從個人數據分析課程開講以來，收到了很多朋友的問題：我是作運營的想入門數據分析應該怎麼學？新手作數據分析有哪些好用的工具？會用Excel可是作分析老是沒思路怎麼辦？作數據分析有哪些方法等等一系列的問題，今天我就用這篇文章統一回答關於數據分析入門的問題。python
1、數據分析是什麼？
不少人都沒有搞懂數據分析是什麼，包括一些公司和企業也沒搞清楚數據分析的定義。常常聽到有人說投了數據分析的崗位，結果入職以後天天干的活就是取數給業務用，感受本身就像個取數機。這樣的工做根本不能叫作數據分析。什麼是數據分析，用我本身的話來講就是針對某個問題，將獲取後的數據用分析手段加以處理，並發現業務價值的過程。這一句話也基本涵蓋了數據分析的流程：目標肯定——數據獲取、清洗、整理——數據分析——結果呈現面試
2、數據分析須要哪些能力？
數據分析師須要會哪些技能，圍繞上面數據分析的基本流程，我把數據分析師的能力分爲這樣三大部分：基礎知識、工具技能、分析方法與思惟如下師數據分析的技能大綱，圖中標記了能力等級，你們根據本身的狀況對應學習：算法
3、數據分析基礎知識
數據分析理論知識這方面，須要掌握是統計學和機器學習相關知識。sql
一、統計學數據庫
絕不誇張的說統計學是整個數據分析的靈魂。判別一個數據分析師強弱的一個重要方法就是，看他對統計規律的敏感度。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：《深刻淺出數據分析》、《統計學習方法》李航《深刻淺出數據分析》這本書很是推薦做爲小白的入門書籍，特別是以前沒有接觸過數據分析的。特色和書名同樣深刻淺出，並且圖多。裏面沒有那麼多公式和理論，但其中對於統計的基本原理以及統計問題的來源場景介紹的很是通透，很是符合深刻淺出系列定位。若是有以前有必定基礎，建議略過。編程
二、機器學習併發
對於想要進階成爲高級數據分析師的朋友來講，就要掌握機器學習相關的知識：特徵工程的基礎：如何統計數據特徵、選用不一樣的特徵，作模型的優化；基本的分類算法：決策樹、隨機森林等；基本的聚類算法、數據挖掘、常見的機器學習算法的瞭解等等機器學習相關的知識學習成本會比較高，對某些同窗來講可能會有必定難度，但對於業務型數據分析師來講，通常不會要求你去推導算法公式，能作到明白不一樣算法的適用場景、優缺點、原理大概懂就基本能夠了。推薦學習書籍：《機器學習》周志華，網上也有很多學習視頻，入門的話我推薦吳恩達的coursera機器學習課機器學習
4、數據分析工具學習
一、PPT編程語言
爲何把PPT放在第一，緣由很簡單，咱們作數據分析的目的是什麼？固然是爲了展現給客戶、上級，供他們作決策。因此PPT做爲主流彙報、展現工具，是將分析關鍵結果傳遞給其餘的重要手段。學好PPT能夠提高溝通和消息傳遞效率，也是數據分析師必備的技能，具體學習書目我就不作推薦了。函數
二、EXCEL
EXCEL應該是數據分析師最經常使用的統計分析工具了，緣由是由於方便，所見即所得，並且具備方便的可視化功能。應該說只有學會了Vlookup，數據透視和基本公式纔算EXCEL入門，其次EXCEL最大的驚喜是數據可視化，擁有大量的圖表模板，能夠減輕咱們不少工做。這裏我推薦《誰說菜鳥不會數據分析》這本書做爲EXCEL入門。這本書若是做爲數據分析入門書籍是不合格的，由於它有太多內容是關於EXCEL基本操做的，關於數據分析的內容反而不多，可是實事求是的講這本書裏面關於EXCEL數據分析經常使用公式、數據可視化的內容仍是不錯的，能夠當成一本入門書籍。
三、ACCESS
爲何把ACCESS做爲中級數據分析師必備技能，緣由很簡單，當數據太大，EXCEL又處理不了，又沒有很強的編程基礎怎麼辦？ACCESS的優點就體現出來了，它能夠在不用掌握很高深編程語言的條件下，處理Excel所不能承載的大存儲量的數據原始文件，速度奇快，且易學易用。做爲入門，我推薦《表哥的Access入門》這本書。經過一個簡單的小飯館數據庫管理程序的開發過程，對理解數據庫和學習一些基本的ACCESS頗有幫助。
四、SQL
做爲數據分析人員，要想獲取數據，確定就要和數據庫打交道，所以sql確定是要掌握的，在招聘要求中，sql也是不少數據分析崗位的能力要求之一。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，主要了解一些數據庫查詢語言，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。這裏推薦《MYSQL必知必會》
五、Python
Python做爲目前最火的編程軟件之一，確實在數據分析、數據挖掘上有着獨特優點。是否具有編程能力，也是初級數據分析和高級數據分析的分水嶺。如下以python的學習路線圖：
看起來要學習的內容挺多的，但其實python最大的優點就是語言簡約，很是易於讀寫，若是以前有必定的編程基礎，上手很快。推薦書籍《Python編程快速上手》，新手能夠跟着書裏的內容一步步作，把裏面的項目作完，差很少就入門了
六、商業數據分析軟件
excel作數據分析難以解決大數據量的問題，對沒有編程基礎的人來講上手python又比較難，這時候能夠選擇利用數據分析軟件來作數據分析，如今市場上的數據分析軟件基本都涵蓋來數據採集、處理、分析到可視化展示的過程，操做簡單，可視化效果很棒，比較適合新手入門。比較好用的有FineBI、tableau 等等
5、數據分析方法
學習數據分析確定有人上網百度了很多數據分析方法，什麼漏斗分析法，PEST，SWOT模型、杜邦分析法等等。而且因爲不一樣版本的演繹，形成了分析方法種類繁多，使人眼花繚亂，關於分析方法值得一說的就是必定要結合行業特色，特別是對業務的掌握，這樣才能事半功倍。下面簡單列幾個比較通用的分析方法：
一、對比分析法
對比分析法經常使用的基礎分析方法，雖然方法特別簡單，但幾乎全部的分析報告中，都會採起對比分析方法。好比去年同期相比、上個月環比、目標和實際達成相比、各個部門和業務線相比、行業內競品比較、營銷效果對比，等等。這裏須要注意的是咱們無論是橫向比較仍是縱向比較，比較的雙方必定要有可比性，而且在同一個維度、粒度上去比較，要不是毫無心義的。
二、5W2H分析法
這個方法主要應用於用戶行爲研究和專項問題分析，從時間、地點、人物、事情、緣由、方式、價格等7個方面對一個問題進行刻畫研究。
三、SWOT
明確資源優點(Strengths)、競爭劣勢(Weaknesses)、外部環境變化帶來的機會（Opportunities）和威脅（Threats）等，將這些因素有機結合起來，以此肯定企業經營戰略。
四、PEST
從政治（Politics）、經濟（Economics）、社會（Society）、技術（Technology）4個視角分析外部環境。
五、杜邦分析法
杜邦分析法是一種用來評價公司盈利能力和股東權益回報水平，從財務角度評價企業績效的一種經典方法。其基本思想是將企業淨資產收益率逐級分解爲多項財務比率乘積，這樣有助於深刻分析比較企業經營業績。
6、數據分析思惟
分析思惟是數據分析師最最核心的競爭力，上面所學習的python、sql、機器學習知識等都是在工具層面，要想使用好他們，還須要分析思惟的駕馭。對於分析思惟的學習，我建議新人也是從讀書開始，我看過的且比較推薦的書包括：
數據分析類
《精益數據分析》、《增加黑客》、《數據化管理：洞悉零售及電子商務運營》、《數據挖掘與數據化運營實戰 思路、方法、技巧與應用》
產品思惟類
若是是想要從事互聯網行業的數據分析師的話，產品思惟也是必需要具有的，面試考察點之一，推薦《從點子到產品：產品經理的價值觀與方法論》、《俞軍產品方法論》、《產品思惟》
邏輯思惟類
在面試中邏輯清晰的回答面試官的問題，會爲你大大的加分，推薦《金字塔原理》、《學會提問》、《麥肯錫思惟》