對於剛剛入門數據分析的人來說，經常會聽到網上那些天花亂墜的學習方法和教程，但是卻感覺像是無頭蒼蠅一樣，東一榔頭西一棒槌，不知道到底先學數據分析的工具，還是要先掌握數據分析思維和方法，甚至糾結不清，選錯了路，以後追悔莫及。
首先，我們需要認清一個觀念，那就是數據分析是一種能力，而不是一種崗位。
現實情況下，一般叫數據分析的基礎性崗位，它需要的能力多半是數據處理能力，既然都是數據處理能力了，你必然要先學工具，不然根本連面試都過不了。
但是如果你是需要數據分析能力的其他崗位，比如數據產品經理，比如產品運營或產品經理，那就是要先學分析方法，你需要通過分析思路去解決具體的業務問題或者產品問題，而一般數據處理可以提需求給數據分析師或者數據RD。
那麼，對於想要第一次要入門數據分析的人來說，工具重要還是方法更重要呢？
數據分析的日常流程
在回答這個問題前，我們先體驗下數據分析師日常的工作流程：
比如你公司有一款APP，平時“日活”穩定在9W-10W之間，但是10月26日忽然跌到了8.8W，到10月27日掉到了8.5W，這時候產品負責人急了，想要你配合排查下日活下跌的原因。
FineBI
接到這個任務時，你腦子裡開始有一個分析框架的雛形：
- “日活”指標下跌了多少？是正常範圍內的下跌？還是突發式的下跌？（What）
- 是整體用戶下跌，還是部分用戶？（Who）
- 下跌具體是從什麼時候開始的？（When）
- 什麼原因會導致下跌？是某個渠道推廣到期？還是產品更新導致登錄有問題？（Why）
接下來，你會把近期數據從數據庫中提取出來，數據提取這步用到了SQL。數據整理清洗和分析用到了Excel。
數據提取後，你會做具體的分析，到了分析這步你就會用到統計學知識和數據分析方法論。
比如，本週和上週對比環比下跌了多少？這裡涉及到了統計學中環比的概念，還有
對比分析方法。再比如，你會從用戶、地域等不同的維度去拆分問題。最終你發現導致日活下跌的原因是A渠道推廣費用到期了，這一步你就用到了多維分析法。找到了原因後，你會提出解決辦法，推動產品部門落地執行。在溝通和展示的過程中，你可能會用PPT。
先學工具還是先學方法？
根據以上工作場景，我們再回到問題：轉行數據分析，是先學方法還是工具？
我的回答是：同時，但方法要優於工具。
如果你學會了工具，但在實際工作場景中不會應用或者沒有分析思路，這是很致命的。就好比你買了一堆食材，但不會做。
如果學了分析方法，但是不知道怎麼提取數據分析數據，就好比你手裡有一個食譜，但是菜在冰箱裡拿不出來。
因為數據分析師的工作最終都不會脫離業務存在，每一步的執行和思考都需要工具的使用和數據分析方法論的應用，所以二者缺一不可。
從以上場景中，我們能夠看出一個優秀的數據分析師起碼要具備4種能力，分別是：
1.基礎工具的使用
2.數據分析方法論
3.統計學知識
4.結構化思維
一、工具的使用
對數據分析而言，熟練掌握Excel+SQL+PPT+FineBI/python這4個工具可以應對大部分工作了。
有的小夥伴會問，那R語言呢？除非特殊要求，一般情況下R和Python掌握一個就可以。工具就好比我們去打仗的兵器，你不能赤手空拳上戰場。
在工具學習這部分，建議先熟練掌握Excel+SQL，這2個工具是數據分析的基礎和核心。
- Excel是日常工作中用到的最多的工具，常用的函數及數據透視表都要學。Excel推薦書籍《Excel高效辦公：數據處理與分析》
- SQL是數據分析的核心工具，主要學習Select、聚合函數以及條件查詢等內容。SQL推薦數據《SQL基礎教程》
- Python重點掌握Pandas數據結構、Matplotlib庫、Pyecharts庫及Numpy數組。有SQL基礎之後再學Python會相對輕鬆些，所以不建議0基礎轉行的小夥伴上來就學Python。Python推薦書籍《對比Excel，輕鬆學習Python數據分析》
- BI在數據處理，數據分析，數據展示上的功能遠遠強於excel，例如FineBI這款BI工具，其可以整合企業中所有不同業務系統中的數據，這是excel無法實現的，另外還可以對數據按照不同的維度進行分析，系統會以數據的特點來適配圖表展示，這些也都是excel做不到的。
二、數據分析方法論
這部分需要掌握常見的分析方法如多維分析法、對比分析法、漏斗分析法、假設檢驗、迴歸分析等。推薦書籍《誰說菜鳥不會數據分析》
三、統計學知識
統計學這部分需要學習環比、同比、參數、變量、統計量、貝葉斯、二項分佈、正態分佈等基礎概念。推薦書籍《赤裸裸的統計學》
四、結構化思維
結構化思維是優秀分析師必備技能，這部分內容推薦書籍
《金字塔原理》。它能教會你思考、表達和解決問題的邏輯。
同時推薦一個好用的工具Xmind，在建立指標體系的時候會讓你的分析非常有條理。
總結
零基礎入門數據分析，建議你多去看一些商業數據模型和數據分析案例，從案例中汲取知識，最終形成自己的分析思路。因為分析思路對數據分析師來說真的很重要。
同時，你要給自己一個明確的崗位目標，在學習期間充分調研目標領域的行業知識。
理論和工具的學習，最終目的都是為了通過數據驅動業務增長，所以讓你的工具技能和理論知識能夠落地實戰才是最重要的！
閱讀更多 數據分析不是個事兒 的文章
