如何快速成为数据分析师？

如何快速成为数据分析师？

说起来，我接触数据分析快一年了，还是有一些急功近利的经验。一个好的数据分析师不能很快，但零经验有捷径。

以上前提是入门，目的是达到数据分析师的门槛，顺利拿到offer，不涉及数据挖掘等高级技能。我的方法偏向互联网领域，既适用于分析师的职位，也适用于运营和产品的能力培养。在其他领域，仁者见仁。

市场上有“七周七数据库”和“七周七编程语言”。今天我们的主题是“在七周内学会成为一名数据分析师”。

是的，七周。

第 1 周：精通 Excel

如果 Excel 运行流畅数据分析师，本周可以跳过。不过由于刚入行时不知道vlookup，还是有必要说一下。

重点是理解各种函数，包括但不限于sum、count、sumif、countif、find、if、left/right、时间转换等。

Excel功能不需要全部学习，重要的是要学会搜索。也就是如何把在搜索引擎上遇到的问题描述清楚。

在我看来，掌握 vlookup 和数据透视表就足够了，它们是最具成本效益的两种技术。学习vlookup，SQL中join，Python中merge很容易理解。学习数据透视表、SQL 中的分组和 Python 中的数据透视表也是如此。

这两件事都做好了。基本上，统计10万条以内的数据并不难。 80% 的办公室白领可以秒杀他们。

Excel 是熟能生巧，找到更多练习题。还需要养成不合并单元格，不要太花哨的好习惯。表格根据原始数据的类型（sheet1）、处理后的数据（sheet2）、图表（sheet3）））进行管理。

专栏中写了三篇Excel文章。 ，比较简单，一般介绍Excel应用，可以作为职场新人的指南。

第一个数据分析-函数。主要对常用函数及对应的SQL/Python函数进行简要说明。

数据分析的第二部分——技巧。主要讲解我觉得性价比很高，提高工作效率的功能。

数据分析第三部分——实战。主要是前两篇文章的内容进行了实战，简单进行了一次数据分析。数据源使用真实爬虫数据，即5000行数据分析师岗位数据。

以下是为了更好的未来的基本和附加学习任务。

了解单元格格式，后面的数据类型包括各种timestamp、date、string、int、bigint、char、factor、float等

了解数组以及如何使用它们（excel数组很难使用），Python和R也会涉及到列表。

了解函数和参数，进阶到编程数据分析师如何快速成为数据分析师？，会让你更快掌握。

了解中文编码、UTF8和ASCII，包括CSV分隔符等。稍后你会回来感谢我的。

养成好习惯如何快速成为数据分析师？，不要合并单元格，不要太花哨。表格根据原始数据、处理数据和图表的类型进行管理。

如果还有时间，可以看看大数据时代（豆瓣），培养专业兴趣。

另外一个练习题，我给你1000个身份证号码，告诉我有多少男女，每个省市的人口分布，这些人的年龄和星座。 （普通身份证号可以网上搜索）

第 2 周：数据可视化

数据分析界有句经典的说法，字不如表，表不如图。数据可视化是数据分析数据挖掘的主要方向之一。除了数据挖掘等高级分析之外，很多数据分析都是监测数据和观察数据。

数据分析的最终目的是推销自己的观点和结论。一个好办法就是制作一个观点清晰、数据详细的PPT给老板看。如果没有人认同分析结果，那么分析就不会得到改进和优化，那行不通的数据分析的价值在哪里？

首先要了解常用的图表：

各类图表的详细介绍可以查看第四篇：数据可视化：你想知道的经典图表都在这里

了解图表后，您还应该学习制作报告。第五章：数据可视化：打造高端数据报表。会教你Excel的高级图表用法。

如果这还不够，我们必须掌握信息图表和 BI。下图是微软的Power BI：

BI（商业智能）与图表的区别在于，BI 擅长交互和报告，更擅长解释已经发生和正在发生的数据。即将发生的数据就是数据挖掘的方向。

BI的好处是在很大程度上解放了数据分析师的工作，提升了整个部门的数据意识，减少了其他部门的数据需求（邪恶的领先数据）。

市场上有许多 BI 产品。基本上，仪表板的构建是为了通过维度链接和钻孔获得可视化分析。 Part 6：数据可视化：浅显BI 你将根据第一周的实战数据学习BI。上图是研究的结果。

数据可视化的学习是三个过程，理解数据（图表）、整合数据（BI）、展示数据（信息化）。

可视化也与美学密切相关。很多直男代表都不擅长画画。没关系，有时间可以看书：数据之美（豆瓣）

不要离开PPT，Excel练习有很多图纸，不会疼的。

PPT – 热门问答

Excel图表绘制-热门问答

第 3 周：分析性思维训练

本周我们放松一下，学习理论知识。

分析思维最先推广著名的金字塔法则（豆瓣），帮助数据分析师构建思维。如果金字塔原理启发了你，那么你可以学习思维导图，下载 XMind 中文网站，或者在线使用百度脑图（百度难得一见的不被骂的产品）。

如果你不想看金字塔原理，那就看第七篇：如何培养麦肯锡式的分析思维。本书的大部分内容都经过精炼。

详细了解 SMART、5W2H、SWOT、4P 理论、六顶思考帽和其他框架。这些框架都是大手笔的经典。如果你想快速成为一名数据分析师，思维方式必须改变。上网搜索咨询公司的面试题，搜索Case Book。这些问题是用新学的思维导图完成的。先设置那些经典框架，再做一遍，再看答案对比。

一旦建立了思维框架，我们应该在里面放一些数据分析思维，如何建立数据分析思维框架。结合这两篇文章，你可以当老师了。

这里是三句金句：

没有指标，企业就无法成长和分析

一个好的指标应该是一个比率或比率

一个好的分析应该对比或相关。

举个例子：我告诉你一家超市今天有1000个顾客，你会怎么分析？

1000人的数量与附件中的其他超市相比是多少？ （比较）

这 1000 人的数量比昨天多还是少？ （比较）

1000 人中有多少人实际进行了购买？ （转化率）

路过超市，超市外有多少人流？ （转化率）

这是构建分析框架的快速方法。如果您只查看 1000 人，您将看不到任何分析结果。

一个好的数据分析师会折磨别人的数据，而他自己的分析经得起折磨。这就是分析思维的能力。需要明确的是，数据思维不能在一周内锻炼，只有理解才能实现。数据思维是不断练习的结果，我只是尽量缩短过程。

深度数据分析（豆瓣）

这本书太啰嗦了，我放弃了一半……不过推荐人很多，你可以快速阅读。

第 4 周：数据库学习

Excel 处理多达 100,000 条数据没有问题，但互联网行业不缺数据。只要产品规模小，数据就来自数百万。这是您需要了解数据库的地方。

开始使用数据库，阅读这篇文章：数据库新手指南

越来越多的产品和运营职位将使用 SQL 作为招聘条件的优先级。子选项。

SQL 是数据分析的核心技能之一。从 Excel 到 SQL 绝对是数据处理效率的一大进步。

学习围绕选择展开。添加、删除、约束、索引和数据库范例都可以跳过。 SQL学习不用买书，W3C学习就行，SQL教程。大部分互联网公司都是MySQL，我也推荐学习，最划算。

主要了解where、group by、order by、have、like、count、sum、min、max、distinct、if、join、left join、limit和andor逻辑、时间转换函数等。

如果想更进一步，可以学习row_number、substr、convert、contact等。另外，不同数据平台的功能会有所不同，比如Presto和phpMyAdmin。

你看，它类似于 Excel 的功能。根据SQL，从入门到精通SQL，从精通到精通这两篇文章的内容。虽然没有实战打磨，但知道一个大概就够了。

在此期间，您无需考虑优化和丑陋的写作。对于数据分析师来说，几秒钟和几分钟的查询没有区别。一边运行数据一边喝杯咖啡，然后就可以运行 SVM 吃饭了。

你也可以在网上搜索SQL相关的练习题，刷一次就行了。你也可以自己下载数据库管理工具，找一些数据练习。我正在使用 Sequel Pro。

补充学习：

如果这周学得够多，就可以理解 MapReduce 的原理了。

让我们做一个练习。表 A 是用户的注册时间表，表 B 是用户的位置。编写每个地区每月新注册用户的查询SQL。掌握这个级别基本就够了，虽然以后的工作会有更多的异常数据需求。

第 5 周：统计知识学习

不幸的是，统计知识是我的弱点，也是数据分析的基础。

统计要求我们以不同的眼光看待数据。当您知道将 A 组和 B 组之间的差异视为平均值是多么愚蠢时，您的分析能力也会显着提高。

本周努力掌握描述性统计数据，包括平均值、中位数、标准差、方差、概率、假设检验、显着性、总体和抽样等概念。无需查看详细的数学推导。谁让我们快点做的？我们只要看到数据就知道什么是做不到的，但我们应该这样分析。

Excel 有一个简单而强大的分析工具库。理解第一列的名词。如果是多变量多样本，学习各种检验。

（我在网上找到图片）

统计会撒谎（豆瓣）

休闲阅读，有趣的案例让我们避免了很多数据陷阱。

简单语言统计（豆瓣）

它仍然是经典的 HeadFirst 系列，所以让我们习惯它通常的啰嗦。

还有一件事，老板和非分析人员不会有兴趣了解其背后的统计原理，通常在分析之后是肯定或否定的二元答案。不要告诉他们 P 值或任何东西，告诉他们该活动有效或无效。

第 6 周：商业学习（用户行为、产品、运营）

本周需要商业知识。对于数据分析师来说，业务理解比数据方法更重要。当然，遗憾的是，商业学习没有捷径可走。

让我举一个数据沙龙的例子。某O2O外卖公司发现，重庆外卖配送效率低于其他城市，导致用户好评率较低。总部的数据分析师建立了各种指标来分析原因，但没有发现问题。后来在采访中发现，因为重庆是山城，路面高差被夸大，很多外卖员带着小电池上不了坡……所以外送效率慢。

在这种情况下，我们只知道送货员的水平距离，而从数据中无法知道垂直距离。这是数据的局限，也是只看数据的分析师和脚踏实地的分析师的最大区别。

了解商业市场是数据分析师工作经验的最大优势之一。既然是零经验的面试，公司也要知道，一个刚起步的分析师不会有太多的业务经验，不会接受这张卡。所以只需花一周时间了解行业的各项指标。

以了解最多的互联网行业为例。至少了解活跃用户数、活跃用户率、留存率、流失率、传播因子等一般概念。

增长黑客（豆瓣）

典型的数据驱动型业务，包含最经典的AAARR产品运营框架。如果时间紧迫，可以跳过一些非数据营销案例。此外，您还可以阅读产品和运营方面的入门书籍，这里不推荐。

网站分析（豆瓣）

如果你申请的公司涉及网络产品，你可以理解流量的概念。书中的案例主要基于谷歌分析。事实上，它现在是一个APP+Web的复合框架。比如朋友圈的交流活动，就必须用网页的指标来分析。

精益数据分析（豆瓣）

互联网数据分析入门书籍，总结了几种常用的分析框架。可惜案件都在欧美。

还有一个小建议，第三方数据应用很多，包括很多产品领域的数据分析和统计。即使自学党没有生产环境的数据，也可以看看应用Demo，受益匪浅。

除了业务知识，业务层面的沟通也需要掌握。也建议在面试前几天收集行业内的业务，加强一下。

第 7 周：Python/R 学习

终于到了第七周，也是最痛苦的一周。这是学习编程技能的时候了。

是否有编程能力是初级数据分析和高级数据分析的风水。数据挖掘、爬虫和可视化报告都需要编程技能。掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，嫁给白富美。 （我不懂SAS/SPSS，所以不给指导）

这里有两个分支，学习R语言或者Python。您只需快速学习一门课程，然后您可以稍后补上另一门课程。

我碰巧两个都学过。 R 的优点是由统计学家编写的，缺点是由统计学家编写的。如果是调用、绘图和分析各种统计函数的先验论证，R 无疑具有优势。但是海量数据的处理能力不足，学习曲线比较陡峭。 Python 是一种通用的胶水语言，适用性强，可以编写各种分析过程的脚本。 Pandas、sklearn 等包也与 R 并列。

如果你是学R的话，推荐看R语言实战（豆瓣），按照书上的代码打一个星期绰绰有余。另外，还有一个统计（豆瓣），部分知识论，可以复习以前的统计知识。

R 学习并熟悉各种包。了解描述性统计的功能。主数据框。如果你有时间。你可以再去学习ggplot2。

Python有很多分支，我们专注于数据分析，大家可以学习Python（影印版）（豆瓣）进行入门。再写一遍代码。

需要学习条件判断、字典、切片、循环、迭代、自定义函数等。了解数据领域最经典的包Pandas+Numpy。

在崩溃之后的很长一段时间里，我们都必须成为调谐器。

最好安装这两种语言的IDE，我推荐R语言的RStudio，Python的Anaconda。它们都是数据分析的工具。

Mac自带Python2.7，不过现在Python 3比几年前成熟多了，不存在编码问题。各种教程都够了，别老土了。 Win电脑，安装Python会有环境变量的问题，是个大坑（R的中文代码也是天坑）。

现在只有七周。如果你还需要第八周+，那就是巩固和整合以上。毕竟急功近利的目的是为了调动工作或者拿到offer。

成为数据分析师，坑才刚刚开始，努力吧。

所有内容都已更新数据分析师，因为知乎现在不允许发贴，这里就不放了。可以看专栏，也可以关注公众号。

——我是个不要脸的软阔——