数据分析与数据工程

时长

27–36 周

先修

计算机科学基础

可从事

数据分析师, 分析工程师, 数据工程师

适合喜欢提问、并在数字中寻找答案的人。

1. 阶段 1: 深入 SQL ， 4–6 周

   学习内容

   • 筛选和排序
   • 连接
   • 分组和聚合
   • 子查询
   • 窗口函数

   免费资源

   • SQLBolt 练习， SQLBolt
   • Select Star SQL 书， Zi Chong Kao
   • Intro to SQL 练习， Kaggle

   动手做: 只用 SQL 回答关于一个公开数据集的 15 个真实问题。

   进入下一阶段的标准: 你能用一条写得好的查询回答大多数业务问题。

2. 阶段 2: 统计 ， 6–8 周

   学习内容

   • 平均数、离散程度和分布
   • 抽样
   • 置信区间
   • 假设检验和 A/B 测试
   • 相关不等于因果

   免费资源

   • OpenIntro Statistics 书， OpenIntro (non-profit)
   • Statistics and probability 课程， Khan Academy

   动手做: 分析一个 A/B 测试数据集，并用通俗的语言给经理写出结论。

   进入下一阶段的标准: 你不仅能说出结果是什么，还能说出对它有多大把握。

3. 阶段 3: 用 Python 或 R 做分析 ， 6–8 周

   学习内容

   • 加载和清洗数据
   • 整洁数据
   • 重塑和合并表格
   • 笔记本和报告
   • 可复现的工作

   免费资源

   • Python for Data Analysis 书， Wes McKinney
   • R for Data Science 书， Hadley Wickham, Mine Çetinkaya-Rundel and Garrett Grolemund

   动手做: 一份从杂乱原始数据开始、任何人都能重新运行的完整报告。

   进入下一阶段的标准: 你能在一个下午内从原始文件得到清晰的答案。

4. 阶段 4: 可视化与讲故事 ， 3–4 周

   学习内容

   • 选择合适的图表
   • 诚实的坐标轴和刻度
   • 颜色和无障碍
   • 仪表盘
   • 写清晰的总结

   免费资源

   • Fundamentals of Data Visualization 书， Claus O. Wilke

   动手做: 一个非技术人员不需要你解释就能看懂的仪表盘或一页报告。

   进入下一阶段的标准: 你的图表一眼就能回答一个问题。

5. 阶段 5: 数据工程 ， 8–10 周

   学习内容

   • ETL 和 ELT 管道
   • 数据仓库
   • 调度和编排
   • 用 dbt 做转换
   • 用 Spark 处理大数据

   免费资源

   • Data Engineering Zoomcamp 课程， DataTalks.Club
   • dbt Learn 课程， dbt Labs
   • Spark quick start 文档， Apache Software Foundation

   动手做: 一个定时运行的管道：从 API 拉取数据，存入数据仓库，并为你的仪表盘提供数据。

   进入下一阶段的标准: 你的管道能自动运行，出错时会通知你。

认证路线图 返回所有路线