我们知道，学习新知识可能会令人难以承受。 现在，由于所有信息都漂浮在互联网上，事情变得一团糟，您不知道从哪里开始，而且大多数时候最终都退出了。 我们到过那里，因此本文旨在帮助您更清楚地了解两件事：
- 如果要在商业智能领域工作，可以遵循哪些路径？
- 可用于Data Analysts新手的最佳资源是什么？
为了回答第一个问题，因为我们不想重新发明轮子，所以我们邀请您阅读一篇文章，更好地解释数据科学的9条职业道路：
- 产品研究数据科学家
- 分析数据科学家
- 分析数据科学家
- 数据科学工程师
- 数据工程师或数据仓库工程师
- 定量分析师
- 商业数据科学家
- 执行数据科学家
- 其他混合数据科学家
在这里，在eMAG中，我们有由分析数据科学家，数据科学工程师，数据仓库工程师或业务数据科学家组成的团队。 如果您加入我们的Data Analyst Development计划，您将了解到每个人的工作，并且您将以Data Analyst的身份开始。
回到第二个问题，我们为您汇编了一些在互联网上与该领域相关的最佳资源，我们考虑了您将在该程序中学到的内容。
1.根据本文，这是数据科学入门的最佳课程。
本课程将为您提供有关数据科学历程的完整概述。 完成后，您将知道：
- 如何清理和准备数据进行分析；
- 如何对数据进行基本可视化；
- 如何为您的数据建模；
- 如何对数据进行曲线拟合；
- 最后，如何展示您的发现并吸引听众。
2.由于第一个需要一些现金，所以这里有免费课程。
您将学到什么？
- 探索数据科学过程；
- 数据科学中的概率与统计；
- 数据探索和可视化；
- 数据提取，清理和转换；
- 机器学习入门；
- 本课程的动手元素结合了R，Python和Microsoft Azure机器学习的功能。
3.以下是上述四个主要数据角色的入门课程，作为对第一个问题的解答：
商业智能：从大桌子到漂亮的仪表板（可视化工具/业务启动器）
工具： QlikView，SQL，Google BigQuery
了解： QlikView-http : //global.qlik.com/gr/services/training/free-training
大数据：从混乱数据到结构化信息（组织者）
工具： Hadoop，Spark，Apache Cassandra
了解： Hadoop MapReduce和HDFS — https://www.coursera.org/learn/big-data-introduction
DWH：从100张桌子到1张大桌子（收藏家）
工具： T-SQL，SQL Server集成服务，MySQL
学习： T-SQL- https : //www.edx.org/course/querying-transact-sql-microsoft-dat201x-6
数据科学：从大表到可行的见解（Insight Generator）
工具： R，SQL，机器学习算法
学习： R-https : //www.edx.org/course/introduction-r-data-science-microsoft-dat204x-4
4.其他学习资源
最佳博客（由我们的同事 Andrei 推荐 ）
- https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/qlikview-learning-path/
互动平台
- https://www.datacamp.com/-涵盖的技能范围更广（扩展并深入了解某些技能）
- https://www.dataquest.io/-专注于要点（完成方法）
追随者
- https://www.linkedin.com/in/tylerbyers/-泰勒·拜尔斯（Tyler Byers）
- https://www.linkedin.com/in/jakebb/-雅各布·布鲁尔（Jacob Brewer）
- https://www.linkedin.com/in/andrewyng/-吴恩达
知道更多的学习资源吗？ 在下面添加评论！
除了学习的理论部分，我们向您保证事物的社会和实践方面。 与我们的团队一起处理影响我们业务的实际问题。 如果我们引起了您的注意，我们正在等待您的数据分析开发计划应用程序。
*由Lavinia和Andrei撰写
