2023年，對於資料分析師和科學家的需求持續增加，但目前市場上這些職位的人才卻相對不足。根據美國勞工統計局的數據，分析師的職缺預計在2021年至2031年間將增長23％，遠高於美國所有職位預期的5％增長率。
以下七項趨勢資料科學技能是Coursera全球學習者中最多被搜尋的技能。為了進入資料分析領域職業，我一直都在Coursera上線上課程，培養這些技能。 希望我麼分享讓大家更深入了解這些技能，以及鼓勵大家開始學習。
1.SQL
結構化查詢語言(Structured Query Language，簡稱 SQL)是與數據庫溝通的標準語言。熟悉SQL可更方便的更新、組織和查詢存儲在關聯式數據庫中的數據，並且修改數據結構（schema）。
由於幾乎所有的資料分析師都需要使用SQL從公司的數據庫中提取數據，因此這是學習並獲得工作的最重要的技能之一。事實上，資料分析師的面試中通常會包含一個SQL的技術篩選過程。
我的觀點是，SQL是較易學習的語言之一。 如果熟練掌握SQL你可以嘗試下列課程：即使您之前沒有寫程式經驗，也可以通過UC Davis 的“Learn SQL Basics for Data Science”專項課程開發SQL技能。
你可以到下方連結去看看四個進階SQL專案的過程中，學習如何進行數據分析和探索。
Learn SQL Basics for Data Science 專項課程
2.統計程式碼 (Statistical programming)
統計程式語言，如R或Python，能夠以Excel無法實現的方式進行高級分析。掌握這些語言的寫作能力意味著你可以更高效地清理、分析和可視化大型數據集。 而且這兩種語言都是開源的，建議至少學習其中一種。
對於哪種語言更適合用於資料分析存在一些爭議。兩種語言都可以實現類似的資料科學任務。雖然R專門設計用於分析，但Python是其中較受歡迎的一種，尤其對於初學者來說更容易學習。
如果您從未寫過程式，University of Michigan 的“Python for Everybody”是一個很好的起點。在寫下第一個簡單程式後，你大概可以開始建立更複雜的程式，用於收集、清理、分析和可視化數據。
Python for Everybody
3.機器學習 (Machine learning)
機器學習是人工智慧的一個分支，已成為資料科學中最重要的發展之一。這個技能專注於構建設計用於在大型數據集中尋找模型的算法，並且隨著時間的推移提高準確性。
機器學習算法處理的數據越多，它就越“智能”，從而實現更準確的預測。 一般來說，資料分析師不需要精通機器學習。但是，發展機器學習技能可能會給您帶來競爭優勢，並為您未來成為資料科學家鋪平道路。
入門機器學習：Stanford Universuty 的安德魯·吳（Andrew Ng）的機器學習專項課程是Coursera上評價最高的課程之一。在這門入門課中，你可以了解最佳的機器學習技術，以及如何應用這些技術來解決問題。
Machine learning
4.機率和統計
統計是與收集、分析、解釋和展示數據相關的數學和科學領域。這可能聽起來很基礎，因為它就是資料分析師的工作內容最常使用到的東西。
擁有堅實的機率和統計基礎，您將能夠：
- 識別數據中的模型和趨勢
- 避免偏見、謬誤和邏輯錯誤對分析的影響
- 產生準確可靠的結果 掌握現代統計思維：從倫敦大學的“概率和統計”課程中重新了解概率和統計。
如果您已經具備一些編程知識，可以通過密歇根大學的“Statistics with Python”或杜克大學的“Statistics with R”課程來學習如何將這些技能應用於統計分析。
Statistics with Python
Statistics with R
小結論
礙於篇幅，我將剩下的課程放到下篇分享，最後也會加菜我已經得到認證，超級推薦的課程給格友們，歡迎大家持續的互相交流
