超级菜鸟怎么学习数据分析？

数据分析师无疑是当下最热门的就业领域之一，太多人希望入行或转行数据分析。但在职场里，数据分析师究竟在干什么，他们一天的时间大概怎么分配的，其实大部分人是不清楚的。

了解这些，然后我们才能谈“怎么学数据分析”以及“数据分析师需要什么样的知识和技能结构”

下图为数据分析师典型的一天的不同工作的时间分配。

我们可以看到，业务，是数据分析工作的起点。数据分析团队/数据分析团队的存在是为解决业务问题的，数据分析团队绝大部分工作都是响应业务团队提出的业务需求。

这里面有2个重要的经验和提醒：

1 数据分析师的工作从业务需求提出开始，在项目过程中应不断和业务团队保持密切的沟通，而不是一根筋闷头做到呈报分析结果，才和业务团队去沟通。

2 数据分析师必须非常了解业务，听得懂业务部门的话，知道业务部门要什么。数据分析师不是一个纯粹意义上的技术岗，孤芳自赏的数据分析师是没有发展前途的。

图中的7项工作，其实也是一个数据分析项目最典型的7个流程环节。

我们可以看到，数据准备和治理，即从关系型数据库SQL取数、数据清洗、统计原始数据，占到了40%的时间，数据准备和治理实际是“数据分析师”最最核心的工作内容之一。

另外，数据可视化和呈报也占用了20%时间，这是体现数据分析师价值的关键一环，用业务团队能够听得懂的方式和语言来呈报结果，以让他们采纳结果然后做出业务上的决断。

能够让业务团队根据数据分析结果采取的措施、并在业务上形成明显的收益、回报，才会形成越来越信任数据分析团队，数据分析团队越来越重要的正向循环。

二、数据分析师和公司哪些部门合作、为他们创造什么价值

我们在从事这份工作之前，如果能提前通过认识到公司后这个岗位处于一个什么样的“生态系统”，心里会比较踏实一些。比如这个岗位处于什么位置、跟哪些部门会有交集、如何和他们互动、给他们产生什么价值等。

我们邀请到的一位数据分析老司机在跟我们讲分享直播的时候，绘制了这样一张图：

我们可以看到，数据分析师会与公司里很多部门协同合作，并为这些部门产生价值。一个好的数据分析师/团队，是公司里的香饽饽，享受从上到下、同级部门的尊重。

那么，在老司机眼里，这些合作的部门是一个什么画像呢？

他提到领导层一般会非常重视数据，但因为背景不同而会对数据的理解参差不齐。运营团队、产品团队、营销团队都是非常重要的部门，但对数据均是一知半解。

技术岗位是数据分析师的衣食父母。

所以，可以看出，写出能够让大家都看得懂的数据是多么重要

那么，说到这里，做一名合格的数据分析师应该具备什么技能呢？

三 数据分析师的必备技能

通常意义上，“如何成为数据分析师”是指我们如何从一个非数据分析师转行或入行成为数据分析师。和任何一个技术岗位一样从多年的招聘和面试经验来看，一般看你的：硬核技能+软核技能

所谓硬核技能：是否具备与这个岗位最密切相关的知识、技能和项目经验

所谓软核技能：你的专业、学校、成绩排名、个性特征、社会活动等等

硬核技能亮眼，软核技能辅助看一看。硬核技能一般，就得靠软核技能去填补，但一般用人单位不得已才会退而求其次。

那么数据分析师的硬核技能包括什么？我们从最前面那张数据分析师日常一天的工作图可以发现：

1 工具技能：

SQL--数据库取数、统计（MySQL即可，其他SQL都接近和类似）

Python或R（R近几年越来越让位于Python）--建模

只需学习Python中的基本语法+科学计算库/绘图库使用

Excel--小样本数据分析

统计学基础--一般在学习以上3个工具时都会学习到

2 呈报技能：

Tableau或PowerBI--可视化

PowerPoint--呈现和汇报

沟通表达能力

3 对业务场景的理解和项目经验：

对用人单位数据分析的主要业务场景的熟悉和深入理解

主要业务场景下的（丰富的）项目经验

以上这些硬核技能中，除了3以外，1和2理论上都能通过自学掌握，只不过对自学者的自律、坚忍要求很高，自学的效率相对较低。技能模块2中的沟通表达能力，可能需要很长时间的刻意训练。

技能模块3，一般只能通过实际工作中慢慢积累。所以一个伪命题是：用人单位要找有数据分析实际工作经验的，但如果他们都不用新人，则人才市场永远没有新增的数据分析师人才供给。

那么用人单位是如何绕过这个命题、曲线救国的？一般是：

1 招聘全职或实习生，他们软核能力优秀，用人单位赌他们经过一段时间在公司的训练后，能慢慢掌握这些硬核技能，此时那些985、211名校学生就有了天然优势；

2 招聘掌握了技能模块1和2的求职者，用人单位愿意在一段时间内忍受其缺乏项目经验和理解业务能力不足，期望未来能“云开日出”；

3 招聘在大学科研中从事过较为接近的科研工作的硕士甚至博士，比如做过复杂的试验数据处理的，或有一些机器学习理论基础和应用经验的，这些求职者掌握了技能模块1和2中的部分或全部，并预期能较快地理解业务积累项目实操经验；

4 招聘具有机器学习/数据科学/数据挖掘经历的人，不过一般来说，称职的这些人已经走上了人工智能这一条更加高阶的职业路线，不一定愿意做数据分析师。

职场的资深数据分析师，大多会努力希望进阶成为人工智能工程师，因为只有一步之遥，资深数据分析师已经对一些经典的机器学习算法比较熟悉了，再进行一些学习就可以进入人工智能的机器学习/数据科学/数据挖掘序列，等到再学习和掌握了深度学习后，就可以进入这个技术序列的最高层面--深度学习（算法）工程师。

对于求职者，要想在技能模块3中有所积累，还有另外的途径，

比如你准备求职电商的数据分析师，如果有一个电商的数据分析老法师能够系统地把电商数据分析岗的7-8个主要的业务场景梳理出来，给你讲清楚业务核心指标，数据分析如何获得对这些指标的分析结果，分析流程，经脱敏后的真实业务数据长什么样，然后基于这些数据用技能模块1和2里的方法完整地把7-8个项目做一遍，过程中不断给你指导。

那么，无论是求职的成功率，还是最后offer的含金量，都是完全不一样的。

但这样的机会，可能会比较少，谁愿意去培养一个身边跟自己抢饭碗的人呢？

从以上论述，想要成为一个数据分析师，我们可以推出以下重要的路径：

四、如何成为数据分析师

1 学习和掌握数据分析师的工具技能：MySQL，Excel，Tableau，Python

如果是自学，该问题下其他优秀的回答者已经提供了很多教程和资料来源，我们的经验是在自律的前提下，每周抽出8小时左右，需2-3个月左右，

一个重要提醒时：不能只刷课或看资料，要动手做项目，资料中有的会有实操案例，边做边学，勤写各类SQL语句，勤写各类Excel命令和操作Excel，教程中所有的代码自己敲一遍，敲到懂为止。

如果跟着一个好老师系统地学一遍，并遵照要求完成所有项目作业，效率效果会高很多。但要注意鉴别良莠不齐的收费课程。

2 获取最初的项目经验/经历，途径：

1）寻找一份数据实习岗，

2）找到准备入行的领域的数据分析老法师，在他指导下深入了解业务、分析流程，并做一些接近实际的数据分析项目，或

3）在科研过程中有意识地学习和应用数据分析常用工具和方法

这样，相信你可以获得更多的经验和技能

大家如果感兴趣，也可以去听听这场b站分享：

《数据分析师面试求生攻略》https://www.bilibili.com/video/BV1ZJ411S7EV/

导师介绍：

电商资深数据分析师，10年数据分析从业经验，

把他的一些心得体会都告诉你~

1、《从Excel到Python数据分析进阶指南》
2、《深入浅出数据分析》
3、《SQL21天自学通》
4、《利用Python进行数据分析》
5、《Tableau可视化从入门到精通》
6、《数据分析成长手册》
7、《谁说菜鸟不会数据分析》