初级数据分析需要哪些技能？

　　对于初级数据分析师，需要掌握的核心技能有以下5点：

　　业务是核心，围绕着业务周围的是需要掌握的5项技能。

　　Excel

　　Excel简单易用，功能强大，熟练使用Excel是数据分析必备的技能。

　　对于初级数据分析来说，可能很多时间会去做报表，所以Excel更加重要。

　　Excel分三块：Excel公式、数据透视表和Excel图表。

　　1、常用Excel公式

　　2、数据透视表

　　3、Excel数据图表

　　SQL

　　对于数据分析师来说，跟数据打交道，有时候可能需要些SQL，所以掌握一些常用的SQL命令也是必须的。

　　统计学

　　统计学是一个数据分析师的核心功底，掌握一些统计学知识是必要的。

　　SPSS

　　对于有些统计分析方法，例如多元线性回归、聚类分析、主成分分析等，Excel无法实现，通过SPSS可以轻松搞定。

　　Tableau

　　Tableau作为商业智能和分析利器，受到很多公司的欢迎，学点Tableau能够让工作更加高效。

　　回答完毕！

　　基础技能：R或Python语言 统计学概率论知识

　　实践技能：对具体业务或某个细分领域深入了解，知道需要哪些数据，能用这些数据解决什么问题。

　　想要成为互联网行业的数据分析师，有个硬技能是一定要掌握的：必须会写 SQL，因为公司的数据都是存储在数据库里的，建议学习一下 MySQL 数据库，如果工作中用到其他的数据库，基本写法是类似的。

　　日常工作的话，大部分时间会用来做日常数据报表，以及满足运营、产品同学提的一堆数据需求，其他时间会做一些指标波动分析、写专题报告之类的。

　　当然，Excel 也要用的非常熟练，常用的公式和快捷键最好掌握。可视化方面，现在 tableau 这款软件挺火的，用的公司也不少，可以学习一下，确实挺好用的。

　　如果能够掌握一门 R 或者 Python 编程语言，那就再好不过了，绝对能帮助你提高处理数据的效率。

　　至于薪资，普遍会比程序员低一些，至于能拿到多少，看自己的实际水平。有认识工作 1 年的数据分析师，跳槽后月薪20K+，关键在于努力提高自身的能力，待遇不会太差。

　　初级的数据分析包括如何汇总数据、判断数据趋势、数据可视化、预处理、数据处理等。

　　1、描述性数据汇总

　　描述性数据汇总可以识别数据的典型性质，包括数据的中心趋势和离中趋势。

　　1.1、数据中心趋势

　　数据中心趋势度量包括：均值（mean）、中位数（median）、众数（mode）、中列数（midrange，数据最大和最小值的平均值）、加权平均（weighted average）。

　　截断均值（trimmed mean）：为了抵消少数极端值的影响，同时避免损失有价值的信息，可以在计算均值前去掉上下各2%~5%的值。

　　1.2、数据离中趋势

　　数据离中趋势，即数据分散程度，其度量包括：极差（range，数据最大值和最小值之差）、方差（variance）

　　1.3、数据汇总可视化

　　数据汇总可视化可用不同的图形表示：直方图、饼图、线图、散点图、雷达图、组合图等。

　　2、数据预处理

　　现实世界的数据通常是不完整、含噪声、不一致的，对数据进行预处理，可提高数据质量，从而有助于提高其后数据挖掘的精度和性能。

　　2.1、数据清理

　　数据清理对象包括缺失值、噪声数据、离群点。

　　缺失值：忽略缺失值所在组、人工填写缺失值、使用全局常量填充、利用均值代替、利用最值代替；

　　噪声数据：利用数据邻近值的均值或中位数光滑（分箱）、利用回归函数拟合数据；

　　离群点：人工去除离群点、设置数据最值边界去除离群点、通过聚类检测离群点。

　　2.2、数据变换

　　数据变换将数据转换或统一成适合挖掘的形式。

　　光滑：去除数据噪声，包括分箱、回归、聚类；

　　聚集：对数据汇总或聚集，包括总和、均值、方差；

　　分类：根据数据属性对其分类；

　　规范：将数据按比例缩放，包括最小-最大规范化、Z-score规范化、小数点移动规范化；

　　属性构造：根据数据给定属性，通过组合添加构建新属性。

　　3、数据处理

　　根据数据处理的目的，大体可以分为分类和预测、聚类、降维等。

　　分类和预测：可用相同的数据处理方法进行，分类是离散的函数模型，预测是连续的函数模型，包括回归分析、神经网络、遗传算法、模糊分析、决策树；

　　聚类：划分方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法；

　　降维：主成分分析、低方差滤波、高相关滤波。