最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
從研發崗來講，數據開發、數據倉庫、數據分析都應該具備 Sql 能力，這點不用多做解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是肯定的！
從使用數據的角度來講，Sql 能力意味著產品和運營能夠快速自己提取自己想要的數據，而不是全部都要等研發的排期。你的核心競爭力並不是 Sql ，但是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增加。
從設計數據系統的角度來講，數據產品也應該掌握 Sql，如果一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？
Python
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
從研發崗來講，數據開發、數據倉庫、數據分析都應該具備 Sql 能力，這點不用多做解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是肯定的！
從使用數據的角度來講，Sql 能力意味著產品和運營能夠快速自己提取自己想要的數據，而不是全部都要等研發的排期。你的核心競爭力並不是 Sql ，但是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增加。
從設計數據系統的角度來講，數據產品也應該掌握 Sql，如果一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？
Python
掌握人群：數據開發、數據倉庫、數據分析、數據挖掘
Python，基本上是偏研發向崗位必備技能了，重要性毋庸置疑。這裡只簡單聊一下 Python 和 R 的選擇。首先，居士支持 Python，這裡無意評價哪個語言是好的，只想說明：
- 互聯網公司用 Python 的更多，用 Python 工作更容易找到
- Python 可做的事情更多，除了數據分析，爬蟲、腳本之類的任務都可以用 Python 完成，整個生態也很成熟
- 目前最流行的機器學習和深度學習相關的開源庫都以 Python 為核心載體：sklearn、tensoflow！
至於說數據產品和運營是否需要，居士認為，簡單瞭解就行，不是核心技能要求。
大數據
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
從研發崗來講，數據開發、數據倉庫、數據分析都應該具備 Sql 能力，這點不用多做解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是肯定的！
從使用數據的角度來講，Sql 能力意味著產品和運營能夠快速自己提取自己想要的數據，而不是全部都要等研發的排期。你的核心競爭力並不是 Sql ，但是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增加。
從設計數據系統的角度來講，數據產品也應該掌握 Sql，如果一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？
Python
掌握人群：數據開發、數據倉庫、數據分析、數據挖掘
Python，基本上是偏研發向崗位必備技能了，重要性毋庸置疑。這裡只簡單聊一下 Python 和 R 的選擇。首先，居士支持 Python，這裡無意評價哪個語言是好的，只想說明：
- 互聯網公司用 Python 的更多，用 Python 工作更容易找到
- Python 可做的事情更多，除了數據分析，爬蟲、腳本之類的任務都可以用 Python 完成，整個生態也很成熟
- 目前最流行的機器學習和深度學習相關的開源庫都以 Python 為核心載體：sklearn、tensoflow！
至於說數據產品和運營是否需要，居士認為，簡單瞭解就行，不是核心技能要求。
大數據
大數據時代，所有數據人都應該具備一定的大數據知識！因為大數據相關技術已經侵入了互聯網行業的方方面面，傳統行業也都逐漸往大數據靠攏。
不論是研發、產品亦或者運營，都應該對大數據有一些的基本的認知，比如統計學，以前可能是幾萬行的小數據做統計，那麼當數據上億甚至是百億千億之後，統計學的思路可能依舊不變，但是想要處理這些數據，就必須對大數據有所瞭解，要了解該怎麼使用大數據的工具！
數據產品和運營亦是類似，只有瞭解大數據相關的一些知識，才能更好地和數據團隊的各個工種站在同樣的知識理解層面上對話。
注意：讓產品來了解技術，並不是讓產品自己做技術，而是瞭解一定的技術後，能夠更順暢地和研發做溝通。良好的溝通有時候能決定你是否能夠順利地開展項目。
統計學
統計學，玩數據的同學都應該瞭解一定的統計學知識！一般來講，大部分數據分析都應該具備統計學的知識。那麼問題來了？數據倉庫是否也需要了解統計學？
居士是這樣思考這個問題的，假設你是一名數據倉庫同學，你的一個主要服務對象可能就是數據分析，那麼，你是否瞭解你的使用方是如何使用你的數據的？如果你都不知道使用方是如何使用你的勞動成果的，那麼，你提供的數據會很好用嗎？
自省一下，工作前兩年，居士做的很多數據表的設計，在現在看來基本沒法用！因為當時根本不知道使用方是如何用自己的表，基本處於自嗨狀態。
機器學習
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
從研發崗來講，數據開發、數據倉庫、數據分析都應該具備 Sql 能力，這點不用多做解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是肯定的！
從使用數據的角度來講，Sql 能力意味著產品和運營能夠快速自己提取自己想要的數據，而不是全部都要等研發的排期。你的核心競爭力並不是 Sql ，但是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增加。
從設計數據系統的角度來講，數據產品也應該掌握 Sql，如果一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？
Python
掌握人群：數據開發、數據倉庫、數據分析、數據挖掘
Python，基本上是偏研發向崗位必備技能了，重要性毋庸置疑。這裡只簡單聊一下 Python 和 R 的選擇。首先，居士支持 Python，這裡無意評價哪個語言是好的，只想說明：
- 互聯網公司用 Python 的更多，用 Python 工作更容易找到
- Python 可做的事情更多，除了數據分析，爬蟲、腳本之類的任務都可以用 Python 完成，整個生態也很成熟
- 目前最流行的機器學習和深度學習相關的開源庫都以 Python 為核心載體：sklearn、tensoflow！
至於說數據產品和運營是否需要，居士認為，簡單瞭解就行，不是核心技能要求。
大數據
大數據時代，所有數據人都應該具備一定的大數據知識！因為大數據相關技術已經侵入了互聯網行業的方方面面，傳統行業也都逐漸往大數據靠攏。
不論是研發、產品亦或者運營，都應該對大數據有一些的基本的認知，比如統計學，以前可能是幾萬行的小數據做統計，那麼當數據上億甚至是百億千億之後，統計學的思路可能依舊不變，但是想要處理這些數據，就必須對大數據有所瞭解，要了解該怎麼使用大數據的工具！
數據產品和運營亦是類似，只有瞭解大數據相關的一些知識，才能更好地和數據團隊的各個工種站在同樣的知識理解層面上對話。
注意：讓產品來了解技術，並不是讓產品自己做技術，而是瞭解一定的技術後，能夠更順暢地和研發做溝通。良好的溝通有時候能決定你是否能夠順利地開展項目。
統計學
統計學，玩數據的同學都應該瞭解一定的統計學知識！一般來講，大部分數據分析都應該具備統計學的知識。那麼問題來了？數據倉庫是否也需要了解統計學？
居士是這樣思考這個問題的，假設你是一名數據倉庫同學，你的一個主要服務對象可能就是數據分析，那麼，你是否瞭解你的使用方是如何使用你的數據的？如果你都不知道使用方是如何使用你的勞動成果的，那麼，你提供的數據會很好用嗎？
自省一下，工作前兩年，居士做的很多數據表的設計，在現在看來基本沒法用！因為當時根本不知道使用方是如何用自己的表，基本處於自嗨狀態。
機器學習
這裡引用一部分 Japson在《ML/DL科普向：從Sklearn到TensorFlow》中提到的一句話：
再結合居士的觀點：統計學相關知識、人工智能相關知識已經逐漸地成為了我們必備的基礎技能。很多時候我們要跳出自己的眼界，從更高的角度來說，這些知識有助於我們更好的瞭解自己的數據，更加了解業務，從而提高自己的競爭力，打破自己的能力邊界，來進行“錯位競爭”。
整體的思路就是，數據開發、數據倉庫亦或者是數據產品，該不該去學習機器學習？居士想表達是，該學！為什麼？
- 你學習了新的知識，那麼你的眼界將不再侷限於自己技術的一個點上
- 你學了機器學習，那麼你和機器學習出身的人一起比，你不具備優勢，但是和同職業的人比起來，你就很容易脫穎而出！
- 學了機器學習，能更好地為機器學習的同時提供更好的服務，自己的職業生涯也有更多的選擇
文中小編都做了準備！
針對SQL，Excel、python、大數據等視頻教程資料+學習大綱，轉發+關注小編，後臺私信回覆【資料】無償領取資料哦！！
附贈學好之後未來的職業規劃，學的越精未來的路越寬！！！
最近經常遇到有朋友問下面這類問題，結合最近的一些思考，本篇聊一下，數據人該具備哪些通用的技能。
- “數據開發到底用不用學算法？”
- “Excel 有必要學嗎？”
- “數據產品經理需要了解技術嗎？”
技能分為兩部分：工具和知識。工具包括Excel、Sql 和 Python，知識包括大數據、統計學和機器學習相關知識。
Excel
Excel 是每個數據人都應該掌握的一項技能，不管是研發還是產品，Excel 應該是必備的一項基本技能。不要以為只有搞大數據、深度學習這種才是有技術含量的工作，很多時候 Excel 能提供的功能，現在大部分大數據系統差的還遠。特別是Excel的透視表和各種圖，基本是數據分析必備。
只是從處理的數據量上來講，一般配置的辦公機，Excel 只能處理幾十萬行的數據。相對來講是小數據量。
Sql
從研發崗來講，數據開發、數據倉庫、數據分析都應該具備 Sql 能力，這點不用多做解釋。那麼數據產品和數據運營是否應該掌握 Sql 呢？答案是肯定的！
從使用數據的角度來講，Sql 能力意味著產品和運營能夠快速自己提取自己想要的數據，而不是全部都要等研發的排期。你的核心競爭力並不是 Sql ，但是 Sql 應該能幫你更有效的驗證想法。居士身邊大部分數據產品和數據運營都是或多或少會一些 Sql 的，至少這個比例在逐漸增加。
從設計數據系統的角度來講，數據產品也應該掌握 Sql，如果一點 Sql 不懂，那麼如何設計自助數據分析平臺？如何設計更多的數據系統？
Python
掌握人群：數據開發、數據倉庫、數據分析、數據挖掘
Python，基本上是偏研發向崗位必備技能了，重要性毋庸置疑。這裡只簡單聊一下 Python 和 R 的選擇。首先，居士支持 Python，這裡無意評價哪個語言是好的，只想說明：
- 互聯網公司用 Python 的更多，用 Python 工作更容易找到
- Python 可做的事情更多，除了數據分析，爬蟲、腳本之類的任務都可以用 Python 完成，整個生態也很成熟
- 目前最流行的機器學習和深度學習相關的開源庫都以 Python 為核心載體：sklearn、tensoflow！
至於說數據產品和運營是否需要，居士認為，簡單瞭解就行，不是核心技能要求。
大數據
大數據時代，所有數據人都應該具備一定的大數據知識！因為大數據相關技術已經侵入了互聯網行業的方方面面，傳統行業也都逐漸往大數據靠攏。
不論是研發、產品亦或者運營，都應該對大數據有一些的基本的認知，比如統計學，以前可能是幾萬行的小數據做統計，那麼當數據上億甚至是百億千億之後，統計學的思路可能依舊不變，但是想要處理這些數據，就必須對大數據有所瞭解，要了解該怎麼使用大數據的工具！
數據產品和運營亦是類似，只有瞭解大數據相關的一些知識，才能更好地和數據團隊的各個工種站在同樣的知識理解層面上對話。
注意：讓產品來了解技術，並不是讓產品自己做技術，而是瞭解一定的技術後，能夠更順暢地和研發做溝通。良好的溝通有時候能決定你是否能夠順利地開展項目。
統計學
統計學，玩數據的同學都應該瞭解一定的統計學知識！一般來講，大部分數據分析都應該具備統計學的知識。那麼問題來了？數據倉庫是否也需要了解統計學？
居士是這樣思考這個問題的，假設你是一名數據倉庫同學，你的一個主要服務對象可能就是數據分析，那麼，你是否瞭解你的使用方是如何使用你的數據的？如果你都不知道使用方是如何使用你的勞動成果的，那麼，你提供的數據會很好用嗎？
自省一下，工作前兩年，居士做的很多數據表的設計，在現在看來基本沒法用！因為當時根本不知道使用方是如何用自己的表，基本處於自嗨狀態。
機器學習
這裡引用一部分 Japson在《ML/DL科普向：從Sklearn到TensorFlow》中提到的一句話：
再結合居士的觀點：統計學相關知識、人工智能相關知識已經逐漸地成為了我們必備的基礎技能。很多時候我們要跳出自己的眼界，從更高的角度來說，這些知識有助於我們更好的瞭解自己的數據，更加了解業務，從而提高自己的競爭力，打破自己的能力邊界，來進行“錯位競爭”。
整體的思路就是，數據開發、數據倉庫亦或者是數據產品，該不該去學習機器學習？居士想表達是，該學！為什麼？
- 你學習了新的知識，那麼你的眼界將不再侷限於自己技術的一個點上
- 你學了機器學習，那麼你和機器學習出身的人一起比，你不具備優勢，但是和同職業的人比起來，你就很容易脫穎而出！
- 學了機器學習，能更好地為機器學習的同時提供更好的服務，自己的職業生涯也有更多的選擇
文中小編都做了準備！
針對SQL，Excel、python、大數據等視頻教程資料+學習大綱，轉發+關注小編，後臺私信回覆【資料】無償領取資料哦！！
附贈學好之後未來的職業規劃，學的越精未來的路越寬！！！