一. 数据分析，需要掌握哪些必备的统计学知识
- 描述统计学
1.平均值、中位数、众数
2.方差、标准差
3.统计分布：正态分布、指数分布、二项分布、卡方分布 - 推论统计学
1.假设检验
2.置信区间
3.显着性测试 - 实验设计
1.A／B测试
2.实验条件控制
3.双盲测试
4.幂律分布
二、数据分析的常用工具都有哪些？
- SQL：数据科学家的必备技能
- ECXCEL：容易上手，所见即所得，无需编程即可对数据进行运算和作图。
- R：专门为数据科学而设计的语言，在数据科学领域比PYTHON略微受欢迎些。
- Python：简单易学，功能强大且丰富，是大学教授中最受欢迎的编程语言。
- Spark:专为大规模数据处理而设计的基于内存计算的引擎。
Tableau: 帮人们查看并处理数据，可进行快速分析、可视化并分享结果
推荐学python
从事数据科学所需要掌握的技能都有哪些？
要从事数据科学，我们需要从数据知识、计算机知识、专业知识这三个维度考虑
- 1 具有分析思维
- 2 基本的大学数学知识，包括微积分和线性代数。
- 3 统计学知识，包括描述统计学和推导统计学
- 4 编程基础，如 Python 、R语言、SQL语句
- 5 算法知识，如回归、分类、聚类算法等。
- 6 数据可视化，将你的分析结果展示出来。
- 7 `领域专业知识，如商业知识、生物知识等，视具体分析的问题而定。
3.科学数据的工作流程是怎么样的？
虽然数据分析是一个不断迭代的过程，而且不同的步骤会有些交叉，但是我们依然可以将过程简化为以下七个步骤：
- 明确的问题
- 收集原始数据
- 数据清洗
- 数据探索
- 应用模型进行深度分析
- 传达分析结果
- 是分析过程可再现
在一个数据项目中，我们绝大部分的努力都将花在获取数据和清洗数据上（步骤2-3）以及展示分析结果和过程（6-7）上。
2.数据科学中都有哪些职业角色？
- 数据科学家（data scieneists):有人这样描述数据科学家，他们比统计学家更懂编程，而比工程师更懂统计，
- 数据分析师（data analysts):他们研究数据并提供相应的报告和可视化图表，可以将数据分析师看作数据科学家的低配版，初级数据科学家，一般是从事数据科学工作的第一步，数据分析师不需要具备高深的研究背景来发明新算法，但是他们要熟练掌握现有工具来解决问题。
- 数据工程师（ data engineers)：他们是软件工程师的一种，为数据科学家们提供软件基础设施服务，建设强壮的数据管道来清洗、转移、聚合多种杂乱无章的数据，并存放道特定的数据库中，他们需要管理数据库系统；写复杂的查询语句来抽取数据，维护多台服务器，懂得hadoop等分布式系统。
