1、type命令判断有无是内置命令如果不是是外部命令，会决定作分析信息。
2、help命令没显示简约的帮助信息可以参照内置命令。
3、-h命令或--help命令总是显示简洁的帮助信息可以参照外部命令依据什么换算情况，建议使用“-h”或“--help”参数。
4、whatis命令会显示命令手册的页眉行不可同于man-f命令，可确认有哪些章节修真者的存在。
5、man命令不显示命令手册。
6、info命令没显示info文档信息。
7、which命令总是显示命令的完整路径。
8、whereis命令没显示命令的路径、手册等信息。
9、readme命令readme文件绝大多数程序从网上下载。
分析数据有两种，
1列表法
将实验数据按是有规律用列表表达出出是记录信息和全面处理实验数据最常用的方法。表格的设计要求对应关系明白、简单明了、可以增加发现去相关量之间的物理关系；再者还那些要求在标题栏中写清物理量名称、符号、数量级和单位等；根据要还也可以列个除原始数据以外的计算栏目和统计栏目等。到最后还没有要求写清表格名称、主要注意测量仪器的型号、量程和准确度等级、无关环境条件参数如温度、湿度等。
2作图法
作图法这个可以最显目地怎样表达物理量间的变化关系。从图线上还也可以简便求出实验要的某些结果（如直线的斜率和截距值等），读出来没有通过观测的对应点（内插法），或在一定会条件下从图线的延伸部分读到测量范围以外的对应点（外推法）。当然了，还可以把某些复杂的函数关系，通过一定会的变换用直线图可以表示进去。的或半导体热敏电阻的电阻与温度关系为，取对数后能得到，若用半对数坐标纸，以lgr为纵轴，以1／t为横轴绘图，则为一条直线。
这个要看你总结什么数据。
分析大数据，r语言和linux系统也很有帮助，形象的修辞到的方法原理是可以有空听大学的统计学，不不需要几乎再理解，重在应用。
分析简单啊数据，excel就可以了。excel本意是智能，功能很强，容易上手。我是没有看到过有人说自己专精excel的，起码是熟得不能再熟excel。excel的函数也可以好处你一次性处理大部分数据。
一、完全掌握基础、没更新知识。
基本技术咋强调什么都不太过分。这里的术许多是（计算机、统计知识），十年做数据分析、数据挖掘的经历来看、这些业界朋友的交流来看，这点大家感受颇深的。
数据库查询—sql
数据分析师在计算机的层面的技能没有要求较低，主要是会sql，毕竟这里解决的办法一个数据其他提取的问题。有机会可以去逛一逛一些专业的数据论坛，学一些sql技巧、新的函数，对你工作效率的提高是很有帮助的。
统计知识与数据挖掘
你要手中掌握基础的、完全成熟的数据建模方法、数据挖掘方法。比如：多块统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但我还是应该要了解一些博客、论坛中大家是对2012版方法的介绍，或是是对老方法的新运用，不断更新迭代自己知识，才能跟上时代，可能你工作中根本不会肯定不会要用，但是未来呢？
行业知识
如果数据不加强具体详细的行业、业务知识，数据就是几具数字，不属於任何东西。是冰冷冷，是不会才能产生任何价值的，数据驱动营销、想提高科学决策一切也是空的。
一名数据分析师，一定要对所在行业知识、业务知识有进入到的了解。或者：看见了某个数据，你必须要要明白了，这个数据的统计口径是什么？是要如何取出去的？这个数据在这个行业，在或者的业务是在哪个环节是出现的？数值的代表业务不可能发生了什么（背景是什么）？对此a部门来说，本月新会员有10万，10万好我还是不好呢？先去问问上面的这个问题：
这对a部门，
1、新会员的统计口径是什么。上次在在用a部门的产品的会员？应该在站在公司角度上说，第二次在公司发展业务相互的会员？
2、是该如何做统计不出来的。a：时间；是通过创建时间，还是业务能完成时间。b：业务场景。是只需与业务发外界，比如下了单，我还是要业务成功后，到顺利直接支付。
3、这个数据是在哪个环节统计计算进去。在注册环节，在下单环节，在顺利申请支付环节。
4、这个数据属於着什么。10万高吗？与历史相同比较好？是否需要做了营销活动？这个行业一次性处理行业生命同期哪个阶段？
在前面二点，更多那些要求你能按业务逻辑，来通过数据的提取（更大是写sql代码从数据库收起数据）。后面二点，更最重要是对业务知道一点，更行业知识打听一下，你才能并且或者的数据解读，才能让数据产生真正的的价值，并非吗？
对此新进入到数据行业或则刚进入到数据行业的朋友来说：
行业知识都有用，也许是你看见了很多的数据行业的同仁，在微博也可以写文章说，数据分析思想、行业知识、业务知识很有用。我太表示同意。只不过充当数据分析师，在公开发表任何观点的时候，都别忘了你你能居的背景是什么？
但大家一定会最好别忘记了一些基本上的技术，不要把基础去忘记什么了，如果不是一名数据分析师不会写sql，那麻烦就大了。嘿嘿嘿嘿。。你唯有把数据先取对了，才能正确的分析，不然一切是错误了，甚至于会倒致必杀的结论。新同学，肯定好好地花时间把基础技能想学好。因为基础技能你可以不在短期内急速增加，不过在行业、业务知识的是经年累月的积累知识站了起来的，有时侯是急不来的，这更需要花时间慢慢去氢氧化亚铁下去。
千万不能太追求很初级、高深的统计方法，我提倡没事的话那就要多去自学基本都的统计学知识，最终达到提高工作效率，提升起到事半功倍的效果。以我经验来说，我负责任说说新进的同学，会永远不要忘记基本知识、基本技能的学习。
二、要有三心。
1、体贴。
2、耐心。
3、静心。
数据分析师当然是一个细活，特别是在前文说过的例子中的前面二点。不过在数据分析过程中，是一个不断地非循环迭代的过程，因为一定会在耐心，怕辛苦，能静下来断的去直接修改自己的分析思路。
三、形成自己结构化的思维。
数据分析师要先态度严谨。而态度严谨一定得很强的结构化思维，如何能增加结构化思维，也许是只需要工作队中不断地的实践。但是我推荐你用mindmanagement，首先把你的整个思路收拾好进去，然后再参照分析断的踏入、换取的信息不停提升的情况下来完善你的结构，慢慢你会连成一套自己的思想。当然有空的时候去去看看《麦肯锡思维》、结构化逻辑思维训练的书也还好。在我原以为多看看你身边更资深专业同事的报告，多问问看他们是怎么去确定这个问题的，别人的思想是咋样啊的？他是怎莫最终形成整个分析体系的。
四、业务、行业、商业知识。
当你掌握好前面的基本知识和一些技巧性东西的时候，你肯定在业务、行业、商业知识的学习与积累知识上了。
这个装在之后，也不是不不重要，不过非常重要，如果前面三点是判断你可不可以直接进入这个行业，这样这则是你刚刚进入这个行业后，是否可以完成的最根本的因素。数据与具体详细行业知识的关系，诗说池塘中鱼与水的关系一点儿都不太过火，数据（鱼）回到行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不可不知道看什么（方向在哪）。
怎么增强业务知识，特别是没有去相关背景的同学。很很简单，我学习总结了几点：
1、多向业务部门的同事请问各位，多沟通。多看看他们请教，数据分析师与业务部门没有利益，而更向是共同生长体，因此如果你态度好，我相信业务部门的同事也很愿意把他们明白了的告诉你。
2、永远不会不要忘记了google大神，设计定制一些行业的关键字，早上都先去看看设计定制的邮件。
3、每天晚上没事的话去查看网页行业相关的网站。看看行业都再一次发生了什么，要注意竞争对手或者相关行业都发展中什么大事，把这些大事与你公司的业务，数据加强过来。
4、有机会走向一线，多向一线的客户沟通，这才是最根本的。
标题蝇头小字劝诫，其实谈不上，更多我自己的一些心得的总结。只希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。
