零基础如何系统学习数据分析技能？

每一位数据分析师都脱离不开Excel。

它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。

对于没有经验的你，Excel是一款必须熟练的工具。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。CDA数据分析老师整理了excel在数据分析中主要用到的功能如下图：

作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。

DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。

会在招聘条件中，越来越多的产品和运营岗位，将会SQL作为优先的加分项。SQL是数据分析的核心技能之一，从Excel到SQL是数据处理效率的一大进步。

主要了解数据库查询语言，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。

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。客户端这里推荐MYSQL。

推荐书籍：

《MYSQL必知必会》

数据可视化能力已经越来越成为各岗位的基础技能。领英的数据报告显示，数据可视化技能在2017年中国最热门技能中排名第一。

可视化工作几乎是你正式进行数据分析的第一步，通过SQL拿到数据之后，我们需要使用可视化方法探索和发现数据中的模式规律。

数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。

除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。

可视化的工具有很多，这里我推荐微软的Power bi或者Tableau。这两款都不要编程功底，实现起来简单，功能强大。下图是Excel制作销售管理分析仪案例：

Tableau制作股票分析仪：

推荐书籍：

《用图表说话》-麦肯锡

统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。

统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。

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：

《从零进阶 数据分析的统计基础》-曹正凤

《统计学》-贾俊平

SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。

SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。

学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。

推荐书籍：

《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚

《胸有成竹 数据分析的SPSS／SAS EG进阶》-常国珍

《SPSS统计分析基础教程+高级教程》-张文彤

数据挖掘，英文是Data Mining 也叫作数据勘探，类似于采矿，但是数据是贫矿。我们需要结合行业课题，利用数据挖掘工具，建置数据挖掘模型，发掘规律和商业价值。另外数据挖掘是交叉学科，涉及统计学、计算机、机器学习、运筹学等多门学科，是一个运用广泛和富有前景的学科领域。

学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。

对于工具，这一阶段，建议选择一门编程语言来学习。

Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。

对于R和Python，我们应该使用哪种语言，已经争论很多年了，至今没有定论...... 事实大概是Python的主要功能是编程，除了单纯的数据分析，在很多领域还有广泛利用，所以就业市场上对Python的需求是远大于R。

R主要侧重统计功能，在统计方面显示出了很多的优势，用R做单纯的数据分析还是妥妥的稳稳的。但是往数据科学方向走的话，R就有点顶不住了，轮到Python扬眉吐气了......

是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。以下以python介绍语言学习的路径：

Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。Python学习导图：

推荐书籍：

《Python数据科学手册》

《利用Python进行数据分析》

《机器学习实战》

《数据挖掘实战》

对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。

推荐书籍：

《增长黑客》

《精益数据分析》

以上就是商业数据分析师的完整进阶路线，如果你沿着此路线学习，相信你在数据分析道路上有所收获。

当然，如果你能接触到真实的数据分析项目和实战，同时“独学而无友，则孤陋而无寡闻”，如果你有同行的伙伴和导师，你的提升和进步会非常快。

CDA数据分析研究院为有此需求的小伙伴开设了数据分析周末集训班课程，感兴趣的小伙伴快来学习吧！

在这门数据分析师集训课程中，你将掌握如何建置数据仓库、使用可视化方法发现数据中的模式规律、使用统计分析方法进行验证、结合机器学习方法进行预测并清晰传达你的洞察。毕业后，你将成为企业抢手的数据分析师。