如何学习数据分析？

试试语音读文章

热门回答：

优秀的数据分析师并不能速成。但是零经验也有零经验的捷径。

市面上有《七周七数据库》。《七周七编程语言》。今天我们就《七周七学习成为数据分析师》。没错。七周。

第一周：Excel学习掌握

如果Excel玩的顺溜。可以略过这一周。但很多人并不会vlookup。所以有必要讲下。

了解sum。count。sumif。countif。find。if。left/right。时间转换等。excel的各类函数很多。完全不需要学全。重要的是学会搜索。我学函数是即用即查。将遇到的问题在网上搜索得到所需函数。

重中之重是学会vlookup和数据透视表。这两个对后续的数据转换有帮助。

学会vlookup。SQL中的join。Python中的merge能很快掌握。

学会数据透视表。SQL中的group。Python中的groupby也是同理。

这两个搞定。基本10万条以内的数据统计没啥难度。也就速度慢了点。80%的办公室白领都能秒杀。

网上多找些习题做。Excel是熟能生巧。

养成一个好习惯。不要合并单元格。不要过于花哨。表格按照原始数据、加工数据。图表的类型管理。

附加学习：

1、了解中文编码utf-8。ascii的含义和区别

2、了解单元格格式。帮助你了解后期的timestamp。date。string。int。bigint。char。factor等各类格式。

3、如果时间还有剩余。可以看《大数据时代》。培养职业兴趣。

第二周：数据可视化

数据分析界有一句经典名言。字不如表。表不如图。别说平常人。数据分析师自己看数据也头大。这时就得靠数据可视化的神奇魔力了。

以上就是所谓的可视化。排除掉数据挖掘这类高级分析。不少数据分析师的平常工作之一就是监控数据观察数据。

另外数据分析师是需要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果。那么分析也不会被改进和优化。分析师的价值在哪里？工资也就涨不了对吧。

抽空花一段时间学习可视化的基础,如《数据之美》

另外你还需要了解BI的概念。知名的BI产品有Tableau。Power BI。还有国产的FineBI等。都有体验版和免费版能下载。网上找一点数据就能体验可视化的魅力。比Excel的图表高级多了。

BI需要了解仪表盘Dashboard的概念。知道维度的联动和钻取。知道绝大多数图表适用的场景和怎么绘制。比如以下FineBI制作的dashboard。

第三周：分析思维的训练

这周我们轻松一下。学学理论知识。

分析思维首推大名鼎鼎的《金字塔原理》。帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶。那么就可以学思维导图。下载一个XMind中文网站。或者在线用百度脑图。

再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师。思考方式也得跟着改变。网上搜咨询公司的面试题。搜Case Book。

题目用新学的思维导图做。先套那些经典框架。做一遍。然后去看答案对比。因为要锻炼数据分析能力。所以得结合数据导向的思维。

这里送三条金句：

一个业务没有指标。则不能增长和分析

好的指标应该是比率或比例

好的分析应该对比或关联。

举一个例子：我告诉你一家超市今天有1000人的客流量。你会怎么分析？

这1000人的数量。和附件其他超市比是多是少？（对比）

这1000人的数量比昨天多还是少？（对比）

1000人有多少产生了实际购买？（转化比例）

路过超市。超市外的人流是多少？（转化比例）

这是一个快速搭建分析框架的方法。如果只看1000人。是看不出分析不出任何结果。

第四周：数据库学习

Excel对十万条以内的数据处理起来一点不虚。但是资深的数据分析师还是笑摸狗头。Too Young Too Sample。爷搞得都是百万数据。要百万数据。就得上数据库。

SQL是数据分析师的核心技能之一。有些公司并不给数据库权限。需要分析师写邮件提需求。这非常不好。数据分析师经常有各类假设需要验证。很多时候写十几行SQL就能得到的答案。还得麻烦其他部门导出数据。

SQL学习不需要买书。W3C学习就行了。SQL 教程。大多数互联网公司都是MySQL。我也建议学。性价比最高。

作为数据分析师。只要懂Select相关。增删改、约束、索引、数据库范式全部略过。你的公司心得多大才会给你写权限。

了解where。group by。order by。having。like。count。sum。min。max。distinct。if。join。left join。limit。and和or的逻辑。时间转换函数等即可。

你看。和Excel的函数都差不多。如果时间充裕。则学习row_number。substr。convert。contact等。和Excel一样。学会搜索解决问题。不同引擎的函数也会有差异。例如Presto和phpMyAdmin。

期间你不需要考虑优化和写法丑陋。查询几秒和几分钟对数据分析师没区别。跑数据时喝杯咖啡呗。以后你跑个SVM都能去吃饭了。

网上搜索SQL相关的练习题。刷一遍就行。也能自己下载数据库管理工具。找些数据练习。我用的是Sequel Pro。

第五周：统计知识学习

统计学是数据分析的基础之一。

统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情。你的分析技巧也会显著提高。

这一周努力掌握描述性统计。包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看。谁让我们是速成呢。只要看到数据。知道不能怎么样。而是应该这样分析即可。

Excel中有一个分析工具库。简单强大。对列1的各名词做到了解。如果是多变量多样本。学会各种检验。

《统计数字会撒谎》休闲读物。有趣的案例可以让我们避免很多数据陷阱。

深入浅出统计学 (豆瓣)还是经典的HeadFirst系列。适应它一贯的啰嗦吧。

多说一句。老板和非分析师不会有兴趣知道背后的统计学原理。通常要的是分析后的是与否。二元答案。不要告诉他们P值什么的。告诉他们活动有效果。或者没效果。

第六周：业务学习（用户行为、产品、运营）

这一周需要了解业务。对于数据分析师来说。业务的了解比数据方法论更重要。当然很遗憾。业务学习没有捷径。

我举一个数据沙龙上的例子。一家O2O配送公司发现在重庆地区。外卖员的送货效率低于其他城市。导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因。都没有找出来问题。后来在访谈中发觉。因为重庆是山城。路面高低落差比较夸张。很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。

这个案例中。我们只知道送货员的送货水平距离。数据上根本不可能知道垂直距离这个指标。这就是数据的局限。也是只会看数据的分析师和接地气分析师的最大差异。

对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试。公司肯定也知道刚入门分析师不会有太多业务经验。不会以这个卡人。所以简单花一周了解行业的各指标。

《增长黑客》

数据驱动业务的典型。里面包含产品运营最经典的AAARR框架。部分非数据的营销案例。

《网站分析实战》

如果应聘的公司涉及Web产品。可以了解流量的概念。书中案例以Google Analytics为主。其实现在是APP+Web的复合框架。比如朋友圈的传播活动肯定需要用到网页的指标去分析。

《精益数据分析》

互联网数据分析的入门书籍。归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。

还有一个小建议。现在有不少第三方的数据应用。囊括了不少产品领域的数据分析和统计。自学党们即使没有生产环境的数据。也可以看一下应用Demo。有好处的。

除了业务知识。业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。

第七周：Python/R学习

终于到第七周。也是最痛苦的一周。这时应该学习编程技巧。是否具备编程能力。是初级数据分析和高级数据分析的风水岭。数据挖掘。爬虫。可视化报表都需要用到编程能力。掌握一门优秀的编程语言。可以让数据分析师事半功倍。升职加薪。迎娶白富美。

这里有两条支线。学习R语言或Python。速成只要学习一条。以后再补上另外一门。

R的优点是统计学家编写的。缺点也是统计学家编写。如果是各类统计函数的调用。绘图。分析的前验性论证。R无疑有优势。但是大数据量的处理力有不逮。学习曲线比较陡峭。Python则是万能的胶水语言。适用性强。可以将各类分析的过程脚本化。Pandas。sklearn等各包也已经追平R。

如果学习R。建议看《R语言实战》。照着书本打一遍代码。一星期绰绰有余。另外还有一本《统计学》。偏知识理论。可以复习前面的统计学知识。

R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。如果时间有余。可以再去学习ggplot2。

Python拥有很多分支。我们专注数据分析这块。入门可以学习《深入浅出Python》。

需要学会条件判断。字典。切片。循环。迭代。自定义函数等。知道数据领域最经典的包Pandas+Numpy。

在速成后的很长一段时间。我们都要做调包侠。

这两门语言最好安装IDE。R语言我建议用RStudio。Python我建议用 Anaconda。都是数据分析的利器。

Mac自带Python2.7。但现在Python 3已经比几年前成熟。而且没有编码问题。各类教程也足够多。不要抱成守旧了。Win的电脑。安装Python会有环境变量的问题。是个大坑（R的中文编码也是天坑）。

到这里。刚刚好是七周。如果还需要第八周+。则是把上面的巩固和融会贯通。毕竟速成是以转岗或拿offer为目的。有机会。我会专门写文章讲解每一周的具体知识。并且用爬虫爬一些数据做练习和案例。

其他观点：

谢邀

现在发达城市北上广。已经开始用大数据。运做基金了。而且门槛很高。必须金融和计算机的本科以上人员。研究生择优录取。

可见大数据。发展的力度。很多人不知道大数据怎么交易股票。这这里简单说下。现在好多券商软件支持。大数据自动化交易。也就是说。当你编写好自己的预期策略后。由程序根据你的策略实行。自动化交易。现在名声仅次于巴菲特的詹姆斯.西蒙斯。就是大数据量化交易的先驱。他名下的大奖章基金。就是根据大数据量化交易运行。

大数据量化交易。可以实现。一天成百上千次此交易。只要资金允许。这也是发达发达城市为什么着重研究的对象。还有大数据是未来的趋势。电脑在对市场热度的分析。要强于人工识别。但是论单个交易。人工肯定强于电脑。但是从现在的基金规模来看。电脑交易是主要趋势。不管多厉害的基金经理。精力都是有限的。

目前的大数据都是借助python为主要语言编写的。感兴趣的可以看看相关方面的学习。券商对自动化交易的资金。一般是5w门槛。所以。随着市场的发展。大数据量化交易。会慢慢普及。

以上就是本人对大数据的看法。喜欢的可以加个关注。点个赞。

其他观点：

一、数据分析前世今生

近年来。越来越多的企业开始出现数据分析师这个岗位。无非可以分为技术类和非技术类。技术类要运用算法搭建模型。非技术类对模型结果进行可视化展现、数据报告撰写等。

二、数据分析的未来

不要把自己单纯地定义为一名数据分析师。企业不乏做表的（初级数据分析师）、搞模型的（高级数据分析师）。财务做报表更厉害。程序员比你更容易上手。数据分析一定是一项必备技能。就和PPT、Excel一样。它是来辅助工作的。而不是工作的全部。

三、学习路线

技术：

Excel

SQL

Python/Spss

可视化

理论：

数据分析思维和方法

统计学

对业务的理解

四、推荐书籍/网站

以下推荐的书籍和网站绝无任何广告嫌疑。只是自己觉得还不错分享给大家。

1、Excel学习：

没有什么推荐的书籍和网站。网上有很多大神的教程。如果时间充裕。就系统的学习一下。如果时间紧张。就用临阵用度娘也是可以解决问题的。当然。学什么都最好能够系统地学习。要记住一点。我们是用Excel进行数据分析的。所以应当从数据获取、数据处理、数据分析和输出几个方面来学习Excel。

之前的文章也有写过这方面的：

用Excel做直方图（1）：随机数发生器

用Excel做直方图（2）：频率分布直方图

用Excel做控制图

2、SQL学习

建议去W3Sschool自己学习。非常详细。附网址。https://www.w3cschool.cn/sql/。如果想要练习的话。可以从SQLZoo去练习。在线版的SQL练习教程。https://sqlzoo.net/wiki/SQL_Tutorial。书的话《SQL必知必会》还不错。很精简。基本可以满足日常表的查询和维护了。想要不仅满足于查询的话。还可以参考《深入浅出MySQL》。数据库开发、优化与管理。600多页。

3、Python学习

对于非程序员出身的新手小白来说入门很简单。精通还是不容易的。如果你仅仅是停留在用Python进行数据处理和分析的阶段上。建议《利用Python进行数据分析》这本书非常不错。不要去学python开发、python编程之类的书。Python可以用来做很多事情。但对于数据分析师而言。我们可能不需要用Python来开发什么游戏、网站等。我们只需要进行数据控制、处理、整理和分析即可。系统地学一下python中的数据科学库是非常有必要的。如：Numpy、pandas等。

4、可视化

有很多可视化的工具。用Excel可以实现可视化。powerBI、Tableau、Python也可以可视化。工具的选择是一方面。另一方面是对于图表的理解。什么场合适用什么样的图表。

用Excel做排列图

5、数据分析的思维和方法

参考书籍《深入浅出数据分析》。把道理方法讲的很透彻的一本书。对于深入理解底层逻辑很友好。《谁说菜鸟不会数据分析》系列。主要是对于方法和工具使用的学习。可参考之前的文章 数据分析方法论 来大概了解。

6、统计学

《深入浅出统计学》非常棒的一本书。对于统计学的基本概念的解释非常直白到位。让小白能够清楚地理解这个公式为什么是这样子的。而不是直接摆公式。底层逻辑明白后。可以参考李航的《统计学习方法》。这是大学课本。有时间的话还是应该好好研究一下系统逻辑的。

7、对业务的理解

推荐《数据挖掘与数据化运营实战》。这本书对业务与数据分析怎么结合有很详细的说明和实例。

• 准备与好友合伙做生意,开什么店合适？
• 想开个店,开什么好呢？资金不多,刚刚创业。谢谢？
• 有什么行业适用于初创业？
• 刚入社会的人想开店,最好开一家什么店？
• 什么类型的项目适合刚创业的人群呢？

以上就是由互联网推广工程师 网创网 整理编辑的，如果觉得有帮助欢迎收藏转发~