史上最全 | 数据分析技能详细拆解，一张图覆盖全流程知识细节和资源推荐（附下载）

为什么说通用？

万物互联是一种趋势，在这种趋势下，一切信息都被记录，大量的数据在不断产生。

而基于这些数据的分析，可以挖掘到非常多有价值的信息，这些信息正在成为大多数企业业务增长、迭代更新的关键。

所以你会发现各行各业，都在努力地寻求专业的人才，提供数据驱动解决方案。可以预见的是，数据相关岗位一定是在未来大放异彩的职业。

为什么可迁移？

和其他一些专业性很强的岗位不一样的是，数据分析可以说是各个领域通吃的技能。

你很难想象，一个在专业技术领域的工程师，需要数据分析来判断技术的可靠性；一个从事新媒体的运营者，也需要数据分析来做内容和活动上的决策。

但可以肯定的是，能够在专业的岗位上发挥数据价值的人，一定会成为团队的核心，行业的佼佼者。因为数据驱动，正在成为业务发展的关键力量，拍脑袋做决策的行为在慢慢被代替。

很多没有编程、数据分析基础的人，认为学习数据分析是一件很难的事情。但是这并不妨碍我们可通过一些有意思的方法，把学习变得简单、高效。

进入一个全新的领域之前，最好能够对这个领域的知识体系、技能模型有全面的了解，这样你能知道哪些是应该学习，哪些是暂时不用学的，知道什么样的路径适合自己的状况。

基于数据分析这个技能，我们准备了一份“超级技能地图”，帮你快速认识数据分析的技能模块，以及不同的分支下，有哪些必备的技能，以及有哪些好用的资源。

这一张图，可以帮助你快速认识数据分析这个领域，即便你从未接触过相关的内容，也可以很清晰地建立数据分析知识框架。

先来看看，这张“超级技能地图”是这样的。

可以将手机横屏进行查看

这是数据分析小白必备的数据分析技能图，因为包含了Python数据分析全方位的技能体系，比如数据获取、SQL数据库、Python、统计学、数据分析核心模块、可视化、报告撰写等等都有详细拆解。

高效的学习路径是什么？就是按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。

01 数据获取

一般数据获取有内部和外部两种渠道，内部数据可以通过企业数据库提取，需要掌握SQL相关的技能。

外部数据则可以通过公开数据集和爬取网络数据实现，需要了解相关的数据开放站点，以及掌握必要的Python爬虫技能。

02 SQL数据库

SQL技能是数据分析师职位必备的技能之一，需要你对企业的数据库进行管理，能够正常地存储和提取数据。

当然SQL需要掌握的技能并不难，了解基本的语法，掌握基本的增删改查就可以满足常规的需求了。

03 数据分析必备统计学

如果说数据分析需要什么数学基础，那统计学应该是涉及最多的了，但不需要非常深入，因为大多数数据分析用到的无非是统计量、数据分布等基础知识。

04 数据分析必备Python基础

利用Python进行数据分析，那Python的基础就非常重要了，这意味着你后续是否能够正常地用Python代码来实现你的分析想法。

基本的编程规范、数据结构、自定义函数 、控制语句（条件语句、循环语句）、文件读写和模块使用都是需要重点掌握的点。

05 数据分析核心工具

在Python数据分析的体系内，Numpy / Pandas / Matplotlib三个核心库是绕不过去的。也是这三个工具，能够让你实现数据清洗、科学计算、数据分析、数据可视化等核心的工作。

掌握这些，你就完全可以去实现描述型数据分析、探索型数据分析，再加上Sklearn，你可以去实现预测型数据分析，一个完整的数据分析项目，也不过云云。

06 数据报告撰写

数据报告撰写虽然看起来像是文档整理类的工作，但也是非常重要的，因为直接决定了你最终的输出成果。

对于如何撰写一份优秀的数据报告，问题拆解的逻辑、数据指标的选取、用户受众需求的分析、图形化的呈现形式都是非常重要的点。

如果你想快速地了解数据分析的技能体系，并知道各个技能分支的知识结构是怎样的，哪些是重要的知识点，可以详细阅读这张“数据分析技能地图”。

编辑：黄继彦

校对：洪舒越