谁有学工管理的ebay数据分析工具层分析

来源：蜘蛛抓取(WebSpider) 时间：2016-11-07 03:33 标签： 数据挖掘分析工具
陇东学院学工管理系统怎么修改数据_陇东学院吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：78,425贴子：
陇东学院学工管理系统怎么修改数据收藏
哪位大大知道呀，小弟在此感激不尽
十年轮回，奇迹重生，下个奇迹就是你！海量钻石，众多好礼，你敢拿我就送！
第一次可以自己登录改，信息会自动保存，第二次需要用班主任的账号登，修改信息
不用担心，那个破系统还没完善，需要管理权限的改。还好意思说只能保存一次，真的无语，买系统都不知道买个好点的，鄙视学校采购方
班主任可以修改
楼上说的对
登录地址是什么啊
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或数据分析实验室简介_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
数据分析实验室简介
上传于||暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
你可能喜欢从零开始学数据分析，什么程度可以找工作？
从零开始学数据分析，什么程度可以找工作？
【黄宝臣的回答(488票)】:
基本答一下吧，但是不是很准确，只了解大致情况（杭州），带有某种行业自黑。
1. 第一阶段（一般岗位叫数据专员）
基本学会excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了
2. 第二阶段（数据专员~师）
这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。
3. 第三阶段（数据分析师）
熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统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：这部分一般是精进统计学，熟悉业务，机器学习会使用（调参+选模型+优化），取数、ETL、可视化啥的都是基本姿态。可视化工程师：这部分国内比较少，其实偏重前端，会high charts，d3.js, echarts.js。技术发展路线可以独立，不在这四阶段，可能前端转行更好。ETL工程师：顾名思义，做ETL的。工程师：熟悉大数据技术，hadoop系二代。数据工程师（一部分和数据挖掘工程师重合）：机器学习精通级别（往往是几种，不用担心不是全部，和数据分析师侧重点不同，更需要了解组合模型，理论基础），会组合模型形成数据产品；计算机基本知识（包括linux知识、软件工程等）；各类数据库（RDBMS、NoSQL(4大类)）数据挖掘：和上基本相同。爬虫工程师：顾名思义，最好http协议、tcp/ip协议熟悉。技术发展路线可以独立，不在这四阶段
发现回答的有点文不对题额，不过大致是所有从底层数据工作者往上发展的基本路径。往数据发展的基本学习路径可以概括为以下内容：
1. EXCEL、PPT（必须精通）
数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作；要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。
2. 数据库类（必须学）
初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。
NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis（缓存，严格意义上不算数据库），然后（选学）可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。
3. 统计学（必须学）
如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归（特别是广义线性回归）、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。
其他数学知识：线性代数常用（是很多后面的基础），微积分不常用，动力系统、傅里叶分析看自己想进的行业了。
4. 机器学习（数据分析师要求会选、用、调）
常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯；不常用的也稍微了解一下；深度学习视情况学习。
5. 大数据（选学，有公司要求的话会用即可，不要求会搭环境）
hadoop基础，包括hdfs、map-reduce、hive之类；后面接触spark和storm再说了。
6. 文本类（选学，有公司要求的话会用即可）
这部分不熟，基本要知道次感化、分词、情感分析啥的。
语言：非大数据类R、Python最多（比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab）；大数据可能还会用到scala和java。
可视化（选学）：tableau、、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不错
数据库语言：看你自己用啥学啥
其他框架、类库（选学）：爬虫(requests、beautifulsoup、scrapy)，日志分析（常见elk）
【罗宾的回答(8票)】:
我工作5年，一直在互联网公司做和数据相关的工作，
接触过各种数据分析师，数据专员，etl工程师，数据挖掘，数据科学家，数据运营，数据产品。看了其他人的答案，我觉得更偏向数据开发，或者数据挖掘，我来说下一般招聘网站里要求的数据分析师的情况吧。
对数据分析师的要求和数据分析师所隶属的部门相关，数据分析师一般存在于三类部门：
一是隶属于负责某一条产品线的业务部门，部门只有一个数据分析师，也可能叫数据专员，部门内的其他人是运营、产品，数据分析师的日常工作就是给领导或同事出各种数据报表，偶尔出个报告，只要熟练掌握excel和ppt即可，数据来自bi系统，或者提需求给技术部或数据部提取数据。统计学的知识用不上，因为你的领导和同事完全不懂，他们就是想看某个数据，需要你给出数据来证明他们产品改进或运营的效果，他们会根据经验来理解这些数据。这类数据分析师的工作比较机械重复，但对自己所属的产品线非常熟悉，适合刚毕业的。
二是隶属于数据部门，有的也叫数据中心（或者装B的大数据中心），数据分析师也可能叫数据运营，需要熟练掌握sql，了解数据库的知识，有的也需要会python，每天大部分工作是写sql帮业务提数，还有就是帮业务梳理逻辑，把数据需求落实进bi系统或宽表里。
三是隶属于业务部门里独立的数据组，整个组由多个数据分析师组成，所需的技能和行业相关，一般电商之类的熟练掌握excel、sql、spss就够了，如果是金融行业，那就得会sass。工作是制作各种报表，监控业务情况，也会有专项分析报告，主要是向大领导汇报。
其实现在大部分互联网公司的数据建设都不健全，尤其是流量数据，但出于安全性的考虑又不用第三方数据分析系统，所以无论你是哪个部门的数据分析师，大部分的工作都是在获取和加工数据，做数据报表。对工具的掌握决定了你获取和加工数据的效率和层次，比如你只会用bi导数，用excel处理数据，在遇到bi没有的数据，或者涉及几十万数据量的时候，你就只能写邮件提需求了。
但也不是说掌握了各种技术和工具就能当个好的数据分析师，好的数据分析师必须是要非常熟悉并理解业务的，因为你要是不懂业务，你连需要取什么数都不知道！
现在还有一个岗位和数据相关，叫数据科学家，很像其他回答里说的那种懂各种算法，或者高阶的数据分析师，但这类数据人员基本不是从低阶数据分析师进化来的，而是本来就是计算机相关专业的硕士或博士。同样的还有数据挖掘工程师。
如果想走技术路线，或者所谓大数据方向，最好去公司专门的数据部，起码可以接触到更多的数据和技术。如果在业务部门做数据分析师，虽然门槛低好入行，但没有机会和空间，做的时间再久也是导数做报表，发展不大。
【天道仇情卍的回答(6票)】:
学完123就可以了吧。
【今晚打老虎的回答(1票)】:
上面的黄，说的很好了。我补充一丢丢。只是从开发上来讲，最好是会Java，因为方便看Hadoop的源码。多线程必须很熟练，因为mr基本都是，写mr其实不难，类似于在做填空。
Linux常用命令必须熟练。
最好有关系型数据库的基础，这样学noSQL比较容易。个人认为大数据其实不是很难，但是特别繁琐，因为它要学的东西太多了，没有人都会，也没有人只会一点。但是比起之前搞Oracle的RAC感觉还是容易了一些
【kilo的回答(0票)】:
对于学习大数据这件事情考虑了很久，既然选择这一行就要坚持到底，有没有去过普开数据的同学们，请教一下经验。
【黑车司机的回答(0票)】:
找一家公司做实习生
发表评论：
馆藏&53672
TA的推荐TA的最新馆藏

我要回帖

更多关于 数据挖掘分析工具 的文章

 

随机推荐