數據分析入門學習指南，零基礎小白都能輕鬆看懂

數據分析在現在的求職場上愈來愈重要。然而，讓不少朋友困惑的是，我是沒有編程基礎的小白，能學會數據分析麼？該如何學習數據分析呢？

其實，若是你打算成爲一名數據分析師，如何出身並不重要，數據科學是一門應用學科，你須要系統提高數據獲取、數據分析、數據可視化、機器學習的水平。下面我就簡單提供一個數據分析入門的路徑。

第一階段：Excel數據分析

每一位數據分析師都脫離不開Excel。

它是平常工做中最經常使用的工具，若是不考慮性能和數據量，它能夠應付絕大部分分析工做。雖然如今機器學習滿地走，Excel依舊是無可爭議的第一工具。

對於沒有經驗的你，Excel是一款必須熟練的工具。它是平常工做中最經常使用的工具，若是不考慮性能和數據量，它能夠應付絕大部分分析工做。

第二階段：SQL數據庫語言

做爲數據分析人員，咱們首先要知道如何去獲取數據，其中最多見的就是從關係型數據庫中取數，所以你能夠不會R，不會python，可是你不能不會SQL。

DT時代，數據正在呈指數級增加。Excel對十萬條之內的數據處理起來沒有問題，可是往小處說，但凡產品有一點規模，數據都是百萬起。這時候就須要學習數據庫。

會在招聘條件中，愈來愈多的產品和運營崗位，將會SQL做爲優先的加分項。SQL是數據分析的核心技能之一，從Excel到SQL是數據處理效率的一大進步。

主要了解數據庫查詢語言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函數等。

學習SQL最快的方法是能本身下載數據庫管理工具，找些數據練習。客戶端這裏推薦MYSQL。

推薦書籍：《MYSQL必知必會》

第三階段：數據可視化&商業智能

數據可視化能力已經愈來愈成爲各崗位的基礎技能。領英的數據報告顯示，數據可視化技能在歷年年中國最熱門技能中排名第一。

可視化工做幾乎是你正式進行數據分析的第一步，經過SQL拿到數據以後，咱們須要使用可視化方法探索和發現數據中的模式規律。

數據分析界有一句經典名言，字不如表，表不如圖。實際上除掉數據挖掘這類高級分析，很多數據分析就是監控數據和觀察數據。

除此此外，數據分析的大多時候都是要兜售本身的觀點和結論的，而兜售的最好方式就是作出觀點清晰數據詳實的PPT和報表給老闆看。

可視化的工具備不少，這裏我推薦Tableau或者FineBI。這兩款都不要編程功底，實現起來簡單，功能強大。下圖是Excel製做銷售管理分析儀案例：

Tableau製做股票分析儀：

FineBI可視化分析：

推薦書籍：《用圖表說話》-麥肯錫

第四階段：數理統計學

統計學是數據分析最重要的基礎之一，是數據分析的基石和方法論。

統計知識會要求咱們以另外一個角度看待數據。當你知道AB兩組的差別用平均值看是多傻的事情，你的分析技巧也會顯著提升。

這裏咱們須要從基礎的統計理論(描述性統計、區間估計、假設檢驗等)出發，到基本的統計分析（T 檢驗、方差分析等），最後到商業經常使用的模型（迴歸分析、方差分析等），學習數據分析背後的邏輯，掌握實用統計學的概念和會利用統計的思惟去思考問題。

推薦書籍：《從零進階 數據分析的統計基礎》-曹正鳳；《統計學》-賈俊平

第五階段：數據分析與軟件應用

SPSS是統計分析入門軟件，若是你想快速入門而又不想學習編程，我推薦使用SPSS。

SPSS軟件是世界三大統計分析軟件之一，以其易於操做、易於入門，結果易於閱讀的優勢，一直備受數據分析人員的青睞，通常通過短時間學習便可用SPSS 作簡單的數據分析，包括繪製圖表、簡單迴歸、相關分析等等。

學習SPSS的重點並不在於軟件自己，而是相關的統計學知識，這也是在前面建議你們鋪墊的，也就是你要學會怎樣去分析「輸入數據後，軟件給你呈現的結果」。

推薦書籍

《如虎添翼 數據處理的SPSS/SAS EG實現》-徐筱剛

《成竹在胸 數據分析的SPSS／SAS EG進階》-常國珍

《SPSS統計分析基礎教程+高級教程》-張文彤

第六階段：數據挖掘與軟件應用

數據挖掘，英文是Data Mining 也叫做數據勘探，相似於採礦，可是數據是貧礦。咱們須要結合行業課題，利用數據挖掘工具，建置數據挖掘模型，發掘規律和商業價值。另外數據挖掘是交叉學科，涉及統計學、計算機、機器學習、運籌學等多門學科，是一個運用普遍和富有前景的學科領域。

學習算法模型包括線性迴歸、邏輯迴歸、主成分分析、因子分析、聚類、關聯規則、決策樹、隨機森林、支持向量機、貝葉斯、神經網絡等。

對於工具，這一階段，建議選擇一門編程語言來學習。

Python或者R語言，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。

對於R和Python，咱們應該使用哪一種語言，已經爭論不少年了，至今沒有定論...... 事實大概是Python的主要功能是編程，除了單純的數據分析，在不少領域還有普遍利用，因此就業市場上對Python的需求是遠大於R。

R主要側重統計功能，在統計方面顯示出了不少的優點，用R作單純的數據分析仍是妥妥的穩穩的。可是往數據科學方向走的話，R就有點頂不住了，輪到Python揚眉吐氣了......

是否具有編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘、BI、爬蟲、可視化報表都須要用到編程。如下以python介紹語言學習的路徑：

Python則是萬能的膠水語言，適用性強，能夠將分析的過程腳本化。Pandas、Numpy、SKLearn等包也是很是豐富。Python學習導圖：

推薦書籍：

《笨方法學Python》《像計算機科學家同樣思考》

《Python數據科學手冊》《利用Python進行數據分析》《數據科學入門》

《機器學習實戰：基於Scikit-Learn和TensorFlow》

《數據挖掘實戰》

《Python深度學習》

第七階段：數據分析行業應用和數據分析思惟

對於數據分析師來講，業務的瞭解比數據方法論更重要。固然很遺憾，業務學習沒有捷徑。

推薦書籍：《增加黑客》；《精益數據分析》

以上就是商業數據分析師的完整進階路線，若是你沿着此路線學習，相信你在數據分析道路上有所收穫。