Ⅰ 如何自学数据分析
第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法的设计能力，所以数学和统计学对于数据分析是非常重要的。
而想要快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用过程中，辅助算法以及行业致死的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。对于大部分职场人来说，掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。
在掌握Excel之后，接下来就应该进一步学习数据库的相关知识了，可以从关系型数据库开始学起，重点在于sql语言。掌握数据库之后，数据分析能力会有一个较大幅度的提升，能够分析的数据量也会有明显的提升。如果采用数据库和BI工具进行结合，那么数据分析的结果会更加丰富，同时也会有一个比较直观的呈现界面。
数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。
对大数据分析有兴趣的小伙伴们，不妨先从看看大数据分析书籍开始入门！B站上有很多的大数据教学视频，从基础到高级的都有，还挺不错的，知识点讲的很细致，还有完整版的学习路线图。也可以自己去看看，下载学习试试。
Ⅱ 数据分析与埋点，产品经理必须掌握的知识和技能
产品经理必须随时全面而准确地了解自己产品的各项数据，否则只能凭着感性在规划和设计产品，容易犯错误。因此，看哪些数据，如何统计和分析数据，如何进行数据埋点，都是产品经理必须要掌握的知识和技能。
如果你对此还不甚了解，可以通过这篇文章，快速地知道一个大概并枯，然后待到在工作中学习和实践时，就更加容易上手了。
首先简单讲一下什么是数据埋点。数据埋点通常是指开发工程师基于业务、运营或产品经理的需要，在产品前端程序中植入相关代码，以获取用户行为等数据的一种技术手段。
对开发人员而言，埋点需求同性能需求一样都属于非功能性需求，它们与功能性锋陪需求一起组成了产品需求。
网页中最常见的埋点方式是通过JS代码来实现的。
比如为了统计用户的点击事件，那么在每个链接或按钮处，都增加一段JS代码，用户一旦点击，无论页面是否有跳转、刷新等，都悄悄地请求了服务器，也就把一大堆信息传给了服务器存下来，包括用户的IP地址、地理信息、浏览器参数、点击的对象、时间等等。
又比如为了统计曝光事件，先定义好何为有效曝光（例如完成加载、渲染并进入用户视界），然后在有效曝光发生时，执行一段JS代码，把相关信息传输到服务器。
如果是手机APP或智能设备，则不同于网页主要使用JS代码的方式，它们往往被植入SDK（Software Development Kit，即软件开发工具包）来实现数据埋点。同时，为了避免频繁连接网络上传或下载数据，通常会将数据先存储在手机本地或智能设备中，等到一定的时机，再一次性同步至服务器。
一银蔽蠢定要记住的是，数据埋点只是数据统计和分析的一种技术手段，并非所有的数据统计都必须要有数据埋点。
比如网页事件。在通过HTTP或HTTPS协议请求时，也就是访问各种网址时，浏览器发送给服务器的数据包中，不仅仅是地址栏中你看得见的那一行链接地址，而且还已经包括了诸如浏览器信息、用户信息、来源URL等，这些信息无需再通过埋点，只需要在后端接受请求的程序中加以解析，把有用的存下来即可。
还有一类数据，也是无需埋点的，比如有多少用户成功收藏了一篇文章，这本就属于功能需求的范畴，业务数据中已有记录。
好了，通过前面提到的各种方式，数据有了，但这还不是最重要的。
有了数据之后，还需要根据需要，从这些可能相当杂乱、冗余的数据中选出有用的，按照有利于查询和分析的方式进行二次加工和存储，使之与生产环境中实时变化着的数据隔离开。然后在此基础上，生成各类报表，或者提供一个可自行敲入SQL语句查询数据的界面。
稍有规模的公司通常会有专门的BI团队，他们的主要工作就是开发并维护一个这样的数据系统，供包括产品经理在内的各方面人员，随时随地地查询和分析数据。
Ⅲ 如何学习数据分析
【转自网络】
首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！
既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！
计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！
还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录
好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们！
数据挖掘的起点很高——
1、统计学
2、机器学习
3、数学——图论，最优化理论等。
WEB上的数据结构更加复杂。
python语言————应该学习
抱歉，事情太多，如果不追着就忘了！我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一！
数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的！比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么？拒绝还是接受的是什么现实问题；要理解！
掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；
数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求！现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；
数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化！
沈浩老师建议：
不急，一步一步来！先把本职工作中的数据分析问题理解了，干好了！
熟练玩好Excel软件工具，这个可以看《Excel高级应用与数据分析》我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。
学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看SPSS软件方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成！
在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑数据建模的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势！
当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等商业模型，同时与数据分析和数据挖掘统一在一起的解决方案！
接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式
你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等
梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的专业特长
要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强！
有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结
结交广泛的朋友！
关于入门的教材：
互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件！
SPSS和Clementine软件的说明和案例，都做一遍；
《数据挖掘——客户关系管理的艺术》
《调查研究中的统计分析法》
《Excel高级应用与数据分析》
《数据展现的艺术》
Ⅳ 产品经理需要懂技术吗
产品经理一定是要懂技术的，首先不管你是什么产品，是实体产品也好，还是设计产品也好，甚至是虚拟产品也罢，既然你是产品经理，那对于自己的产品的相关技术参数，文件都要有一定的了解。
这里说的懂，并不是说一定要和你们公司的的技术人员一样钻研的那么透彻，最起码的对于自己的产品祥关的技术环节，基本点技术参数都要熟记于心，有些相关的技术资料可以不用深入考究其原理意思，但一定要能在客户的提问下一一回答，因为如果与客户沟通的时候，难免会遇上一些看懂行业的专业级客户，通常这样的客户就会问出与产品技术方面极为相关的问题，因为专业的客户并不会完全相信你的口头产品承诺，他们更会愿意用实打实的技术资料及参数去对比你们家的产品优势在哪里，劣势在哪里。从而决定是否选择你所提供的产品。这个时候如果你能极其流畅的像你的客户介绍你的产品的相关技术内容，首先客户会对你这个人感到非常的专业，觉得你会非常的靠谱。其次详细的技术参数的介绍会让你的客户对你的产品得到更加详细的信息，这样客户心理会更加愿意选择他们所详细了解的产品。还有就是在公司内部沟通的时候，不懂技术的产品经理在和自己公司里的技术人员沟通的时候会非常的有困难，通常情况下技术人员都有一个通病，那就是他们在研究技术问题的时候超级有耐心，但是在与人沟通的时候会一点耐心都没有，他们希望自己一说你就能听明白，这个时候如果你听不懂，反而会找来他们的反感，从而学习产品技术的渠道就更加的困难。所以在自己空闲的时候，即使是一位产品经理，也应该要了解产品相关的技术。
Ⅳ 数据库sql 的课程设计怎么做，要借哪些书看，求大神指教
IT行业，数据库确实是一门相当重要的课程。但是在大学里面，对待数据库原理及应用这么课程以及其课程设计的重视程度就相差很大了，各个学校要求也不一样。如果是要学好，那确实要下工夫；如果只是完成课程设计，交差了事，其实相当简单。
既然是课程设计，也算是个小小的项目，既然是项目，也就离不开需求分析、数据库设计、部署实现等环节。当然，这个小小的项目只需要前面的部分：需求和数据库设计，数据库设计是重点。
需求分析就不用多说，和所有其他项目一样，无非就是用户需求，功能需求，系统需求等，找任何一本关于需求分析的书都是可以，除了那些个空话之外，更多的是要根据设计需要进行分析。
数据库设计就比较复杂一点，首先得把数据库原理搞清楚，比如：符合什么样的范式，怎么画ER图，如何理解用例图。在设计数据库之前，有一系列的分析要做：面向对象分析，用例分析，类和对象分析等等。分析到位是数据库设计成功的重要保障。分析完成之后才是设计，比如：逻辑结构设计，关系模式设计，存取方法设计，存储结构设计，数据完整性设计，参考完整性设计，Check约束，Default约束，触发器设计，视图设计，存储过程设计，权限设计等。这些都完成了，最后一步才是写SQL代码实现这些设计，创建数据库及相关的数据表，关联，视图，触发器，存储过程等一些列的看得见的数据库参数。
上面说的比较理论，也比较笼统。我想我可以用一个简单例子告诉你我要表达的意思。例子很简单，其中很多地方都不是太好，不过或许可以给你一个直观的思路。
数据库应用课程设计报告书
网上超市管理系统
成 绩：
学 号：
姓 名：
指导教师：
20 年 月 日
目录
任务书......................................... (3)
1. 需求调查、分析................................. (4)
1.1.企业介绍.................................... (4)
1.2.需求调查及分析.............................. (5)
2. 面向对象分析和设计............................. (7)
2.1. 用例分析 (7)
2.2.类和对象设计 (12)
3. 逻辑结构设计.................................. (15)
3.1. 类和对象向关系模式转换............................................ (15)
3.2. 关系模式优化 (16)
4. 数据库物理结构设计............................ (16)
4.1. 存取方法设计 (16)
4.2. 存储结构设计 (17)
5. 数据库完整性设计.............................. (17)
5.1. 主键及唯一性索引 (17)
5.2. 参照完整性设计 (18)
5.3. Check约束 (18)
5.4. Default约束 (18)
5.5. 触发器设计 (19)
6. 数据库视图设计................................ (19)
7. 数据库存储过程设计............................ (20)
8. 权限设计...................................... (20)
9. 总结.......................................... (21)