经济统计专业更注重统计学在经济工作中的应用，而数理统计更注重统计学本身的研究。对于数据挖掘工程师来说，除了统计学，各种算法也需要熟练运用，对数学的要求最高。对于初级数据分析师来说，了解一些统计学相关的基础内容，具备一定的公式计算能力就足够了，了解常见的统计模型算法是加分项。
统计学要什么基本功？
洞察统计学必须掌握的三大基本功要迈出用分析来洞察因果关系的第一步，必须掌握的知识有三点。(1)理解平均值和比例等统计指标的本质含义比例并不是完全不同于平均值的汇总方法，对于无法用数值表示的定性变量，为每一分类赋值1或0，然后考虑符合某一分类的程度，计算这一定量变量的平均值就能得到比例。(2)要从幅度而不是点来把握数据的思考方法(3)要以何种标准汇总何种数值的思考方法大家如今在办公室看到的解析数据结果的图表，大概都是图表!-1上图的样子。
经济统计学学习什么？
谢谢邀请。统计学有两个分支，一个是经济统计，一个是数理统计，经济统计属于社会经济学，数理统计属于数学。经济统计学专业更加侧重于统计这个工具在经济工作中的运用，而数理统计学更偏重于统计这个工具本身的学习。从社会经济发展来看，数字化趋势越来越明显，各个学科的未来发展都需要与大数据相结合，就是说将来从事任何经济相关的工作都必须掌握一定的数学工具。
做数据分析需要学什么？
数据分析最主要的是要有数学知识，它是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。其次是要学习使用分析工具。熟练掌握Excel是必须的，数据透视表和公式使用必须熟练，ⅤBA是加分。另外还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
三，编程语言对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C 至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
四，业务理解业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。五，逻辑思维这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。六、数据可视化数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
七，协调沟通对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
八，快速学习无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。
大数据主要学习哪些内容？
先上一张大数据技术学习的必备技能图：入门学习需要掌握的基本技能：1、Java2、Linux命令3、HDFS4、MapReduce5、 Hadoop6、Hive7、ZooKeeper8、HBase9、Redis10、Flume11、SSM12、Kafka13、Scala14、Spark15、MongoDB16、Python与数据分析等等。
大数据培训和学习，我们通常指的是大数据开发。大数据开发需要学习的内容，请参考Gami Valley大数据培训0基础学习课程。具体的描写可以在《关》中找到。com:第一阶段:Java设计与编程思想，第二阶段:Web前端开发，第三阶段:JavaEE高级，第四阶段:大数据基础，第五阶段:HDFS分布式文件系统，第六阶段:MapReduce分布式计算模型，第七阶段:Yarn分布式资源管理器，第八阶段:Zookeeper分布式协调服务 第九阶段:h .分布式数据库第十阶段:Hive分布式数据仓库第十一阶段:FlumeNG分布式数据采集系统第十二阶段:Sqoop大数据迁移系统第十三阶段:Scala大数据黄金语言第十四阶段:kafka分布式基础系统第十五阶段:SparkCore大数据计算基石第十六阶段:SparkSQL数据挖掘工具第十七阶段:SparkStreaming churn计算平台第十八阶段:SparkMllib机器学习平台第十九阶段:SparkGraphx图计算平台第二十阶段:大数据项目实战。
文章TAG：要学 统计学 专业 学习 内容
