比我此前所期望的要多了 40%。(不过，我如今没有做那么多的政府和大型企业的工作了。)

大约一年半过后，我有了自己的一人公司。随着我声誉的建立，我逐渐获得了更多类似于 SRE 的工作。基本上，从事开发工作是我的“工作”，然后几个月后就有一个需要 SRE/DevOps 帮助的人联系了我。我事实上既喜欢 SRE，也喜欢纯开发工作，但是供求关系意味着 SRE 工作是个好工作。我仍然可以在空余时间编程。

说起这个，工作与生活的平衡是我在新生活中最喜欢的事情。没有人在两份合同之间给我酬劳，但是我可以通过在业余项目中学习新东西来充分利用这一间隙。在一个漫长而又紧张的合同之后，我休息了一下，[进行了为期一个月的背包徒步旅行，探索了日本乡村][11]。这是我期待了很长时间的一次旅行，但是在入职 Google 之前我需要更多的钱，而在 Google 供职期间我又需要更多的时间。自营职业远非没有压力，也不是适合每一个人的，但是有的压力会让你感到死气沉沉，有的压力则会让你越发充满活力。于我而言，自主营生是第二种，我想说，和在 Google 时相比，过去的 5 年间我的压力总体上有所减轻。对于我来说，至少我能够诚实地说我不后悔当初加入 Google，也不后悔当初离开 Google。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!