如何学习数据分析（总结自网易及B站up主）

一、B站 蜡蜡Joanna 的经验

from：蜡蜡Joanna

1 数据分析的概念

数据分析作为一种工具（只是一种工具），可以和很多其他能力结合，比如：DA+产品 / DA+运营。
只要行业中有足够多的数据（前提），就能从数据中发现问题，并支持决策。

2 数据分析师的学习路线

2个主要的发展路线：

• 建模、数据分析方向：对数学、编程的能力要求很高，难以在短期达到目标。
• 业务方向的数据分析：可以通过短期内的学习达到要求。

UP主的路线：

• Python & SQL：2个月左右
• 统计学、概率
• 软技能：商业知识、理论基础结合学习（1个月左右）
• 数据可视化、机器学习

2.1 理论基础：（统计学、概率学知识）

2.1.1 统计学：

内容包括：

• 假设检验原理
• 显著性检验、p值、常用检验方法
• 置信区间
• 参数估计与区间估计

推荐书单：《商务与经济统计》+《统计学（可汗学院的视频课程）》

2.1.2 概率论 ：

内容包括：

• 排列组合
• 条件概率
• 贝叶斯公式
• 随机过程

2.2 技能点

2.2.1 SQL语句

提取数据的能力，对SQL的熟悉程度直接决定了数据分析工作的效率。（技能点满）
数据获取方法包括：

• 外部：爬虫、下载等
• 内部：SQL内部数据库提取

推荐书单：《SQL必知必会》
刷题网站：leetcode、牛客网
学习周期：1周学习，用零散的时间刷题即可

2.2.2 Tableau

是目前大部分商业公司正在应用的数据可视化的软件。
一个好的数据分析师，可以用可视化内容讲述一个故事。
软件是收费的，学生可以申请到1年的免费试用。
学习内容包括：

• 如何和数据库进行连接
• 如何制作图表
• 如何制作dashboard

推荐网站：Tableau的官方网站
思维训练：技术社区Tableau Public

2.2.3 Python

只有在工作量级非常大的时候，才会使用Python来提高工作效率。
基本只需要关注Python数据处理的部分，也就是numpy和pandas两个库。
需要学习的内容：

• numpy 数据处理
• pandas 数据处理
• matplotlib 可视化

推荐网站：廖雪峰
推荐书单：《用Python进行数据分析》
项目练习：爬取、处理、展示
学习时间：2-3个月（小白）

2.2.4 Excel

熟练、技巧，已经熟悉的需要刻意练习。
推荐书单：《绝了！excel可以这样用》

2.3 商业知识

作为数据分析的头部。
需要深入的行业知识和见地，比如：对经济政策、贸易政策、行业发展状况的了解etc。
要了解每个行业的KPI以进行量化。
网站推荐：人人都是产品经理（可以搜索KW如：“指标”、“漏斗”、“转化率”相关的文章）

3 数据敏感

3.1 什么是数据敏感

在数据的变化中，了解业务逻辑。
比如：哪些指标是相互关联的，哪些模块是联动的。知其然也知其所以然。

3.2 数据敏感性对工作的用处

识别并发现异常数据，比如：流量&dau显著上升，而成交量&gmv却显著下降。

3.3 如何培养数据敏感性

行业了解：背景知识、行业背景、行业模式、业务知识。
公众号推荐：36氪、数据化管理、刺猬公社、虎嗅app、创业家
锻炼逻辑思维：产品数据报告、行研报告。尤其关注数据之间变化和关联的部分。
推荐：CBNdata、阿里研究院、易观、艾瑞、企鹅智酷
推荐书单：《万万没想到 用理工科思维理解世界》

4 up的面经

七轮面试拿下腾讯暑期offer经验分享|数据分析工程师（这个还是挺有趣的，腾讯这样的大厂比较注重：基础知识、行为、自我认知、对行业的认知等方面）

三、知乎相关文章

王礼（主要介绍大数据、数据分析，与商业结合紧密）

• 《大数据有哪些工作岗位，日常工作内容是什么，需要掌握哪些工具和技能》（2017-07-25）（作者：王礼；主要内容：大数据工作内容、工具、技能等；评价：概括度比高，比较全面的阐述了大数据工作的内容和要求etc）
• 《如何成为一个深得老板喜爱的牛X数据分析师？》（2017-08-08）（作者：王礼；主要内容：做一个优秀的数据分析师在：分析思路、商业敏感度、技术能力三个方面的能力要求；评价：这应该是我未来商业数据分析师的方向）
• 《数据分析方法论，流程和框架？》（2017-08-27）（作者：王礼；主要内容：数据分析方法论；评价：感觉这里面结合了很多CPA《战略》《财务成本管理》相关的知识，其中逻辑分析框架以及战略分析方法值得借鉴）【MARK：这篇没细看，之后再精读】
• 《大数据是什么：大数据，大数据平台，大数据价值》（2017-09-15）（作者：王礼；主要内容：什么是大数据、大数据平台（运维、搜集、存储、使用）、核心价值（辅助决策、驱动业务、对外变现）；评价：介绍了大数据是什么，可以说从最简单直观的角度介绍了大数据行业的运行逻辑，深入浅出。这部分思维与商业思维联系紧密，应该会对我的数据分析的逻辑学习应该很有帮助）