Ⅰ 如何自學數據分析
第一方面是數學基礎，第二方面是統計學基礎，第三方面是計算機基礎。要想在數據分析的道路上走得更遠，一定要注重數學和統計學的學習。數據分析說到底就是尋找數據背後的規律，而尋找規律就需要具備演算法的設計能力，所以數學和統計學對於數據分析是非常重要的。
而想要快速成為數據分析師，則可以從計算機知識開始學起，具體點就是從數據分析工具開始學起，然後在學習工具使用過程中，輔助演算法以及行業致死的學習。學習數據分析工具往往從Excel工具開始學起，Excel是目前職場人比較常用的數據分析工具，通常在面對10萬條以內的結構化數據時，Excel還是能夠勝任的。對於大部分職場人來說，掌握Excel的數據分析功能能夠應付大部分常見的數據分析場景。
在掌握Excel之後，接下來就應該進一步學習資料庫的相關知識了，可以從關系型資料庫開始學起，重點在於sql語言。掌握資料庫之後，數據分析能力會有一個較大幅度的提升，能夠分析的數據量也會有明顯的提升。如果採用資料庫和BI工具進行結合，那麼數據分析的結果會更加豐富，同時也會有一個比較直觀的呈現界面。
數據分析的最後一步就需要學習編程語言了，目前學習Python語言是個不錯的選擇，Python語言在大數據分析領域有比較廣泛的使用，而且Python語言自身比較簡單易學，即使沒有編程基礎的人也能夠學得會。通過Python來採用機器學習的方式實現數據分析是當前比較流行的數據分析方式。
對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。
Ⅱ 數據分析與埋點，產品經理必須掌握的知識和技能
產品經理必須隨時全面而准確地了解自己產品的各項數據，否則只能憑著感性在規劃和設計產品，容易犯錯誤。因此，看哪些數據，如何統計和分析數據，如何進行數據埋點，都是產品經理必須要掌握的知識和技能。
如果你對此還不甚了解，可以通過這篇文章，快速地知道一個大概並枯，然後待到在工作中學習和實踐時，就更加容易上手了。
首先簡單講一下什麼是數據埋點。數據埋點通常是指開發工程師基於業務、運營或產品經理的需要，在產品前端程序中植入相關代碼，以獲取用戶行為等數據的一種技術手段。
對開發人員而言，埋點需求同性能需求一樣都屬於非功能性需求，它們與功能性鋒陪需求一起組成了產品需求。
網頁中最常見的埋點方式是通過JS代碼來實現的。
比如為了統計用戶的點擊事件，那麼在每個鏈接或按鈕處，都增加一段JS代碼，用戶一旦點擊，無論頁面是否有跳轉、刷新等，都悄悄地請求了伺服器，也就把一大堆信息傳給了伺服器存下來，包括用戶的IP地址、地理信息、瀏覽器參數、點擊的對象、時間等等。
又比如為了統計曝光事件，先定義好何為有效曝光（例如完成載入、渲染並進入用戶視界），然後在有效曝光發生時，執行一段JS代碼，把相關信息傳輸到伺服器。
如果是手機APP或智能設備，則不同於網頁主要使用JS代碼的方式，它們往往被植入SDK（Software Development Kit，即軟體開發工具包）來實現數據埋點。同時，為了避免頻繁連接網路上傳或下載數據，通常會將數據先存儲在手機本地或智能設備中，等到一定的時機，再一次性同步至伺服器。
一銀蔽蠢定要記住的是，數據埋點只是數據統計和分析的一種技術手段，並非所有的數據統計都必須要有數據埋點。
比如網頁事件。在通過HTTP或HTTPS協議請求時，也就是訪問各種網址時，瀏覽器發送給伺服器的數據包中，不僅僅是地址欄中你看得見的那一行鏈接地址，而且還已經包括了諸如瀏覽器信息、用戶信息、來源URL等，這些信息無需再通過埋點，只需要在後端接受請求的程序中加以解析，把有用的存下來即可。
還有一類數據，也是無需埋點的，比如有多少用戶成功收藏了一篇文章，這本就屬於功能需求的范疇，業務數據中已有記錄。
好了，通過前面提到的各種方式，數據有了，但這還不是最重要的。
有了數據之後，還需要根據需要，從這些可能相當雜亂、冗餘的數據中選出有用的，按照有利於查詢和分析的方式進行二次加工和存儲，使之與生產環境中實時變化著的數據隔離開。然後在此基礎上，生成各類報表，或者提供一個可自行敲入SQL語句查詢數據的界面。
稍有規模的公司通常會有專門的BI團隊，他們的主要工作就是開發並維護一個這樣的數據系統，供包括產品經理在內的各方面人員，隨時隨地地查詢和分析數據。
Ⅲ 如何學習數據分析
【轉自網路】
首先，我要說的是我覺得你是一名在校大學生！Data Mining不是你想的那麼簡單，他不單單和數學有關系，還包括了計算機領域的諸多學科。還有社會工程學、邏輯學等文科和理科的交叉學科！他是一門龐大的體系。你要是真想學我只能給你指條比較快的成才之路，後面的東西自己慢慢學都趕趟！慢慢充實自己！大學四年好好利用！學無止境！
既然是數據分析那你的高等數學必須要過硬，別著急這只是你的其他學科的基礎課。其次是概率與統計，這才是正科，大學那點玩意就是糊弄人的，你要多看這方面的書。這個一定要學好！線性必須要會要精通。因為數據劃分是數據挖掘里最重要的一個環節。這個就是線性范疇里的了。也要精通，學會線性分析你就發現你就學會了很多。數學有這三個底子就可以了。數學分析不要看了。因為那隻是高數的延伸！
計算機你一定要懂。資料庫你必須得學會。三大資料庫ORACLE.SQL.MYSQL原理基本類似觸類旁通！
還有就是培養你的思維，盡量縝密敏捷。這樣才可以發現數據中的不同！因為有的數據挖掘是計算機處理的。有的則是紙面上的。所以必須學會記錄
好了，就先這么多了。你學會了這幾個就是你進軍下一步的基礎，這幾個就夠你學一陣子的了。
祝你好運哥們！
數據挖掘的起點很高——
1、統計學
2、機器學習
3、數學——圖論，最優化理論等。
WEB上的數據結構更加復雜。
python語言————應該學習
抱歉，事情太多，如果不追著就忘了！我認為你作為企業員工對數據挖掘感興趣，最主要的就是從應用和解決問題開始，所以我想把數據挖掘這個狹義定義的內容改成你應該對數據分析感興趣，數據挖掘只是數據分析的一個重要工具和解決方法之一！
數量統計知識方面：我認為統計思想是數學在實踐中最重要的體現，但對於實際工作者最重要的是掌握統計思想，其實統計理論非常復雜，但實際應用往往是比較簡單的！比如，很多人都在大學學了假設檢驗，但實際應用中假設就是看P值是否小於0.05，但是H0是什麼？拒絕還是接受的是什麼現實問題；要理解！
掌握軟體問題：從軟體角度學，是非常好的思路，我基本上就是這樣學的。我常說編軟體的人最懂理論，否則編不出來，編軟體的人最知道應用，否則軟體買不出去；現在軟體越來越友好，把軟體自帶案例做一遍，你會自覺不自覺的掌握軟體解決問題的思路和能解決的問題類型；
數據倉庫問題：OLAP和數據挖掘是數據倉庫建立基礎上的兩個增值應用，從企業整體角度，數據挖掘應該建立在企業數據倉庫完備的基礎上。所以說數據倉庫是針對企業級數據挖掘應用提出的，但我們應該記住，企業從來不是為了數據挖掘建立數據倉庫，而是因為有了數據倉庫後必然會提出數據挖掘的需求！現在隨著數據挖掘軟體的工具智能化，以及數據倉庫和ETL工具的介面友好，對資料庫層面的要求越來越少；
數學不好可能反應了一個人思考問題的方式或深入理解問題的能力，但數學不是工具是腦具，不斷解決問題的過程可以讓我們思考問題更數學化！
沈浩老師建議：
不急，一步一步來！先把本職工作中的數據分析問題理解了，干好了！
熟練玩好Excel軟體工具，這個可以看《Excel高級應用與數據分析》我寫的書，當然有很多Excel論壇和網站，從我的博客就可以連接到。
學習好統計分析方法，我不是單指統計原理，而是統計分析方法，比如回歸分析，因子分析等，不斷進入統計分析解決問題的思考方式；這個可以看看SPSS軟體方面的書和數據案例，通過軟體學習解決數據分析的統計問題，這方面的書很多，當然你也可以關注我的博客，不斷增加統計分析方法解決數據分析問題的思路，自己對照著完成！
在上述問題有了比較好的理解後，也就是你應該算是一個數據分析能手的時候，開始進入數據挖掘領域，你會發現用數據挖掘思想解決問題具有智能化、自動化的優勢，接下來，你需要考慮數據建模的過程，通過學習Clementine軟體或SAS的挖掘工具，不斷理解數據挖掘與原來的數據分析工具有什麼不同或優勢！
當前面都是了解並且能夠得心應手後，你就要有針對性的掌握你工作所在行業的問題，例如：電信行業的解決方案問題：客戶流失、客戶價值、客戶離網、客戶保持、客戶響應、客戶交叉銷售等商業模型，同時與數據分析和數據挖掘統一在一起的解決方案！
接下來，你應該掌握資料庫的一些原理和操作，特別是SQL語言的方式
你到了這個階段，就應該有全面解決問題的能力，比如挖掘出來的知識或商業規則如何推送到營銷平台上等等
梳理自己的知識結構，不僅會操作，現在你應該成為專家了，要能夠宣揚你的知識能力和領導力，當然也要表明你在數據挖掘領域的專業特長
要經常幫助同事和行業朋友，比如幫助解決數據分析問題，幫助咨詢，甚至給大家講課，這對你的知識梳理和能力的提高非常重要，你的自信心會更強！
有興趣，可以建立一個博客或什麼，不斷寫點東西，經常思考和總結
結交廣泛的朋友！
關於入門的教材：
互聯網，其實不用買什麼書網路基本都有；要有好的搜索能力，當然包括搜各種軟體！
SPSS和Clementine軟體的說明和案例，都做一遍；
《數據挖掘——客戶關系管理的藝術》
《調查研究中的統計分析法》
《Excel高級應用與數據分析》
《數據展現的藝術》
Ⅳ 產品經理需要懂技術嗎
產品經理一定是要懂技術的，首先不管你是什麼產品，是實體產品也好，還是設計產品也好，甚至是虛擬產品也罷，既然你是產品經理，那對於自己的產品的相關技術參數，文件都要有一定的了解。
這里說的懂，並不是說一定要和你們公司的的技術人員一樣鑽研的那麼透徹，最起碼的對於自己的產品祥關的技術環節，基本點技術參數都要熟記於心，有些相關的技術資料可以不用深入考究其原理意思，但一定要能在客戶的提問下一一回答，因為如果與客戶溝通的時候，難免會遇上一些看懂行業的專業級客戶，通常這樣的客戶就會問出與產品技術方面極為相關的問題，因為專業的客戶並不會完全相信你的口頭產品承諾，他們更會願意用實打實的技術資料及參數去對比你們家的產品優勢在哪裡，劣勢在哪裡。從而決定是否選擇你所提供的產品。這個時候如果你能極其流暢的像你的客戶介紹你的產品的相關技術內容，首先客戶會對你這個人感到非常的專業，覺得你會非常的靠譜。其次詳細的技術參數的介紹會讓你的客戶對你的產品得到更加詳細的信息，這樣客戶心理會更加願意選擇他們所詳細了解的產品。還有就是在公司內部溝通的時候，不懂技術的產品經理在和自己公司里的技術人員溝通的時候會非常的有困難，通常情況下技術人員都有一個通病，那就是他們在研究技術問題的時候超級有耐心，但是在與人溝通的時候會一點耐心都沒有，他們希望自己一說你就能聽明白，這個時候如果你聽不懂，反而會找來他們的反感，從而學習產品技術的渠道就更加的困難。所以在自己空閑的時候，即使是一位產品經理，也應該要了解產品相關的技術。
Ⅳ 資料庫sql 的課程設計怎麼做，要借哪些書看，求大神指教
IT行業，資料庫確實是一門相當重要的課程。但是在大學裡面，對待資料庫原理及應用這么課程以及其課程設計的重視程度就相差很大了，各個學校要求也不一樣。如果是要學好，那確實要下工夫；如果只是完成課程設計，交差了事，其實相當簡單。
既然是課程設計，也算是個小小的項目，既然是項目，也就離不開需求分析、資料庫設計、部署實現等環節。當然，這個小小的項目只需要前面的部分：需求和資料庫設計，資料庫設計是重點。
需求分析就不用多說，和所有其他項目一樣，無非就是用戶需求，功能需求，系統需求等，找任何一本關於需求分析的書都是可以，除了那些個空話之外，更多的是要根據設計需要進行分析。
資料庫設計就比較復雜一點，首先得把資料庫原理搞清楚，比如：符合什麼樣的範式，怎麼畫ER圖，如何理解用例圖。在設計資料庫之前，有一系列的分析要做：面向對象分析，用例分析，類和對象分析等等。分析到位是資料庫設計成功的重要保障。分析完成之後才是設計，比如：邏輯結構設計，關系模式設計，存取方法設計，存儲結構設計，數據完整性設計，參考完整性設計，Check約束，Default約束，觸發器設計，視圖設計，存儲過程設計，許可權設計等。這些都完成了，最後一步才是寫SQL代碼實現這些設計，創建資料庫及相關的數據表，關聯，視圖，觸發器，存儲過程等一些列的看得見的資料庫參數。
上面說的比較理論，也比較籠統。我想我可以用一個簡單例子告訴你我要表達的意思。例子很簡單，其中很多地方都不是太好，不過或許可以給你一個直觀的思路。
資料庫應用課程設計報告書
網上超市管理系統
成 績：
學 號：
姓 名：
指導教師：
20 年 月 日
目錄
任務書......................................... (3)
1. 需求調查、分析................................. (4)
1.1.企業介紹.................................... (4)
1.2.需求調查及分析.............................. (5)
2. 面向對象分析和設計............................. (7)
2.1. 用例分析 (7)
2.2.類和對象設計 (12)
3. 邏輯結構設計.................................. (15)
3.1. 類和對象向關系模式轉換............................................ (15)
3.2. 關系模式優化 (16)
4. 資料庫物理結構設計............................ (16)
4.1. 存取方法設計 (16)
4.2. 存儲結構設計 (17)
5. 資料庫完整性設計.............................. (17)
5.1. 主鍵及唯一性索引 (17)
5.2. 參照完整性設計 (18)
5.3. Check約束 (18)
5.4. Default約束 (18)
5.5. 觸發器設計 (19)
6. 資料庫視圖設計................................ (19)
7. 資料庫存儲過程設計............................ (20)
8. 許可權設計...................................... (20)
9. 總結.......................................... (21)