零基础学数据分析应该怎么入门

想要入行数据分析师，那么有两个部分必须掌握：工具 + 数据分析方。

数据分析师怎么自学 数据分析师快速入门

数据分析师怎么自学 数据分析师快速入门

数据分析师怎么自学 数据分析师快速入门

先谈工具。

学习过程应该由易入难。从认识表结构、懂得表连接、掌握小数据量处理，到表在心中、只需要代码批量自动化处理、并且会通过算法实现相关性分析，这两个状态之间有三个层次。

个层次：当数据分析师只用面对小量数据时（一般来说小于几万行），他/她应当先学会从MySQL（一种部署在本地计算机的数据库）的Sql语法提取数据，然后用excel进行做表做图的处理，亦或是用FinbeBI或者是PowerBI做出更为精美的指标看板，以供决策者看到公司销售、运营、人力等指标的变化趋势。

第二个层次：当数据分析师面对中量级数据（也就是百万千万级数据）时，他/她会发现：excel和BI无法打开这一庞大数据集。那么怎么办呢？这时Python的批量处理数据能力就变成了入门简单且处理效的工具了。Python是一种入门简单，语法简洁的编程语言，它拥有丰富的"工具库“。就像英语具有“日常英语”和“商务英语”等不同的语句库，python也有具有不同功能的工具库。比如python的pandas库就能够轻易地，对千万级表的数据做到，将第10行到第20万行的所有1都替换成0；python的numpy库又能轻易地进行N维空间的矩阵运算。另外python的matplotlib和seaborn可以短时高效地绘制跟excel和BI一样精美的指标图。

第三个层次：当数据分析师处理超大数据量的时候，hadoop和spark等等大数据工具及组件就会派上用场。这时学习的就是从多台上调取大量数据，并且要将这大量数据做出高效运算，和用算法进行分析。

先打地基，后建高楼。万楼皆从平地起。Excel，MySQL，BI就是处理小数据的地基。Python可处理中量级。Hadoop和spark等工具则是处理大数据的利器。

沿着这个思路往下，结合刻意联系的原则（量化的特定目标+实践+及时反馈），你一定会收获入门数据分析师的果实。

如何学习成为一名数据分析师？

文科可不可以做数据分析，可以，但要选对部门。其他行业不知道，就电商行业而言，分析师一般会出现在业务部门和基础数据部门。业务部门就是分析业务情况，工具一般excel就够了(excel本身就很强大了)，偶会会用一下SPSS。在这种部门主要要求的是对业务了解，对数据敏感，对商务敏感，能查找数据上升下降的原因，能分析产品特征，主要处理数据日报周报啥的，一般不需要会sql提数，但懂sql，提数时更容易让开发懂你需求的逻辑。基础数据部门，工作内容更广泛，需要懂基础数据及结构，会数据挖掘（需要数据和统计背景）会sql如果会数据开发更好了，每天做的工作多和数据挖掘有关，建模啥的，不光是分析得出一个结论就可以了，需要把数据工程化。立志于从事这样的工作，大学期间可以学学sql，学好统计学，找个咨询类的实习学习分析思路和写分析报告，建议还是从业务类的分析师入手。

学习数据分析师之前，你必须清楚自己想要达成什么目标。也就是说，你想通过这门技术来解决哪些问题或实现什么。有了这个目标，你才能清晰地开展自己的学习规划，并且明确它的知识体系。

如何自学数据分析?

数据分析是一个系统的知识结构，并不是只要会工具就可以的，目前有很多学了python和SQL的同学，在进入这个领域后只能从事一些BI报表之类的统计类工作，他并不等于数据分析师。

根据企业的业务来看，一般来说数据运营主要是完成数据处理的工作，比如测算ROI，报表，数据整理，数据查询和一些统计类的工作等，而数据分析师的工作不仅需要掌握一些工具的基础作，还需要懂业务，能够把商业知识和数据结合起来，能通过企业的各项数据发现企业经营过程中的业务问题，帮企业解决问题。

所以这就要避免自己成为一个表哥表姐，就要知道学习数据分析到底哪部分才是重点，数据分析师作为企业的重要枢纽，连接着公司的产品和运营等部门，在企业起着至关重要的作用。这就能看得出来数据分析师这个行业还是比较特殊的，因为这个岗位不以代码这种实际能看到的东西为主，而是一种“软实力”，对编程和工具的使用要求并不高，它不是会些工具就能胜任的，需要把数据和商业知识相结合，也需要多去做一些项目来积累经验，九道门数据分析学院认为数据分析师需要掌握一些数据处理的工具，需要具备商业知识架构，需要会把商业知识和数据结合起来，同时需要养成良好的分析思维习惯，也包括一些软性技能，这样才能利用数据的价值，帮助企业解决问题，推动企业的发展。

数据分析师怎么学

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、书籍/网站

1、Excel学习：

没有什么的书籍和网站，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。

2、SQL学习

建议在B站找视频观看,有很多,我们就有同名号定期上传学习视频哦。如果想要练习的话，可以从SQLZoo去练习，在线版的SQL练习教程。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 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

《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。