数据分析学习指南

如何学习数据分析？做数据分析师需要掌握哪些技能？有什么学习路径？

下面的学习指南，供你参考：

1、学习方法

知识有时候是相通的，面对一个很难理解的东西，不妨换个纬度想一想，或许就豁然开朗了。如今网络资源非常丰富，提炼好的关键词，善用搜索引擎，很多问题都能找到多种解决方案。

当遇到难题的时候，在充分思考的基础上，多提问。如果是问别人，应注意提问的技巧，把问题准确地描述清楚。如果是问自己，推荐使用5W2H分析法，又叫七问分析法，简单实用。

• What：是什么？目的是什么？做什么工作？

• Why：为什么要做？可不可以不做？有没有替代方案？

• Who：谁？由谁来做？

• When：何时？什么时间做？什么时机最适宜？

• Where：何处？在哪里做？

• How ：怎么做？如何提高效率？如何实施？方法是什么？

• How mutch：多少？做到什么程度？数量如何？质量水平如何？费用产出如何？

问题解决后，鼓励多分享，在分享中学习和巩固提高，同时能帮助别人，提高自己的影响力。分享的方法可以包括公开学习笔记、发表微信公众号文章、给公司同事讲解、参与社群讨论、制作视频课程等等。

2、学习内容

数据分析的基础概念主要是一些统计学的相关知识，建议去考一下国家统计局颁发的「统计专业技术资格」证书 ，有初级、中级和高级三个级别，详情参考：

http://www.stats.gov.cn/tjfw/tjzyjszgks

刚好最近国家实行个税改革， 在取得证书的当年，可以按照3600元定额扣除个人所得税，以此作为激励自己持续学习的一个动力，也是挺好的。

业务往往是在动态变化的，对业务逻辑的理解也应该与时俱进，积极与懂业务的人沟通交流。宏观的分析思维是基本相同的，「对比、细分、溯源」的分析方法通常在各种分析场景都适用。

网络上有大量 数据分析工具 的学习资源，我觉得「如何七周成为数据分析师」系列文章写得很好，文章合集地址：

https://ask.hellobi.com/blog/qinlu

其中还包括一些业务知识、数据运营和职业规划的相关文章，推荐阅读。

利用好数据分析工具，往往能够事半功倍，俗话说的好：「磨刀不误砍柴工」，但是要注意灵活运用，不能把时间花在磨刀背上，而应该把时间花在磨刀刃上。数据分析是为业务服务的，重点是要满足业务的需求，所以理解业务非常重要。

3、学习过程

数据分析需要学习的内容可以很多很多，而且数据分析 工具 也在不断推陈出新，如果每个领域都深入学习，恐怕一辈子都学不完。

贴一张IBM Watson执行架构师Swami Chandrasekaran绘制的图片：MetroMap to Data Scientist

（图片可点击放大）

它就像一个城市的地铁图，总共有10条线路，它们 分别是：

1. 基础原理（例如：矩阵和线性代数等）

2. 统计学（例如：描述统计和贝叶斯理论等）

3. 编程（例如：Python和R等）

4. 机器学习（例如：决策树和神经网络等）

5. 文本挖掘／自然语言处理（例如：支持向量机和关联规则等）

6. 数据可视化（例如：D3.js和Tableau等）

7. 大数据（例如：Hadoop和 MongoDB 等）

8. 数据获取（例如：数据调查和ETL等）

9. 数据清理（例如：主成分分析和分层抽样等）

10. 常用工具（例如：Excel和 Python 等）

每条路深入走下去都不容易，很少有人能精通其中多个领域。以上这些还 只是硬技能，事实上，职场中更重要的是软技能。 根据领英的经济图谱团队发布的《2018新兴工作岗位报告》，职场 最大的技能缺口是软技能。

口头交流、领导力和时间管理等，就属于软技能，软技能几乎占据了技能缺口的一半。报告建议，职场人士需要在快速变化的工作环境中，学习并保持软技能，因为拥有这些技能的人才具备更大的职场优势。。

写作和演讲也是非常重要的软技能，而且这些能力都是进无止境的。我觉得应该从自身的实际情况出发，不可能面面俱到，但可以树立终身学习的理念，先熟悉一些基本概念和业务逻辑，确立数据分析的目标，逐步培养数据分析思维，再利用数据分析工具去实现目标，不断积累数据分析的实践经验，从而丰富自己的数据分析知识体系。