本文来源于数据从业者全栈知识库，更多体系化内容请访问知识库。
️ 学习路线图使用指南
欢迎来到数据领域全栈知识库本文件夹包含了针对 数据分析师 和 数据开发工程师 两个核心岗位的全生命周期学习路线。无论你是初入职场的萌新，还是寻求突破的资深专家，都能在这里找到适合你的成长路径。
不知道从哪里开始？如果你对自己的定位还不清晰，或者想获得更有针对性的建议，强烈推荐先阅读 给不同阶段学习者的真诚建议。这份指南会根据你的具体情况，帮你找到最适合的学习路径。
如何使用本指南
我们将职业生涯划分为四个关键阶段，每个阶段对应一个独立的文档。请根据你目前的状态选择合适的起点：
graph TD
Start((开始)) --> Role{选择你的岗位}
subgraph "数据分析师成长之路"
Role --> DA_L1["L1: 入门筑基 (0-1年)"]
DA_L1 --> DA_L2["L2: 实战进阶 (1-3年)"]
DA_L2 --> DA_L3["L3: 高级专家 (3-5年)"]
DA_L3 --> DA_L4["L4: 领域领航 (5年以上)"]
end
subgraph "🛠️ 数据开发工程师成长之路"
Role --> DE_L1["L1: 工程启蒙 (0-1年)"]
DE_L1 --> DE_L2["L2: 核心构建 (1-3年)"]
DE_L2 --> DE_L3["L3: 架构演进 (3-5年)"]
DE_L3 --> DE_L4["L4: 技术战略 (5年以上)"]
end
📖 文档结构说明
每个阶段的文档都包含以下核心模块：
- 阶段目标：简述该阶段的核心任务和能力画像。
- 核心能力树：使用 Mermaid 思维导图展示技能分支。
- 重点学习内容：
- 知识点：具体的概念或技术。
- 掌握程度：了解 / 熟悉 / 掌握 / 精通。
- 推荐资源：直接链接到知识库中的双链 WikiLink。
- 避坑指南：前辈们的经验之谈 (Callout 形式)。
快速索引
数据分析师 (Data Analyst)
- L1 入门：L1: 入门筑基 —— 构建思维，掌握 SQL 与 Python 基础
- L2 进阶：L2: 实战进阶 —— 业务模型，复杂查询，统计分析
- L3 专家：L3: 高级专家 —— 机器学习，因果推断，自动化
- L4 领航：L4: 领域领航 —— 商业战略，算法深潜，团队管理
🛠️ 数据开发工程师 (Data Engineer)
- L1 启蒙：L1: 工程启蒙 —— Linux, SQL, 数据库原理
- L2 构建：L2: 核心构建 —— 数仓建模, ETL, Spark/Flink 基础
- L3 架构：L3: 架构演进 —— 平台架构, 性能调优, 数据治理
- L4 战略：L4: 技术战略 —— 云原生, DataOps, 技术选型
知识库内容全览
除了学习路线，本知识库还提供丰富的专题内容，帮助你全方位提升：
核心学习模块
| 模块 | 内容简介 | 适合人群 |
|---|---|---|
| 数据分析与数据运营 | 分析方法、运营实战、案例研究 | 数据分析师、运营人员 |
| 数据开发与数据架构 | 数仓建设、架构设计、工程实践 | 数据工程师、架构师 |
| 数据治理与数据管理 | 数据质量、元数据、主数据管理 | 数据治理专家、管理者 |
| 技术与工具 | SQL、Python、Spark、Flink等 | 所有技术从业者 |
行业与业务知识
| 行业 | 核心内容 |
|---|---|
| 金融行业 | 银行、保险、证券、风控 |
| 零售电商 | 用户增长、供应链、营销 |
| 制造业 | 智能制造、质量管理、IoT |
| 医疗健康 | 临床数据、医疗AI、公共卫生 |
| 互联网商业 | 平台经济、商业模式分析 |
求职与职业发展
| 资源 | 说明 |
|---|---|
| 岗位导向求职指南 | 五大数据岗位的完整求职攻略 |
| 面试题库 | 分岗位、分难度的面试真题 |
| 简历模板 | 针对不同岗位的简历模板 |
| 面试演练 | 模拟面试与反馈指南 |
特色专题
- 给不同阶段学习者的真诚建议 — 针对你具体处境的个性化指导
- 知识库使用完全手册 — 知识库的结构说明与高效使用技巧
- 知识库完整索引 — 全部1900+篇文档的分类目录
- AI与大数据 — 机器学习、大模型、AI应用
- 个性化咨询服务 — 一对一职业规划与技能提升
建议学习不是线性的。即使你处于 L3 阶段，回顾 L1 的基础知识（如 数据思维基础）往往也能带来新的启发。保持空杯心态，持续迭代。
