在当前的大数据时代背景下，数据分析师的发展前景是比较广阔的，未来传统行业也会释放出大量的数据分析岗位。很多人一直想入门数据分析却不知怎么学，今天就给大家介绍一下。
一、数据分析是什么？
很多人都没有搞懂数据分析是什么，有人从事数据分析工作每天干的活就是取数给业务用，感觉自己就像个取数机。这样的工作根本不能叫做数据分析。什么是数据分析，概括来说就是针对某个问题，将获取后的数据用分析手段加以处理，并发现业务价值 的过程。这一句话也基本涵盖了数据分析的流程：目标确定——数据获取、清洗、整理——数据分析——结果呈现
二、数据分析需要哪些能力？
数据分析师需要会哪些技能，围绕上面数据分析的基本流程，我把数据分析师的能力分为这样三大部分：基础知识、工具技能、分析方法与思维。以下是数据分析的技能大纲，图中标记了能力等级，大家根据自己的情况对应学习：
三、数据分析基础知识
数据分析理论知识这方面，需要掌握是数学统计学和机器学习相关知识。
第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法设计能力，所以数学和统计学对于数据分析是非常重要的，数学是最基础的这里不再说明。
1、统计学
统计学是整个数据分析的灵魂。判别一个数据分析师强弱的一个重要方法就是，看他对统计规律的敏感度。这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
推荐书籍：《深入浅出数据分析》、《统计学习方法》李航《深入浅出数据分析》
2、机器学习
对于想要进阶成为高级数据分析师的朋友来说，就要掌握机器学习相关的知识：
特征工程的基础：如何统计数据特征、选用不同的特征，做模型的优化；
基本的分类算法：决策树、随机森林等；
基本的聚类算法、数据挖掘、常见的机器学习算法
机器学习相关的知识学习成本会比较高，对某些同学来说可能会有一定难度，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理大概懂就基本可以了。
推荐学习书籍：《机器学习》周志华
四、数据分析工具学习
1、PPT
为什么把PPT放在第一，原因很简单，我们做数据分析的目的是什么？当然是为了展示给客户、上级，供他们做决策。所以PPT作为主流汇报、展示工具，是将分析关键结果传递给其他的重要手段。学好PPT可以提升沟通和消息传递效率，也是数据分析师必备的技能，具体学习书目我就不做推荐了。
2、EXCEL
EXCEL应该是数据分析师最常用的统计分析工具了，原因是因为方便，所见即所得，而且具有方便的可视化功能。应该说只有学会了Vlookup，数据透视和基本公式才算EXCEL入门，其次EXCEL最大的惊喜是数据可视化，拥有大量的图表模板，可以减轻我们很多工作。
推荐《谁说菜鸟不会数据分析》
3、ACCESS
为什么把ACCESS作为中级数据分析师必备技能，原因很简单，当数据太大，EXCEL又处理不了，又没有很强的编程基础怎么办？ACCESS的优势就体现出来了，它可以在不用掌握很高深编程语言的条件下，处理Excel所不能承载的大存储量的数据原始文件，速度奇快，且易学易用。
推荐《表哥的Access入门》
4、SQL
作为数据分析人员，要想获取数据，肯定就要和数据库打交道，因此sql肯定是要掌握的，在招聘要求中，sql也是很多数据分析岗位的能力要求之一。学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习，主要了解一些数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。
推荐《MYSQL必知必会》
5、Python
Python作为目前最火的编程软件之一，确实在数据分析、数据挖掘上有着独特优势。是否具备编程能力，也是初级数据分析和高级数据分析的分水岭。
看起来要学习的内容挺多的，但其实python最大的优势就是语言简约，非常易于读写，如果之前有一定的编程基础，上手很快。
推荐书籍《Python编程快速上手》
6、商业数据分析软件
excel做数据分析难以解决大数据量的问题，对没有编程基础的人来说上手python又比较难，这时候可以选择利用数据分析软件来做数据分析，现在市场上的数据分析软件基本都涵盖来数据采集、处理、分析到可视化展现的过程，操作简单，可视化效果很棒，比较适合新手入门。比较好用的有FineBI、tableau 等等
五、数据分析方法
学习数据分析肯定有人上网百度了不少数据分析方法，什么漏斗分析法，PEST，SWOT模型、杜邦分析法等等。并且由于不同版本的演绎，造成了分析方法种类繁多，令人眼花缭乱，关于分析方法值得一说的就是一定要结合行业特点，特别是对业务的掌握，这样才能事半功倍。下面简单列几个比较通用的分析方法：
1、对比分析法
对比分析法常用的基础分析方法，虽然方法特别简单，但几乎所有的分析报告中，都会采取对比分析方法。比如去年同期相比、上个月环比、目标和实际达成相比、各个部门和业务线相比、行业内竞品比较、营销效果对比，等等。这里需要注意的是我们不管是横向比较还是纵向比较，比较的双方一定要有可比性，并且在同一个维度、粒度上去比较，要不是毫无意义的。
2、5W2H分析法
这个方法主要应用于用户行为研究和专项问题分析，从时间、地点、人物、事情、原因、方式、价格等7个方面对一个问题进行刻画研究。
3、SWOT
明确资源优势(Strengths)、竞争劣势(Weaknesses)、外部环境变化带来的机会（Opportunities）和威胁（Threats）等，将这些因素有机结合起来，以此确定企业经营战略。
4、PEST
从政治（Politics）、经济（Economics）、社会（Society）、技术（Technology）4个视角分析外部环境。
5、杜邦分析法
杜邦分析法是一种用来评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。
六、数据分析思维
分析思维是数据分析师最最核心的竞争力，上面所学习的python、sql、机器学习知识等都是在工具层面，要想使用好他们，还需要分析思维的驾驭。对于分析思维的学习，建议新人也是从读书开始，推荐的书包括：
数据分析类
《精益数据分析》、《增长黑客》、《数据化管理：洞悉零售及电子商务运营》、《数据挖掘与数据化运营实战 思路、方法、技巧与应用》
产品思维类
推荐《从点子到产品：产品经理的价值观与方法论》、《俞军产品方法论》、《产品思维》
逻辑思维类
推荐《金字塔原理》、《学会提问》、《麦肯锡思维》
最后送给大家一套数据分析师教程，转发+关注后私信"数据分析"即可免费获得
