基础的小伙伴应该该怎么自学数据分析呢？
我会从学习方式、学习内容、面试准备这三项内容展开介绍，那么废话不多说，我们直接进入正题。
一、学习方式
我们可以将学习方式划分为2类：①裸辞学习 ②在职学习
一般情况不建议裸辞，因为裸辞的小伙伴在求职的时候会比较被动：
心态问题 ，如果长时间找不到工作，要承受很大的心理压力；
HR压制 ，这里指HR会压制你的薪资，比如面试官会问，什么时间能到岗，你会很急切的回复说，“明天就可以！”相对应的，你的薪资也是“再降点也可以！”。
所以，如果目前的工作不会让你3秒钟就原地爆炸的话，真的不要裸辞！
二、学习内容
从初级数据分析师招聘要求的必须技能来看，主要包括理论知识和工具实践两部分内容。
理论部分
统计学：为什么将统计学放在第一位呢？因为统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、概率、分布、抽样、等内容，例如你必须要知道什么是环比和同比，什么是相关和因果，这都是你未来数据分析的基础。
数据分析方法论：这里要学习一些数据分析常用到分析方法，如趋势分析法、对比分析法、多维分解法、用户细查、漏斗分析、留存分析、4P理论、PEST理论、SWOT分析、5W2H理论、逻辑树理论、用户使用行为理论、AARRR模型等。
结构化思维：可以去读一下《金字塔原理》，它能够教会你思考、表达和解决问题的逻辑，例如金字塔里面有提到MECE原则，中文意思是：相互独立，完全穷尽。它是金字塔原理中很重要的原则，是结构化思维的体现，常用于问题或目标拆解。在未来工作中，能够帮助你建立全面的数据分析框架。
工具部分
Excel：它是最基础的数据分析工具。在学习的Excel的时候需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据透视表、Vlookup等。另外Excel还可以导入一些模板来使用，典型的包括数据分析模块、做假设检验经常用到；规划求解，做线性规划和决策等问题非常有效。
SQL：它是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）
PPT：用来和业务部门交流需求，展示分析结果。
Python：主要学习Numpy、Pandas、Matplotlib、Seaborn等内容。Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，在处理数据时候运行速度非常快。
这里需要注意的是不同公司对工具的要求也不同，例如有些公司要求会使用R语言、SPSS等，具体学哪一个工具可以参照JD要求，其中Excel、SQL和PPT是必备的基础技能工具。我的建议是先学Excel和SQL，最后再去看Python。
三、求职面试
这部分我们先来解答一下文章开头提到的问题“学习到什么程度可以去找工作”
其实这个问题要根据面试公司的岗位技能要求来确定，如果是面试初级的数据运营，只要具备基础的数据分析技能就可以尝试去找工作了，而且如果你是面数据运营（SQL+Excel就能搞定大部分工作）。如果是面试数据分析师，要求则会更高一些。
技能掌握好之后，要根据自己的目标城市、个人爱好、专业优势等因素确定目标行业。
数据分析是一个行业特征很明显的职业，如果你说自己想进入“互联网”企业，那可能说明你还没有想清楚自己到底要干什么。
因为互联网的存在是为了解决某个行业的问题（互联网+企业），比如滴滴、高德地图是为了解决出行交通行业问题（互联网+交通出行），比如美团饿了么解决的是餐饮生活类问题（互联网+餐饮），比如vipkid是为了解决少儿英语学习问题（互联网+教育），蚂蚁金服解决的是金融行业问题（互联网+金融）
这些行业都需要数据分析师，但是每个行业的业务知识和业务指标是不一样的。所以只有确定了行业，才能深入研究这个行业究竟是什么，对症下药，这样转行的成功率会更大。
行业确定后，接下来要明确目标公司，这里需要注意的是不同发展阶段的企业在数据使用的深度上是不同的。
沉睡型的企业，基本就是用Excel做一些基础统计和数据整理，做数据分析的人可能也是兼职，就是我们俗称的“表哥表姐”
在起步阶段，企业已经开始产生用数据报表的习惯，工具还是以Excel为主，数据库为辅，这个阶段的企业已经有少量的专职人员来维护数据库了。
发展型的企业，数据应用深度逐渐转向了业务，企业开始用数据规范工作，使用的工具变成了以数据库和专业的分析工具为主，并且企业会有专业的团队来负责数据工作。
成熟的企业特点更加鲜明，企业有成熟的基于业务场景的数据产品，数据类产品或服务是业务运营的核心组成部分。这时候企业运用的工具往往是数据平台或成熟的数据组件。
所以不同类型或者不同发展阶段的的企业对于数据的资源储备是有极大差异的，对数据人才的要求也不尽相同。
掌握了技能，明确好目标公司，然后就可以准备投递简
评论0
加载中...
零基础如何入门数据分析师？
大数据时代，数据为王。用数据做分析，给公司决策提供指导性意见，是众多公司在这个精细化运营，降本增效的时代必须要做的事情。各大企业都建立了数据分析部门。截止目前，我国共计1400万数据分析人才缺口，市场规模预计将在2025年达到2000亿！数据分析与其说是一个岗位，更是一个重要技能，拥有这项技能意味着你的就业前景更好，职业发展更广。
那么数据分析零基础应该怎么学呢？下面我将从数据分析的学习周期、学习内容以及职业发展规划三个方面，带大家充分了解数据分析这一行业。
1、 数据分析要学多久？
每个人的学习能力和基础都不同，所以数据分析的学习周期也不同。如果是通过自学的方式，由于无专业老师指导及无法系统的学习，这个周期可能会很长。一般来讲，如果零基础的学习者进行系统的培训，最快也要将近三、四个月的时间。数据分析的学习应该首先从熟悉表以及表结构开始，它的原点一定是在首先了解熟悉Excel的基础上，在能够从数据库里提数的基础上再进行技能的升级。你的技能从能够从数据库里提数，并且用Excel和BI处理几万行的小数据量，到使用python批量化处理几十万甚至百万行中量级数据量，到最终使用大数据的相关组件，例如hadoop，spark，flume等组件处理千万级甚至是亿级大数据量。每一个阶段所需要的工具加方法论都是不一样的。一般而言，对于自学而成为能处理中量级数据量的分析师而言，得至少入门python的pandas，numpy等数据处理库。这个零自学的周期，也一般跟悟性和自律有关，悟性和自律性高的同学，可能在4个月能够掌握；如果悟性和自律性不高的同学，这个周期有可能就是半途而废，无法估量时间了。这里给大家推荐一下聚数学院的《数据分析实战就业班》（聚数学院)，专注于培养数据分析师的数据处理能力、数据分析能力和数据挖掘能力，课程内容从数据库管理、统计理论方法、数据分析主流软件的应用到数据挖掘算法等，对一整套数据分析流程技术进行系统讲解并配以实战练习，学完之后，学习者可以直接达到数据分析师的水平。
2、 数据分析要学什么？
(1) Excel
说起Excel可能会有人觉得这个很简单，但是Excel确实是一个功能强大的利器。零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。作为数据分析师的核心工具，具体学习内容有Excel函数技巧（查找函数、统计函数、逻辑函数）、Excel快速处理技巧（格式调整、查找定位、快捷键技巧等）和Excel可视化技巧（组合图、条形图、数据气泡地图）等。
(2) Mysql
SQL同样是零基础学习数据分析的核心内容。因为作为数据分析师，你首先要解决的问题就是你要有数据来做分析。通常企业都会有自己的数据库，数据分析师首先得根据业务需要知道自己要从企业数据库中提取哪些数据。企业如果部署本地数据库，那么一定是SQL语言做提取数据的语言。SQL简单易懂，非常容易上手，并且是非学不可的。SQL语言从学习MySQL数据库开始，涉及对表结构数据的增删改查。真正在企业里面，数据分析师一般不会有增删改的权限，只会有查的权限。学员应该重点掌握查的各种句式。
(3) Python
Python的基础对于数据分析师而言是非常重要的。对于十万级或者百万级数据量而言，Excel和BI都会因为运行卡顿而变得完全无法使用。然而在实际企业运用中，一次性处理十万级以及百万级数据又是非常常见的。而Python则是处理这种中量级数据的利器。因为Python有很多的第三方强大的库，比如Numpy、Pandas、Matplotlib、Seaborn等。这些库能让数据分析师对百万数据进行数据清理和画图分析。Python不仅能数据清洗，画图，还能用sklearn进行大数据算法分析。虽然Python是数据分析的重要工具，但是不同的职业发展方向，Python掌握的程度也是不一样的。
(4) BI商业智能工具
BI可以理解成Excel图表透视表的高级版。BI是将表与表相连，然后得出很多指标图。它是一个大屏的看板，如下图：
企业销售指标，运营指标，物流指标等等。这些图可以表示企业在过去5个月的平均销售单价，过去24个月销售的物流发货量的变化曲线，甚至是现在实时的销售额，这些都是企业关心的问题。有了这个看板，领导层在监控企业业务方面就有了非常直观的数据，以供他们及时做出决策调整。现在市面上比较流行的BI软件，有FineBI，PowerBI等。而这些BI软件实际上都是非常类似的，学起来难度也不大。学习FineReport、FineBI由入门到精通，快速挖掘数据价值，将这些数据转化成有用的信息，让企业决策有数据依据，从而驱动企业决策和运营。
(5) 数理统计与数据运营
数理统计和数据运营方法论是数据分析师的理论基石。数理统计包括概率论，统计学，线性代数，以及基础的微积分理论。这些内容都不需要理解的很深，但是对它们的原理以及内涵都需要有所掌握。由于整个数据分析的源头其实就是脱胎于描述性统计分析的。描述性统计分析是对样本的总数、均值等指标做统计的；而数据分析后续涉及到的算法则是架构在统计学上更深一层次的建模。因此，掌握数理统计的相关知识对于入门数据分析师而言是基础且必要的。
那数据运营方法论是什么呢？数据运营方法论实际上是学习各个行业所运营的分析模型。例如，对电商而言，漏斗分析可以分析出来进入主页的人数PV1，到进入服装板块的人数PV2，PV2/PV1就可以得出一个进入服装板块的比率。还有很多通用的分析模型：相关分析，A/B test等。对于想往管理路线发展的数据分析师来讲，数据运营是必须要学习的知识。其实数据运营知识也不复杂，就是根据自身业务需求将指标拆解到最细，然后运用同比和环比两种数据分析方式。
(6) 机器学习
最后一个进阶要求数据分析师掌握对大量数据分析的能力。这种分析就不只是停留在描述统计分析和运用数据运营方法进行分析了，而是进行预测分析。预测分析的本质是利用已有的数据做出一套变量x，与预测最终值y之间的关系（也就是数学算法公式），然后利用这套算法，将更多的x输入算法中去得出一个预测的y值，这里听不懂没关系。总之，这个阶段的数据分析是利用大量的历史数据构建出一套数学公式（也就是算法），用这个数学公式去对未来进行预测。比如说：一个人大量地刷体育短视频，根据算法可以得出这个人可能对观看足球比赛的ucloud体育会员感兴趣。这类推断和预测对于商业世界是有着极大变现意义的。要想成为掌握算法的数据分析师，机器学习是不可跳过的入门。学员应该从简单的一元回归，多元回归，以及逻辑回归学习等，逐渐学习更多像决策树，随机森林，SVM等更高级的算法。
3、 数据分析的职业发展规划？
一般来讲，数据分析有两条发挥路线，一条是管理路线，一条是技术路线。往管理端发展，比如初级数据分析师，到数据运营，到数据分析经理、数据运营总监等等。这条发展路径主要要求统计学、Excel、PPT等技能，需要撰写市场分析报告。这条路看似技术掌握不用太深，但是对业务的理解要极深。而精深的业务理解需要时间和深度的业务钻研精神。如果你是非数学、计算机和统计学专业的朋友，比较适合这条非技术的职业发展之路。
而向技术方向发展，则目标会非常明确。一是深入往数据挖掘方向发展，学习深度神经网络，NLP等前沿算法。二是深入数据分析开发，把大数据组件hadoop，spark等等大数据组件学好学精。这是一条技术类的发展方向，要求更高的统计学能力、数理能力以及编程技巧。
实际上，无论是非技术的业务方向和技术专家方向都要的是两个字：钻研。当然听到这里，我们也需要重重地阐述一下：入门初级数据分析是不难的。而后半段，要成为一个优秀的数据分析师是难的，是需要刻苦钻研精神的。
如果看到这里，你觉得自己心理上已经就入门数据分析师方向做好了准备，但是你是零基础实在不知道如何入行的话，欢迎私聊获取免费的数据分析师知识点大纲，并且免费做数据分析师的入门咨询。
评论0
加载中...
谁天生就会计算机？数据分析和计算机有什么必然的关联吗？没有计算机的年代，人们就不做数据分析了吗？数据分析的基础是统计学，计算机只是工具。
评论0
加载中...
首先我想说这是可以的
其实我们的很多技能都是从0到1的，无非是有的是刻意去学，有的是在这样或那样的经
历打下的基础，然后就有了零基础和有一定基础之别。
毫无疑问，正常人都是可以学会的，只要你肯学，有决心，有耐心就肯定可以学会，只是
在这过程中，你是否有基础，是否有天分，是否肯动脑，是否找到适合自己的方法等等因
素，将决定你用时的长短，甚至决定了你能否继续走下去。
倘若你还年轻，想学就努力去付出行动吧，加油！
评论0
加载中...
感谢邀请。关于“零基础可以学习XXX”之类的问题，我感觉除了一些需要先天优势明显的项目，比如体育项目，比如书法绘画或者钢琴这些东西，可能先天条件比后天努力要重要得多，平常工作中的很多技术技能基本上都可以通过刻意学习去提高和改变。只不过在刻意练习过程中要做到几个关键：聚焦、反馈和调整，或者按照PDCA的方式进行，应该是可以做到的。希望能够帮助到你。
评论0
加载中...0
回答0
回答0
回答0
回答7
回答0
回答0
回答0
回答0
回答0
回答
