今天我们就一起来了解一下，成为数据分析师我们需要掌握的技能有哪些。

　　入门：掌握 Python

　　如果你刚接触数据分析，面对纷繁复杂的算法和工具不知所措，那么，先你需要掌握的就是 Python 语言。

　　除了 Python 语言之外，你还需要了解 NumPy 和 Pandas 这两个三方库。NumPy 提供的数据结构是 Python 数据分析的基础，它可以让 Python 的科学计算更加高效。Pandas 则是一个含有更高级数据结构和分析能力的工具包，它的核心数据结构是 Series 和 DataFrame。基于这两种结构，我们可以很方便地处理数据。

　　新手：使用 Python 工具包进行数据预处理

　　当你入门 Python 后，接下来就算正式进入数据预处理阶段。“数据分析”涵盖两部分：数据是基础，分析是过程，所以数据的前期准备工作也很重要。

　　这些工作主要包括：

　　数据采集

　　数据清洗

　　数据集成

　　数据变换

　　数据可视化

　　进阶：掌握算法，学会实战

　　当你掌握了数据分析中基础的操作后，接下来就该正式处理数据了。为了进行数据挖掘任务，数据科学家们提出了各种算法，根据用途，把它们分为四大类：

　　分类算法：C4.5、朴素贝叶斯、SVM、KNN、Adaboost 和 CART

　　聚类算法：K-Means、EM

　　关联分析：Apriori

　　连接分析：PageRank

　　当你掌握了多种算法之后，实际工作中还会遇到这类问题：如何选择各种分类器，到底选择哪个分类算法，是 SVM，决策树，还是 KNN?如何优化分类器的参数，以便得到更好的分类准确率?

　　这两个问题，是数据挖掘核心的问题。当然对于一个新的项目，我们还有其他的问题需要了解，比如掌握数据探索和数据可视化的方式，还需要对数据的完整性和质量做评估。

　　总之，你想要深入数据分析，算法与工具是你必须要攻克的两座大山。当然，我也希望你能认识到，工具只是帮我们实现目的，我们不可以被工具所奴役。数据分析与挖掘重要的还是思考能力，收集什么数据，用什么工具分析，分析出什么样的结果，用什么方式呈现出来，都需要大家的思考与观察。