随着大数据时代的到来，数据分析师的知识结构也在调整。早期的数据分析师很多是统计经济学毕业的，而现在的数据分析师很多是数据科学的数学和计算机相关专业毕业的，这也是大数据时代的一个特点。Excel数据分析108讲的是MySQL数据分析师处理数据，数据存储在数据库中，需要了解一些SQL知识。使用最多的数据库是MySQL数据库。作为数据分析师，需要掌握如下图所示的SQL知识。
数据分析师就业前景怎么样？
谢邀！数据分析师是大企业里不可替代的职位，高薪职位，发展前景如下1，人才缺口大IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为0.05，属于高度稀缺。2入门相对简单数据分析是一门跨领域技术，不需要很强的理工科背景，反而那些有市场销售金融财务或零售业背景的人士，分析思路更加开阔。
3薪资待遇高12年工作经验的大数据分析岗位的平均月薪可达到13k左右的水平。岗位的薪酬和经验正相关，越老越值钱。4行业适应性强几乎所有的行业都会应用到数据，数据分析师不仅仅可以在互联IT行业就业，也可以在银行零售医药业制造业和交通传输等领域服务。5职业寿命长数据分析职业一旦掌握，可以在职场上收益长久，掌握这门新兴技术都会大有用武之地，受其他外部业务影响相对较小，职位相对稳定。
29岁转行做大数据分析师晚不晚？
谢谢邀请！对于大数据分析岗位来说，29岁入行还是可以的，因为相对于应用级程序员来说，数据分析师的职业生命周期还是比较长的。随着大数据时代的到来，数据分析师的知识结构也在进行调整，早期数据分析师不少都是统计学经济学相关专业毕业的，而目前数据分析师不少都是数据科学专业数学计算机相关专业毕业的，这也是大数据时代的一个特点。
大数据分析的基础知识包括统计学计算机和数学，其中计算机相关技术的占比较大，对于不同知识结构的人来说，从事的数据分析岗位也有一定的区别。对于计算机基础比较薄弱的人来说可以从工具开始学起，数据分析有大量的工具可以使用，Excel就是一个数据分析的利器。随着数据量的增加可以进一步学习数据库编程语言等相关知识。
目前行业里做数据分析实现的不少BI工程师基本上都属于应用级分析人员，懂数据库知识和BI工具的知识基本就可以了，涉及到编程的地方非常少。对于基础比较好的人可以从事研发级分析，目前通过机器学习的方式来实现数据分析是比较流行的做法。机器学习的实现步骤包括数据收集算法设计算法实现算法验证算法应用等，机器学习开发需要有扎实的数学基础和程序设计基础。
目前采用Python进行机器学习实现是比较常见的选择，由于Python语言自身比较简单，而且Python语言有大量的库可以使用，所以采用Python做机器学习是非常方便的，在开发周期代码量和代码调整等方面，Python与Java相比都具备一定的优势。人工智能和大数据是我的主要研究方向，目前也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
数据分析师的日常工作是什么？
数据分析是一个偏综合的岗位1数据清洗80%的精力在处理清洗数据，包括字段提取整合归一规范化。数据在现有的商业环境中才开始逐渐重视，故数据采集整理非常重要，许多公司都在开始重视数据背后的重要价值，故会把历史数据拿出来处理加工。2数据进行初加工这里包含了数据描述性统计比如极值，最值，均值，方差，分布，这种初步加工目的是为了大体了解这些数据的基本概况，这是初始业务必须要做的，从这些数据中一定程度上还能能够反映日常业务变况。
探索性分析在我们掌握了数据之后，会做一些分析和预测，比如相关分析、主成分分析、回归分析、时间序列预测等。4报表制作这里会涉及到制作基础报表，反映日常业务情况，包括基础业务的概况，同月环比分析，找出业务逻辑数据表现的原因。当然会涉及到数据可视化图表、折线图、气旋图、散点图、柱形图等。和许多数据分析方法。5最后输出数据结论。
