业余时间学数据分析，如何快速上手

数据源于麦肯锡

那么，小白如何快速获得数据分析的能力呢？知乎上有很多书单，你可能也听过很多学习方法，但尝试过就知道这些跟高效没什么关系。

数据分析师应该具备哪些技能

要明确学习的路径，最有效的方式就是看具体的职业、工作岗位对于技能的具体需求。

我们从拉勾上找了一些最具有代表性的数据分析师职位信息，来看看薪资不菲的数据分析师，到底需要哪些技能。

其实企业对数据分析师的基础技能需求差别不大，可总结如下：

• SQL数据库的基本操作，会基本的数据管理

• 会用Excel/SQL做基本的数据管理

• 会用脚本语言进行数据分析，Python or R

• 有获取外部数据的能力，如爬虫

• 会基本的数据可视化技能，能撰写数据报告

• 熟悉常用的数据挖掘算法：以回归分析为主

其次是数据分析的流程，一般可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实施一个数据分析项目。按照这个流程，每个部分需要掌握的细分知识点如下：

高效的学习路径是什么？就是数据分析的这个流程。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。

接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。

- ❻ -

系统实战与数据思维

到这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战，练习解决实际问题的能力。

上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。

你也可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等数据中都有着很多可以挖掘的问题。

开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如Top榜单、平均水平、区域分布、同比环比、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。

零基础学习数据分析，坑确实比较多，总结如下：

• 1.环境配置，工具安装、环境变量，对小白太不友好；

• 2.缺少合理的学习路径，上来 Python、HTML 各种学，极其容易放弃；

• 3.Python有很多包、框架可以选择，不知道哪个更友好；

• 4.遇到问题找不到解决办法，学习停滞不前；

• 5.网上的资料非常零散，而且对小白不友好，很多看起来云里雾里；

• 6.懂得技巧，但面对具体问题无法系统思考和分析；

• ……………………