荐语：数据分析竞争那么大，我们还投吗？还需要学数据分析吗？

数据分析，一个新晋“卷王"职位。一个站在大数据风口上，岗位需求不断增加却仍就不好找工作的岗位。网上流传这这样一句话”2015年，你会Excel和SQL数据库查询你就能找到一份好工作；2017年，你要会做数据可视化，会SPSS携程数据分析，最好还要会一点Python/R;到了现在你还要懂统计，数据清洗，算法等等才能展露头角“。岗位要求不断提高，和你一起竞争的往往也是更专业的人才。数据分析门槛是很低，但如果不继续钻研数据分析相关知识，懂得如何将数据分析成功灵活运用于业务，往往你只能做一个”数据搬运工“，工资低不说，随时还会被替代，前途堪忧。对于那些不是真心喜欢并愿意为之付出努力，而是因为热门而选择数分的友友们，我这里有一份”劝退警告“还望查收。

其实我们可以换一个角度去思考，”数分+其他“也许才是一条更好的出路。求职互联网产品或运营等岗位时，会发现很多岗位JD都要求有数据分析能力，所以数分还是很重要的。这会是一个不错的加分项，毕竟拿数据说话才更有说服力。必备技能SQL和EXCEL就不赘述了，而Python和R都是很友好的可视化工具，可以去网上搜索教程，边看视频边动手实践。

今天周周想分享一份自己最近在学习的一个基于T语言的数据分析实训，附带有完整教程，包括软件安装、实验手册、实验数据和可视化代码等等，让我们一起动手完成一份完整的可视化分析报告吧。

数据预处理

本实训以携程出境旅游产品的可视化分析为案例，给出爬取到的携程数据分析，已经经过清洗的数据库文件。先将数据库文件连接Navicat for SQLite,按照需求选择必要的字段导入到R。

描述性统计

使用ggpolt2绘制柱状图、饼图和桑基图等。

产品供给热力图

按照产品的目的地城市划分，将目的地城市相同的在售产品量进行汇总，再通过ggmap获取各个目的地城市的经纬度，最后用remMap进行绘图得到的目的地区域热力分布图。

4.产品供给结构特征

按照分析产品供给结构特征需要将相邻区域融合，16个目的地融合成为7个目的地，按区域分析产品供给结构特征。需要构建两个参数值:目的地热度值(Hot_Destination)和产品线的热度(Hot_Tags)。

最后，也是最重要的部分，针对可视化图像简述数据特点，并结合实际情况进行合理分析。以上，携程的可视化分析都已给出，资料中还附有一份途牛网境外出游数据库文件，可以先学习携程实训，再根据自己学到的知识自制一份途牛的可视化分析报告。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！