自学数据分析，学到什么程度可以找工作
Updated: Sep 12
数据分析本身是一门非常综合的学科，通常在面试准备的过程中也是非常的零散和琐碎，很多求职者不停的就各个方面进行复习准备，但总觉得学不到头，或者不管怎么准备总会不够充分，面试被挂。那么，今天就给大家带来一个最精简版的框架，帮助大家检测自己的学习/面试程度。
【概率统计】
1. 描述性统计
均值（期望）
中位数
众数
方差（标准差）：3 sigma
极大/小值
数据分布（正态/伯努利/二项/均匀/指数/泊松；偏度与峰度）
缺失值
异常值
2. 假设检验
原假设/备择假设
T检验
卡方检验（非参数检验）
P值
置信度
置信区间
A/B Test
3. 概率论
条件概率（贝叶斯原理）
抽样
大数定律
中心极限定理
区间估计/参数估计
R方
方差分析
推荐学习工具：
数理统计：
https://www.1point3acres.com/bbs/thread-610533-1-1.html
A/B： https://www.udacity.com/course/ab-testing--ud257
【分析工具】
1. SQL
表的增删改查
表连接
子查询
窗口函数
SQL语句执行顺序
推荐学习工具：
W3 School: https://www.w3schools.com/sql/default.asp
SQL Zoo：https://sqlzoo.net
推荐刷题工具：
LeetCode - 从Easy到Medium，有时间再Hard，但Hard不必强求(Summary of SQL on LeetCode： https://byrony.github.io/summary-of-sql-questions-on-leetcode.html ）
HackerRank - 全部刷完: https://www.hackerrank.com/domains/sql
2. Python
基本数据结构：列表/字典/字符串/元组/数组/集合
基本语句：If条件语句/for循环/while循环
基本package：numpy/pandas/sklearn/statsmodel/matplotlib/seaborn
推荐学习工具：
W3 School: https://www.w3schools.com/python/default.asp
RealPython: https://realpython.com
推荐刷题工具：LeetCode - 从Easy到Medium
3. Tableau
图表类型
交互式面板
基础的计算函数
4. EXCEL
基本计算函数
数据透视表
V LOOKUP
【算法模型】
原理、模型解读、模型评估、使用场景、优缺点、模型优化
回归
线性回归
逻辑回归
Lasso/Ridge回归
分类
决策树
随机森林
SVM
聚类
时间序列模型
推荐学习工具：https://github.com/ariafyy/iworkHunter
推荐刷题工具：LeetCode/Glassdoor真题题库 - 从Easy到Medium
【Product Sense】
1.分析方法
漏斗分析
拆解分析
对比分析
留存分析
用户分群分析
归因分析
渠道路径分析
2. 指标体系 - AARRR体系
Acquisition（与拉新相关指标）
曝光/展现IMPERESSION
点击CLICK
下载量
新注册用户数
获客成本（CPM千人展现成本/CPC单次点击成本/CPA单次行动成本）
Activation（与活跃相关指标）
活跃用户数（DAU日活用户数/WAU周活用户数/MAU月活用户数）
时长指标（用户在线时长/用户登录时长/APP使用时长/视频播放时长）
启动次数（冷启动次数/热启动次数）
页面浏览量（PV页面浏览量/UV独立访客数）
Retention（与留存相关指标）
留存（短期留存：次日、3日、5日、7日 - 反映功能短期留人效果/长期留存：30日、60日 - 反映留存长期稳定性）
用户生命周期（LT = 当日留存率+次留率+3留率+…n留率）
Revenue（与变现相关指标）
交易类 - 核心在于成交（GMV/成交量/销售收入/ARPU每个用户平均收入/复购率）
社区类 - 核心在于打造生成内容的活跃社区（内容生成用户数/内容互动用户数/内容实际收入 - 内容价值）
企业类 - 核心在于用户体验（体验用户数/付费用户数/用户生命周期价值LTV）
Refer （与传播相关指标）
病毒K因子（邀请率 = 发出邀请数/现有用户数/接受率 = 新注册用户数/发出邀请数/K因子 = 邀请率*接受率）
传播周期
推荐学习工具:
Framework - 必看！: https://stellarpeers.com/frameworks/
Product Sense: https://productschool.com
A Collection of Data Science Take Home Challenge: https://datamasked.com
互联网企业模拟面试实例: Decode and Conquer: Answers to Product Management Interviews
Cracking the PM Interview - 重点看：Estimation, Product, Case
【Behavior】
模板：
S(Situation) - T(Task) - A(Action) - R(Result)
主题：
（1） Leadership and how to influence others
（2） A hard challenge faced and How to solve it
（3） A true failure and how to turn it around
（4） A proud success made with team together
话不多说，快点开始行动，备战招聘季吧！