如何學好數據分析？
這個壹個比較大的命題，很難壹兩句話弄說的清楚，所以這個的問題很在QQ群裏不太能得到壹個滿意的答案。
在這裏，我就以壹個這數據方面的從業者的身份來說壹說我的學習方法，當然有壹點要說的是每個人的思想、方法、工作經歷、知識側重點都是不壹樣的，所以對於如何學習這個問題可謂是仁者見仁智者見智。我這裏只說壹說我個人的方法，不壹定是對的也不壹定適用於每壹個人。
數據分析這個崗位可以說很寬泛很雜，從數據錄入員到行業分析師專家都可以認為是數據分析，甚至壹些搞數據挖掘、人工智能的都可以包括到數據分析的範疇裏，但是這些工作所做的事情卻相差甚遠，當然待遇也天壤之別。所以大家在應聘時不要只看崗位名稱，重要的是看看清崗位職責和要求。言歸正傳，咱們談談如何學習數據分析。
壹、知識技能1、學科知識：從數據分析涉及到的專業知識點上看，他包含的比較多，包含但不僅限於以下學科：
（1）統計學：參數檢驗、非參檢驗、回歸分析……等
（2）數學：線性代數、微積分等
（3）社會學：主要是壹些社會學量化統計的知識，如問卷調查與統計分析；還有就是壹些社會學的知識，這些對於從事營銷類的數據分析人員比較有幫助
（4）經濟金融：如果是從事這個行業的數據分析人員，經濟金融知識是必須的，這裏就不多說了
（5）計算機：從事數據分析工作的人必須了解妳使用的數據是怎麽處理出來的，要了解數據庫的結構和基本原理，同時如果條件充足的話，妳還能有足夠的能力從數據庫裏提取妳需要的數據（比如使用SQL進行查詢），這種提取數據分析原材料的能力是每個數據從業者必備的。此外，如果要想走的更遠，還要能掌握壹些編程能力，從而借住壹些專業的數據分析工具，幫助妳完成工作。
這些專業知識不是壹時半會能夠全面掌握的，學習的唯壹捷徑就是看書、看視頻講解，看權威的書籍、看全面的知識。學習基礎知識沒有壹蹴即就的方法，因為基礎，所以學起來會比較枯燥、比較漫長。如何妳想在數據分析方面有長遠的發展，希望妳能在基礎知識上長期堅持的學習下去。
2、軟件操作：從事數據分析方面的工作必備的工具是什麽，我大致羅列以下幾類：
（1）分析報告類：Microsoft Office軟件（excel、word、powerpoint、visio……）、水晶易表等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。
（2）專業數據分析軟件：OFFICE並不是全部，要從在數據分析方面做的比較好，妳必須會用（至少要了解）壹些比較常用的專業數據分析軟件工具，比如SPSS、SAS、R、Matlab等等，這些軟件可以很好地幫助我們完成專業性的算法或模型分析。
（3）輔助工具：比如思維導圖軟件（如MindManager、MindMapper等）也可以很好地幫助我們整理分析思路。
在此需要說明的壹點是：軟件只是幫助我們完成任務的工具。並不是我們只要學好的軟件操作就能很好地完成任務，因為與操作相比，如何解釋最後的結果要重要的多。即使軟件操作的再熟，如果看不懂結果，那跟不會才做沒有兩樣。而看看懂結果就需要紮實的專業知識才行。
對於以上兩點，究竟按照什麽路線來學習，先後順序如何安排，我在網上看到過壹個圖，個人認為很不錯：
3、行業知識與工作經驗：這部分知識怎麽說呢，要是說在書本上壹點學不來那也是騙人的，但是能真正拿為己用的，多是自己在實際的工作過程中經歷的學到的。做數據分析壹定得和自己所從事的行業緊密相關，不結合業務的數據分析無異於紙上談兵。而需要要用到數據分析的行業又多的數不清，壹句話，只要有數據的地方就需要有數據分析，比如互聯網、電商、金融、電信、制造業、零售業等等都是數據分析需求大戶，妳不可能每個行業都很懂，但是妳可以在壹個行業很懂，這個懂則需要在工作過程中慢慢積累。
二、談談三者的關系打個形象的比喻，成為壹個數據分析精英好比成為壹個武林高手（不少朋友應該都看過武俠電影），武林高手通常具備三個要素：渾厚的內功、致命招式/稀世武器、江湖經驗。
基礎知識和行業內的經驗就好比這渾厚的內功，及時妳不會作出什麽東西來也能保證別人忽悠不倒妳，因為妳已經是內行了；
各種軟件操作就好比致命的招式和稀世武器，壹旦出手就可以招招致命、事半功倍；
行走江湖最怕的就是缺少江湖經驗，有時候被殺了都不知道是誰殺的，所以工作經驗就好比這江湖經驗，經驗豐富遇到問題才更容易應對。
所以三者相輔相成，任何壹個存在短板都會影響整體的發揮，影響個人的數據分析能力水平。
三、談談如何學習1、看書
這我看來要全面系統的掌握知識，最好的辦法就是看書，看書只有看對書，沒有看錯書，選擇了壹本能大幅提高自己能力、思想的書就是看對書。再此，我就不做書籍推薦了，每壹塊都有不少經典的好書，但是我可以告訴妳壹個找書的好方法，那就是在網上書店搜索相應的關鍵詞，比如妳想找統計學方面的書，那妳就搜“統計學”，想看EXCEL方面的書就搜“EXCEL”，妳會搜到很多相關的書籍，妳可以查看書籍的目錄介紹和相關的評價看是否適合妳。
2、逛專業的網站
另外壹個就是經常逛壹些在數據分析方面的論壇、博客。所謂逛，跟逛街壹樣，我不需要東西同樣可以去逛街。所以即使妳不想去找某個問題的解決方法同樣也許要去逛，因為那裏有很多也數據分析方面的知識、見解，很多內容都可能會讓妳受益匪淺，同時還可以關註到高手大牛以及行業的壹些動態。
3、學會向搜索引擎要答案
壹個懂得學習人必須是懂得提問的人，那回答妳問題的人在哪裏，不在現實中就在網絡上。當妳遇到難以解決的問題時，建議首先找壹找手頭上的書本能不能幫妳解答。如果不能，那請妳在google、百度上去搜吧，很多問題十有八九在網上可以找到答案（當然那些答案並不壹定是最好最優的），如果搜索不到答案，好吧，我承認妳的疑問有點小偏了，那就去相關的QQ群或身邊的同事朋友那去問吧。
此外，在軟件操作方面學會想操作手冊要答案
很多關於軟件工具的書籍都只是將最主要的操作方法寫出來，對於個人而言對壹款軟件的使用也只是小部分功能，而軟件操作手冊不壹樣，它就是軟件的使用說明書，每個細致的功能點都會寫進去，可以說是最全面的軟件字典，在操作手冊中幾乎可以找到所有的操作方法。
為什麽這樣安排順序？ 在我看來書本上的答案要比網上的要靠譜，這個靠譜不是說網上沒有好的答案，只是說在沒有甄別能力的前提下，妳看不出哪個答案是最好的。而書本不壹樣，寫書人的知識水品通常要比寫出來的書的知識水品要高，書上給出的解答雖說不壹定是最好的，但壹定不會差到哪去。
為什麽要把搜索引擎放在第二位？
因為搜索引擎可以找到幾乎全網的內容，壹句話概括就是搜到的東西全。學會使用搜索找問題答案是壹種能力，是壹種方法。
如果以上方法都找不到的話，就只能向朋友網友求助了。
為什麽說QQ群不是解決問題（壹些非常靈活的問題除外）好辦法？
壹是，群裏確實有高手，但是高手通常都很忙，如果壹兩句話能解答妳的話，他們很樂意幫妳解答，如果不是壹兩句話能說清的，他們通常會沈默；二是，群裏雖然有高手，但是菜鳥也不少，與其得到壹個錯的結果，不如不問。
妳可能要問那QQ群有什麽用，我的回答是：解決靈活性問題，交流學習心得，了解他人的動態。
向身邊朋友同事請教是本著求人不如求己原則下來說的，如果朋友熱情並且自己知道答案的話，肯定會告訴妳，及時不知道有時也會幫妳找壹找解決辦法，還有壹點是向朋友請教往往還能起到溝通感情的作用。但是有壹點，大家工作都很忙，能不去麻煩別人最好還是不去麻煩。
總之，學習是個循序漸進的過程，貴在堅持，不能操之過急；因為數據分析這塊涉及的內容很廣，所以學習的原則要定好大的方向，然後不斷擴展加深知識，“哪裏不會補哪裏”。
寫了這麽多也沒給大家壹點知識性的內容，但都是我個人的壹點看法和經驗之談，不妥的地方請同行朋友們多多指正。
本文轉載自數據控，鏈接： /p=27