🗺️ 学习路线图使用指南#

[!NOTE] 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。

[!tip] 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：

1. 🎯 阶段目标：简述该阶段的核心任务和能力画像。
2. 🧠 核心能力树：使用 Mermaid 思维导图展示技能分支。
3. 📚 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 ↗。
4. 💡 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#

行业与业务知识#

求职与职业发展#

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

---

[!TIP] 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。