優(yōu)秀的數(shù)據(jù)分析師并不能速成，但是零經(jīng)驗(yàn)也有零經(jīng)驗(yàn)的捷徑。

市面上有《七周七數(shù)據(jù)庫(kù)》，《七周七編程語(yǔ)言》。今天我們就《七周七學(xué)習(xí)成為數(shù)據(jù)分析師》，沒(méi)錯(cuò)，七周。

第一周：Excel學(xué)習(xí)掌握

如果Excel玩的順溜，可以略過(guò)這一周。但很多人并不會(huì)vlookup，所以有必要講下。

了解sum，count，sumif，countif，find，if，left/right，時(shí)間轉(zhuǎn)換等。excel的各類(lèi)函數(shù)很多，完全不需要學(xué)全。重要的是學(xué)會(huì)搜索。我學(xué)函數(shù)是即用即查，將遇到的問(wèn)題在網(wǎng)上搜索得到所需函數(shù)。

重中之重是學(xué)會(huì)vlookup和數(shù)據(jù)透視表。這兩個(gè)對(duì)后續(xù)的數(shù)據(jù)轉(zhuǎn)換有幫助。

學(xué)會(huì)vlookup，SQL中的join，Python中的merge能很快掌握。

學(xué)會(huì)數(shù)據(jù)透視表，SQL中的group，Python中的groupby也是同理。

這兩個(gè)搞定，基本10萬(wàn)條以?xún)?nèi)的數(shù)據(jù)統(tǒng)計(jì)沒(méi)啥難度，也就速度慢了點(diǎn)。80%的辦公室白領(lǐng)都能秒殺。

網(wǎng)上多找些習(xí)題做，Excel是熟能生巧。

養(yǎng)成一個(gè)好習(xí)慣，不要合并單元格，不要過(guò)于花哨。表格按照原始數(shù)據(jù)、加工數(shù)據(jù)，圖表的類(lèi)型管理。

附加學(xué)習(xí)：

1、了解中文編碼utf-8，ascii的含義和區(qū)別

2、了解單元格格式，幫助你了解后期的timestamp，date，string，int，bigint，char，factor等各類(lèi)格式。

3、如果時(shí)間還有剩余，可以看《大數(shù)據(jù)時(shí)代》，培養(yǎng)職業(yè)興趣。

第二周：數(shù)據(jù)可視化

數(shù)據(jù)分析界有一句經(jīng)典名言，字不如表，表不如圖。別說(shuō)平常人，數(shù)據(jù)分析師自己看數(shù)據(jù)也頭大。這時(shí)就得靠數(shù)據(jù)可視化的神奇魔力了。

以上就是所謂的可視化。排除掉數(shù)據(jù)挖掘這類(lèi)高級(jí)分析，不少數(shù)據(jù)分析師的平常工作之一就是監(jiān)控?cái)?shù)據(jù)觀察數(shù)據(jù)。

另外數(shù)據(jù)分析師是需要兜售自己的觀點(diǎn)和結(jié)論的。兜售的最好方式就是做出觀點(diǎn)清晰數(shù)據(jù)詳實(shí)的PPT給老板看。如果沒(méi)人認(rèn)同分析結(jié)果，那么分析也不會(huì)被改進(jìn)和優(yōu)化，分析師的價(jià)值在哪里？工資也就漲不了對(duì)吧。

抽空花一段時(shí)間學(xué)習(xí)可視化的基礎(chǔ),如《數(shù)據(jù)之美》

另外你還需要了解BI的概念。知名的BI產(chǎn)品有Tableau，Power BI，還有國(guó)產(chǎn)的FineBI等。都有體驗(yàn)版和免費(fèi)版能下載，網(wǎng)上找一點(diǎn)數(shù)據(jù)就能體驗(yàn)可視化的魅力。比Excel的圖表高級(jí)多了。

BI需要了解儀表盤(pán)Dashboard的概念，知道維度的聯(lián)動(dòng)和鉆取，知道絕大多數(shù)圖表適用的場(chǎng)景和怎么繪制。比如以下FineBI制作的dashboard。

第三周：分析思維的訓(xùn)練

這周我們輕松一下，學(xué)學(xué)理論知識(shí)。

分析思維首推大名鼎鼎的《金字塔原理》，幫助數(shù)據(jù)分析師結(jié)構(gòu)化思維。如果金字塔原理讓你醍醐灌頂，那么就可以學(xué)思維導(dǎo)圖，下載一個(gè)XMind中文網(wǎng)站，或者在線(xiàn)用百度腦圖。

再了解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架。這些框架都是大巧不工的經(jīng)典。你要快速成為數(shù)據(jù)分析師，思考方式也得跟著改變。網(wǎng)上搜咨詢(xún)公司的面試題，搜Case Book。

題目用新學(xué)的思維導(dǎo)圖做，先套那些經(jīng)典框架，做一遍，然后去看答案對(duì)比。因?yàn)橐憻挃?shù)據(jù)分析能力。所以得結(jié)合數(shù)據(jù)導(dǎo)向的思維。

這里送三條金句：

一個(gè)業(yè)務(wù)沒(méi)有指標(biāo)，則不能增長(zhǎng)和分析

好的指標(biāo)應(yīng)該是比率或比例

好的分析應(yīng)該對(duì)比或關(guān)聯(lián)。

舉一個(gè)例子：我告訴你一家超市今天有1000人的客流量，你會(huì)怎么分析？

這1000人的數(shù)量，和附件其他超市比是多是少？（對(duì)比）

這1000人的數(shù)量比昨天多還是少？（對(duì)比）

1000人有多少產(chǎn)生了實(shí)際購(gòu)買(mǎi)？（轉(zhuǎn)化比例）

路過(guò)超市，超市外的人流是多少？（轉(zhuǎn)化比例）

這是一個(gè)快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何結(jié)果。

第四周：數(shù)據(jù)庫(kù)學(xué)習(xí)

Excel對(duì)十萬(wàn)條以?xún)?nèi)的數(shù)據(jù)處理起來(lái)一點(diǎn)不虛，但是資深的數(shù)據(jù)分析師還是笑摸狗頭，Too Young Too Sample，爺搞得都是百萬(wàn)數(shù)據(jù)。要百萬(wàn)數(shù)據(jù)，就得上數(shù)據(jù)庫(kù)。

SQL是數(shù)據(jù)分析師的核心技能之一。有些公司并不給數(shù)據(jù)庫(kù)權(quán)限，需要分析師寫(xiě)郵件提需求，這非常不好。數(shù)據(jù)分析師經(jīng)常有各類(lèi)假設(shè)需要驗(yàn)證，很多時(shí)候?qū)懯畮仔蠸QL就能得到的答案，還得麻煩其他部門(mén)導(dǎo)出數(shù)據(jù)。

SQL學(xué)習(xí)不需要買(mǎi)書(shū)，W3C學(xué)習(xí)就行了，SQL 教程。大多數(shù)互聯(lián)網(wǎng)公司都是MySQL，我也建議學(xué)，性?xún)r(jià)比最高。

作為數(shù)據(jù)分析師，只要懂Select相關(guān)，增刪改、約束、索引、數(shù)據(jù)庫(kù)范式全部略過(guò)。你的公司心得多大才會(huì)給你寫(xiě)權(quán)限。

了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時(shí)間轉(zhuǎn)換函數(shù)等即可。

你看，和Excel的函數(shù)都差不多。如果時(shí)間充裕，則學(xué)習(xí)row_number，substr，convert，contact等。和Excel一樣，學(xué)會(huì)搜索解決問(wèn)題。不同引擎的函數(shù)也會(huì)有差異，例如Presto和phpMyAdmin。

期間你不需要考慮優(yōu)化和寫(xiě)法丑陋，查詢(xún)幾秒和幾分鐘對(duì)數(shù)據(jù)分析師沒(méi)區(qū)別，跑數(shù)據(jù)時(shí)喝杯咖啡唄，以后你跑個(gè)SVM都能去吃飯了。

網(wǎng)上搜索SQL相關(guān)的練習(xí)題，刷一遍就行。也能自己下載數(shù)據(jù)庫(kù)管理工具，找些數(shù)據(jù)練習(xí)。我用的是Sequel Pro。

第五周：統(tǒng)計(jì)知識(shí)學(xué)習(xí)

統(tǒng)計(jì)學(xué)是數(shù)據(jù)分析的基礎(chǔ)之一。

統(tǒng)計(jì)知識(shí)會(huì)要求我們以另一個(gè)角度看待數(shù)據(jù)。當(dāng)你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會(huì)顯著提高。

這一周努力掌握描述性統(tǒng)計(jì)，包括均值、中位數(shù)、標(biāo)準(zhǔn)差、方差、概率、假設(shè)檢驗(yàn)、顯著性、總體和抽樣等概念。詳細(xì)的數(shù)學(xué)推導(dǎo)不用細(xì)看，誰(shuí)讓我們是速成呢，只要看到數(shù)據(jù)，知道不能怎么樣，而是應(yīng)該這樣分析即可。

Excel中有一個(gè)分析工具庫(kù)，簡(jiǎn)單強(qiáng)大。對(duì)列1的各名詞做到了解。如果是多變量多樣本，學(xué)會(huì)各種檢驗(yàn)。

《統(tǒng)計(jì)數(shù)字會(huì)撒謊》休閑讀物，有趣的案例可以讓我們避免很多數(shù)據(jù)陷阱。

深入淺出統(tǒng)計(jì)學(xué) (豆瓣)還是經(jīng)典的HeadFirst系列，適應(yīng)它一貫的啰嗦吧。

多說(shuō)一句，老板和非分析師不會(huì)有興趣知道背后的統(tǒng)計(jì)學(xué)原理，通常要的是分析后的是與否，二元答案。不要告訴他們P值什么的，告訴他們活動(dòng)有效果，或者沒(méi)效果。

第六周：業(yè)務(wù)學(xué)習(xí)（用戶(hù)行為、產(chǎn)品、運(yùn)營(yíng)）

這一周需要了解業(yè)務(wù)。對(duì)于數(shù)據(jù)分析師來(lái)說(shuō)，業(yè)務(wù)的了解比數(shù)據(jù)方法論更重要。當(dāng)然很遺憾，業(yè)務(wù)學(xué)習(xí)沒(méi)有捷徑。

我舉一個(gè)數(shù)據(jù)沙龍上的例子，一家O2O配送公司發(fā)現(xiàn)在重慶地區(qū)，外賣(mài)員的送貨效率低于其他城市，導(dǎo)致用戶(hù)的好評(píng)率降低。總部的數(shù)據(jù)分析師建立了各個(gè)指標(biāo)去分析原因，都沒(méi)有找出來(lái)問(wèn)題。后來(lái)在訪談中發(fā)覺(jué)，因?yàn)橹貞c是山城，路面高低落差比較夸張，很多外賣(mài)人員的小電瓶上不了坡…所以導(dǎo)致送貨效率慢。

這個(gè)案例中，我們只知道送貨員的送貨水平距離，數(shù)據(jù)上根本不可能知道垂直距離這個(gè)指標(biāo)。這就是數(shù)據(jù)的局限，也是只會(huì)看數(shù)據(jù)的分析師和接地氣分析師的最大差異。

對(duì)于業(yè)務(wù)市場(chǎng)的了解是數(shù)據(jù)分析師工作經(jīng)驗(yàn)上最大優(yōu)勢(shì)之一。既然是零經(jīng)驗(yàn)面試，公司肯定也知道剛?cè)腴T(mén)分析師不會(huì)有太多業(yè)務(wù)經(jīng)驗(yàn)，不會(huì)以這個(gè)卡人。所以簡(jiǎn)單花一周了解行業(yè)的各指標(biāo)。

《增長(zhǎng)黑客》

數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的典型，里面包含產(chǎn)品運(yùn)營(yíng)最經(jīng)典的AAARR框架，部分非數(shù)據(jù)的營(yíng)銷(xiāo)案例，

《網(wǎng)站分析實(shí)戰(zhàn)》

如果應(yīng)聘的公司涉及Web產(chǎn)品，可以了解流量的概念。書(shū)中案例以Google Analytics為主。其實(shí)現(xiàn)在是APP+Web的復(fù)合框架，比如朋友圈的傳播活動(dòng)肯定需要用到網(wǎng)頁(yè)的指標(biāo)去分析。

《精益數(shù)據(jù)分析》

互聯(lián)網(wǎng)數(shù)據(jù)分析的入門(mén)書(shū)籍，歸納總結(jié)了幾個(gè)常用的分析框架。比較遺憾的是案例都是歐美。

還有一個(gè)小建議，現(xiàn)在有不少第三方的數(shù)據(jù)應(yīng)用，囊括了不少產(chǎn)品領(lǐng)域的數(shù)據(jù)分析和統(tǒng)計(jì)。自學(xué)黨們即使沒(méi)有生產(chǎn)環(huán)境的數(shù)據(jù)，也可以看一下應(yīng)用Demo，有好處的。

除了業(yè)務(wù)知識(shí)，業(yè)務(wù)層面溝通也需要掌握。另外建議在面試前幾天收集該行業(yè)的業(yè)務(wù)強(qiáng)化一下。

第七周：Python/R學(xué)習(xí)

終于到第七周，也是最痛苦的一周。這時(shí)應(yīng)該學(xué)習(xí)編程技巧。是否具備編程能力，是初級(jí)數(shù)據(jù)分析和高級(jí)數(shù)據(jù)分析的風(fēng)水嶺。數(shù)據(jù)挖掘，爬蟲(chóng)，可視化報(bào)表都需要用到編程能力。掌握一門(mén)優(yōu)秀的編程語(yǔ)言，可以讓數(shù)據(jù)分析師事半功倍，升職加薪，迎娶白富美。

這里有兩條支線(xiàn)，學(xué)習(xí)R語(yǔ)言或Python。速成只要學(xué)習(xí)一條，以后再補(bǔ)上另外一門(mén)。

R的優(yōu)點(diǎn)是統(tǒng)計(jì)學(xué)家編寫(xiě)的，缺點(diǎn)也是統(tǒng)計(jì)學(xué)家編寫(xiě)。如果是各類(lèi)統(tǒng)計(jì)函數(shù)的調(diào)用，繪圖，分析的前驗(yàn)性論證，R無(wú)疑有優(yōu)勢(shì)。但是大數(shù)據(jù)量的處理力有不逮，學(xué)習(xí)曲線(xiàn)比較陡峭。Python則是萬(wàn)能的膠水語(yǔ)言，適用性強(qiáng)，可以將各類(lèi)分析的過(guò)程腳本化。Pandas，sklearn等各包也已經(jīng)追平R。

如果學(xué)習(xí)R，建議看《R語(yǔ)言實(shí)戰(zhàn)》，照著書(shū)本打一遍代碼，一星期綽綽有余。另外還有一本《統(tǒng)計(jì)學(xué)》，偏知識(shí)理論，可以復(fù)習(xí)前面的統(tǒng)計(jì)學(xué)知識(shí)。

R學(xué)習(xí)和熟悉各種包。知道描述性統(tǒng)計(jì)的函數(shù)。掌握DataFrame。如果時(shí)間有余。可以再去學(xué)習(xí)ggplot2。

Python擁有很多分支，我們專(zhuān)注數(shù)據(jù)分析這塊，入門(mén)可以學(xué)習(xí)《深入淺出Python》。

需要學(xué)會(huì)條件判斷，字典，切片，循環(huán)，迭代，自定義函數(shù)等。知道數(shù)據(jù)領(lǐng)域最經(jīng)典的包Pandas+Numpy。

在速成后的很長(zhǎng)一段時(shí)間，我們都要做調(diào)包俠。

這兩門(mén)語(yǔ)言最好安裝IDE，R語(yǔ)言我建議用RStudio，Python我建議用 Anaconda。都是數(shù)據(jù)分析的利器。

Mac自帶Python2.7，但現(xiàn)在Python 3已經(jīng)比幾年前成熟，而且沒(méi)有編碼問(wèn)題。各類(lèi)教程也足夠多，不要抱成守舊了。Win的電腦，安裝Python會(huì)有環(huán)境變量的問(wèn)題，是個(gè)大坑（R的中文編碼也是天坑）。

到這里，剛剛好是七周。如果還需要第八周+，則是把上面的鞏固和融會(huì)貫通，畢竟速成是以轉(zhuǎn)崗或拿offer為目的。有機(jī)會(huì)，我會(huì)專(zhuān)門(mén)寫(xiě)文章講解每一周的具體知識(shí)，并且用爬蟲(chóng)爬一些數(shù)據(jù)做練習(xí)和案例。

文章源自知乎作者秦路

作為一個(gè)奮戰(zhàn)在一線(xiàn)的數(shù)據(jù)分析崗，我覺(jué)得應(yīng)該有些話(huà)語(yǔ)權(quán)。

首先，需要定位清楚，學(xué)習(xí)是一個(gè)量變的過(guò)程，但是，我想分享的是如何快速且高效的掌握到技能然后找到自己想要的工作。前面分享的各位大佬都把數(shù)據(jù)分析中用的工具給列了出來(lái)。

然而，我這里分享的就是數(shù)據(jù)分析崗需要解決什么任務(wù)，為了解決什么任務(wù)用什么樣的數(shù)據(jù)分析工具去分析。在這個(gè)分析的過(guò)程中，把工具使用透。而不是先把工具學(xué)會(huì)，再去分析，本末或許會(huì)被倒置。

互聯(lián)網(wǎng)電商常見(jiàn)命題：

訂單量增長(zhǎng)原因，差評(píng)增加原因，訪問(wèn)pvuv增長(zhǎng)。

使用工具：最簡(jiǎn)單的excel，基本的sql查詢(xún)語(yǔ)句、python的使用

通過(guò)以上兩種工具可以有效解決各種同類(lèi)問(wèn)題，對(duì)于工具類(lèi)的使用，往往都是由點(diǎn)到面，因?yàn)楣ぞ吆軆?yōu)秀，而你需要的只是，能夠在需要用到它的時(shí)候知道怎么用。

app運(yùn)營(yíng)常見(jiàn)命題：

app用戶(hù)注冊(cè)量、用戶(hù)ugc增長(zhǎng)量

使用工具：sql、excel、python

那么問(wèn)題來(lái)了，其實(shí)現(xiàn)如今，只要能夠利用這三個(gè)工具，就可以再數(shù)據(jù)分析入門(mén)的時(shí)候找到一份不錯(cuò)的job。以戰(zhàn)代練，往往在技術(shù)性工作中能給自己帶來(lái)很大的幫助。

如有興趣，歡迎私聊。本人擔(dān)任某大型電商數(shù)據(jù)分析，歡迎交流經(jīng)驗(yàn)

不管是運(yùn)營(yíng)APP，還是運(yùn)營(yíng)微信公眾號(hào)，頭號(hào)號(hào)，大魚(yú)號(hào)，還是百家號(hào)，新媒體數(shù)據(jù)不僅是數(shù)據(jù)工程師和分析師的事情，在工作中也要求運(yùn)營(yíng)從業(yè)者有一定的數(shù)據(jù)分析能力。

新媒體數(shù)據(jù)分析

公子義認(rèn)為數(shù)據(jù)是優(yōu)化新媒體運(yùn)營(yíng)關(guān)鍵所在，能更好推動(dòng)運(yùn)營(yíng)策略和工作的開(kāi)展。

但運(yùn)營(yíng)童鞋多是數(shù)據(jù)小白，沒(méi)有編程和技術(shù)基礎(chǔ)，該怎么分析并用好數(shù)據(jù)呢？

今天從運(yùn)營(yíng)常見(jiàn)的數(shù)據(jù)問(wèn)題出發(fā)，希望讓大家能快速地入門(mén)數(shù)據(jù)分析，讓數(shù)據(jù)更好地為工作服務(wù)，別白白浪費(fèi)數(shù)據(jù)的價(jià)值。

一、數(shù)據(jù)分析應(yīng)該從哪里入手？

從哪些角度入手？這是運(yùn)營(yíng)小伙伴們最頭痛的問(wèn)題，不知道該關(guān)注、分析哪些數(shù)據(jù)，就算拿到數(shù)據(jù)后，也不知道到底從哪些方面去分析這些運(yùn)營(yíng)數(shù)據(jù)。

新媒體數(shù)據(jù)分析

公子義給小伙伴們整理一些運(yùn)營(yíng)常見(jiàn)的數(shù)據(jù)指標(biāo)，也總結(jié)了一些比較適用的分析角度，希望有用~

1、新媒體運(yùn)營(yíng)關(guān)注的常見(jiàn)數(shù)據(jù)指標(biāo)

1）訪問(wèn)：PV、UV、IP（最常見(jiàn)）；跳出率、平均訪問(wèn)時(shí)長(zhǎng)、平均訪問(wèn)頁(yè)數(shù)等；

2）注冊(cè)：關(guān)注人數(shù)、關(guān)注走勢(shì)、累計(jì)關(guān)注人數(shù)、轉(zhuǎn)化率等；

用戶(hù)

1）活躍：內(nèi)容PV、UV；UGC、PGC、文章數(shù)、關(guān)注數(shù)、閱讀數(shù)、互動(dòng)數(shù)（評(píng)論、點(diǎn)贊等）、傳播數(shù)（轉(zhuǎn)發(fā)、分享等）；

用戶(hù)喜好文章的類(lèi)型

2）互動(dòng)人數(shù)：每日評(píng)論人數(shù)、收藏人數(shù)、分享人數(shù)等

3）頭像：分析用戶(hù)屬性，關(guān)注年齡、性別、學(xué)歷、職業(yè)、地域、婚否、收入、興趣等；

2、新媒體運(yùn)營(yíng)數(shù)據(jù)分析要遵循哪些原則？

但是運(yùn)營(yíng)畢竟不是專(zhuān)業(yè)的數(shù)據(jù)分析師，主要能用好這些原則就夠了~

對(duì)比：分成橫向和縱向?qū)Ρ龋热缈v向的同環(huán)比分析，橫向的不同產(chǎn)品、不同渠道的對(duì)比等；

走勢(shì)（變化）：指標(biāo)隨時(shí)間的變動(dòng)，表現(xiàn)為增幅（同比、環(huán)比等）；

分布：這個(gè)好理解，比如說(shuō)用戶(hù)不同年齡段的分類(lèi)、不同職業(yè)的分布、不同地域分布等；

用戶(hù)地域分布圖

細(xì)分：從多層級(jí)去了解數(shù)據(jù)，比如分析全國(guó)不同省份不同城市的具體訂單數(shù)據(jù)，從全國(guó)—省份—城市一一下鉆深入分析；

如何變身自己的“專(zhuān)屬分析師”呢~數(shù)據(jù)分析的整個(gè)過(guò)程：確定指標(biāo)——數(shù)據(jù)收集——數(shù)據(jù)整合、數(shù)據(jù)處理/建模、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)、報(bào)表整理

數(shù)據(jù)收集：可通過(guò)公司數(shù)據(jù)庫(kù)埋點(diǎn)獲得，可以通過(guò)頭條號(hào)、微信公眾號(hào)、大魚(yú)號(hào)、百家號(hào)等媒體平臺(tái)獲得，也通過(guò)一些記錄的數(shù)據(jù)獲得。

數(shù)據(jù)整合：運(yùn)營(yíng)人要看的數(shù)據(jù)太多了，有數(shù)據(jù)庫(kù)，有各種第三平臺(tái)的數(shù)據(jù)（新榜、清博指數(shù)、公眾號(hào)等），每次都需要從不同平臺(tái)取數(shù)據(jù)，太分散了，最好能在一個(gè)數(shù)據(jù)平臺(tái)集中管理數(shù)據(jù)。

爆款文章數(shù)據(jù)分析

數(shù)據(jù)分析：可參考分析方法，比如“求和、計(jì)數(shù)、同環(huán)比、多粒度下鉆”等分析，一般在Excel中需通過(guò)寫(xiě)公式搞定。

數(shù)據(jù)呈現(xiàn)（可視化）：

簡(jiǎn)單地說(shuō)，就是如何制圖唄，報(bào)表匯報(bào)：將數(shù)據(jù)通過(guò)表格、圖表或其他形式向領(lǐng)導(dǎo)匯報(bào)。如何不依賴(lài)分析師，自己搞定數(shù)據(jù)分析呢？

1、學(xué)習(xí)一些數(shù)據(jù)分析理論。（數(shù)據(jù)思維）

2、了解、熟悉業(yè)務(wù)，這點(diǎn)很重要。（業(yè)務(wù)思路）

3、學(xué)習(xí)一些數(shù)據(jù)分析工具。（工具輔助）以我的個(gè)人經(jīng)驗(yàn)來(lái)看，真正把握這些真真是夠了

二、如何制作讓老板滿(mǎn)意的好看圖表？

沒(méi)有哪個(gè)老板喜歡雜亂的表格數(shù)據(jù)，顏值才是王道啊。簡(jiǎn)單地說(shuō)，就是數(shù)據(jù)如何可視化，讓數(shù)據(jù)直觀、明了。

分析數(shù)據(jù)占比：分析單維度的數(shù)據(jù)占比可用餅/環(huán)圖、分析多維度的數(shù)據(jù)占比，可用旭日?qǐng)D和矩形樹(shù)圖。

分析數(shù)據(jù)走線(xiàn)圖：最常用的是折線(xiàn)圖，柱狀圖也可以表達(dá)，直觀度略低于折線(xiàn)圖。分析地區(qū)分布：全國(guó)、省份分布可用行政地圖，更詳細(xì)的地域分布可用經(jīng)緯。

用戶(hù)分析詞頻

分析詞頻：比如用戶(hù)的職位分布，可用詞云，有3D效果哦~分析轉(zhuǎn)化效果：那肯定用漏斗圖最最合適。

關(guān)于轉(zhuǎn)化，分享一個(gè)自己身邊的真實(shí)故事。每個(gè)圖表都有適合的使用場(chǎng)景，用好各種圖表很重要，直接影響到數(shù)據(jù)的直觀和美觀程度。

三、如何快速找到數(shù)據(jù)背后的問(wèn)題？

做了那么多的數(shù)據(jù)工作，最終無(wú)非是為了從數(shù)據(jù)中去發(fā)現(xiàn)問(wèn)題，不斷優(yōu)化運(yùn)營(yíng)策略。

不論數(shù)據(jù)是上升了還是下降了，肯定有其變化的原因，這里以用戶(hù)數(shù)據(jù)變化為例了解一下快速找到問(wèn)題的思路。

看數(shù)據(jù)—發(fā)現(xiàn)問(wèn)題—解決問(wèn)題—再看數(shù)據(jù)—問(wèn)題解決，或者看數(shù)據(jù)—發(fā)現(xiàn)增長(zhǎng)—找到原因—繼續(xù)應(yīng)用。

作者 l 公子義

來(lái)源 l 公子義（ID：gongzi348）

數(shù)據(jù)分析分為兩部分，數(shù)據(jù)和分析。

數(shù)據(jù)通過(guò)Excel和PPT即可展示，可以在一些專(zhuān)業(yè)的數(shù)據(jù)平臺(tái)獲得數(shù)據(jù)，比如艾媒北極星、百度指數(shù)、微指數(shù)、微信指數(shù)等等。

而分析才是大學(xué)問(wèn)。對(duì)于數(shù)據(jù)的引用，分析的方法，推薦你可以參考一些部門(mén)、協(xié)會(huì)和機(jī)構(gòu)的高質(zhì)量數(shù)據(jù)報(bào)告，比如麥肯錫，尼爾森，思略特，艾媒咨詢(xún)，多參考專(zhuān)業(yè)的報(bào)告進(jìn)行練習(xí)。

怎么入門(mén)數(shù)據(jù)分析？

1、打好概率與統(tǒng)計(jì)的基礎(chǔ)

概率與統(tǒng)計(jì)是數(shù)據(jù)分析的基石，像一些概率分布、抽樣、線(xiàn)性回歸、時(shí)間序列都是數(shù)據(jù)分析當(dāng)中經(jīng)常會(huì)用到的，可以說(shuō)日常碰到的大部分的分析需求都可以用統(tǒng)計(jì)分析來(lái)解決。

2、掌握數(shù)據(jù)庫(kù)技能

做數(shù)據(jù)分析離不開(kāi)查詢(xún)數(shù)據(jù)庫(kù)，這里主要涉及的是SQL。對(duì)于傳統(tǒng)的數(shù)據(jù)庫(kù)如MySQL，SQL Server，Oracle，或者大數(shù)據(jù)平臺(tái)Hadoop，都可以通過(guò)SQL查詢(xún)的方式來(lái)獲取數(shù)據(jù)。

3、掌握Python或者R

Python和R是數(shù)據(jù)分析當(dāng)中最常用的兩門(mén)語(yǔ)言。R是為數(shù)據(jù)分析而生的一門(mén)語(yǔ)言，但Python在數(shù)據(jù)分析方面有后來(lái)居上的趨勢(shì)。

4、機(jī)器學(xué)習(xí)

數(shù)據(jù)分析如果繼續(xù)深入的話(huà)，可以學(xué)習(xí)機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)涉及的理論主要是分類(lèi)、回歸、聚類(lèi)、決策樹(shù)、貝葉斯定理等。

相關(guān)：大數(shù)據(jù)分析學(xué)習(xí)的詳細(xì)解讀

https://www.toutiao.com/i6616593013986558471/

數(shù)據(jù)科學(xué)，數(shù)據(jù)分析和機(jī)器學(xué)習(xí)之間的差異

https://www.toutiao.com/i6592350285857817102/

https://www.toutiao.com/i6630975917390823943/

• 數(shù)學(xué)基礎(chǔ)（數(shù)據(jù)分析的原理）
  
• 編程基礎(chǔ)（數(shù)據(jù)分析的實(shí)現(xiàn)手段）
  

1. 這兩個(gè)基礎(chǔ)建議先了解一下基本的數(shù)學(xué)原理；
   
2. 然后根據(jù)你需要，選擇一款相關(guān)數(shù)據(jù)分析軟件（Excel、SPSS、Matlab、R、Python），做些針對(duì)性的練習(xí)；
   
3. 后面在不斷的實(shí)際應(yīng)用中學(xué)習(xí)成長(zhǎng)就好。
   

摘自今日頭條號(hào)《算法集市》— 數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ)簡(jiǎn)介

1、描述性數(shù)據(jù)匯總

描述性數(shù)據(jù)匯總可以識(shí)別數(shù)據(jù)的典型性質(zhì)，包括數(shù)據(jù)的中心趨勢(shì)和離中趨勢(shì)。

1.1、數(shù)據(jù)中心趨勢(shì)

數(shù)據(jù)中心趨勢(shì)度量包括：均值（mean）、中位數(shù)（median）、眾數(shù)（mode）、中列數(shù)（midrange，數(shù)據(jù)最大和最小值的平均值）、加權(quán)平均（weighted average）。

截?cái)嗑担╰rimmed mean）：為了抵消少數(shù)極端值的影響，同時(shí)避免損失有價(jià)值的信息，可以在計(jì)算均值前去掉上下各2%~5%的值。

1.2、數(shù)據(jù)離中趨勢(shì)

數(shù)據(jù)離中趨勢(shì)，即數(shù)據(jù)分散程度，其度量包括：極差（range，數(shù)據(jù)最大值和最小值之差）、方差（variance）

1.3、數(shù)據(jù)匯總可視化

數(shù)據(jù)匯總可視化可用不同的圖形表示：直方圖、餅圖、線(xiàn)圖、散點(diǎn)圖、雷達(dá)圖、組合圖等。

2、數(shù)據(jù)預(yù)處理

現(xiàn)實(shí)世界的數(shù)據(jù)通常是不完整、含噪聲、不一致的，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可提高數(shù)據(jù)質(zhì)量，從而有助于提高其后數(shù)據(jù)挖掘的精度和性能。

2.1、數(shù)據(jù)清理

數(shù)據(jù)清理對(duì)象包括缺失值、噪聲數(shù)據(jù)、離群點(diǎn)。

缺失值：忽略缺失值所在組、人工填寫(xiě)缺失值、使用全局常量填充、利用均值代替、利用最值代替；

噪聲數(shù)據(jù)：利用數(shù)據(jù)鄰近值的均值或中位數(shù)光滑（分箱）、利用回歸函數(shù)擬合數(shù)據(jù)；

離群點(diǎn)：人工去除離群點(diǎn)、設(shè)置數(shù)據(jù)最值邊界去除離群點(diǎn)、通過(guò)聚類(lèi)檢測(cè)離群點(diǎn)。

2.2、數(shù)據(jù)變換

數(shù)據(jù)變換將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合挖掘的形式。

光滑：去除數(shù)據(jù)噪聲，包括分箱、回歸、聚類(lèi)；

聚集：對(duì)數(shù)據(jù)匯總或聚集，包括總和、均值、方差；

分類(lèi)：根據(jù)數(shù)據(jù)屬性對(duì)其分類(lèi)；

規(guī)范：將數(shù)據(jù)按比例縮放，包括最小-最大規(guī)范化、Z-score規(guī)范化、小數(shù)點(diǎn)移動(dòng)規(guī)范化；

屬性構(gòu)造：根據(jù)數(shù)據(jù)給定屬性，通過(guò)組合添加構(gòu)建新屬性。

3、數(shù)據(jù)處理

1）分類(lèi)和預(yù)測(cè)：可用相同的數(shù)據(jù)處理方法進(jìn)行，分類(lèi)是離散的函數(shù)模型，預(yù)測(cè)是連續(xù)的函數(shù)模型，包括回歸分析、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊分析、決策樹(shù)；

2）聚類(lèi)：劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法；

3）降維：主成分分析、低方差濾波、高相關(guān)濾波。

1、 數(shù)據(jù)分析要學(xué)多久？

每個(gè)人的學(xué)習(xí)能力和基礎(chǔ)都不同，所以數(shù)據(jù)分析的學(xué)習(xí)周期也不同。如果是通過(guò)自學(xué)的方式，由于無(wú)專(zhuān)業(yè)老師指導(dǎo)及無(wú)法系統(tǒng)的學(xué)習(xí)，這個(gè)周期可能會(huì)很長(zhǎng)。一般來(lái)講，如果零基礎(chǔ)的學(xué)習(xí)者進(jìn)行系統(tǒng)的培訓(xùn)，最快也要將近三、四個(gè)月的時(shí)間。

數(shù)據(jù)分析的學(xué)習(xí)應(yīng)該首先從熟悉表以及表結(jié)構(gòu)開(kāi)始，它的原點(diǎn)一定是在首先了解熟悉Excel的基礎(chǔ)上，在能夠從數(shù)據(jù)庫(kù)里提數(shù)的基礎(chǔ)上再進(jìn)行技能的升級(jí)。你的技能從能夠從數(shù)據(jù)庫(kù)里提數(shù)，并且用Excel和BI處理幾萬(wàn)行的小數(shù)據(jù)量，到使用python批量化處理幾十萬(wàn)甚至百萬(wàn)行中量級(jí)數(shù)據(jù)量，到最終使用大數(shù)據(jù)的相關(guān)組件，例如hadoop，spark，flume等組件處理千萬(wàn)級(jí)甚至是億級(jí)大數(shù)據(jù)量。每一個(gè)階段所需要的工具加方法論都是不一樣的。一般而言，對(duì)于自學(xué)而成為能處理中量級(jí)數(shù)據(jù)量的分析師而言，得至少入門(mén)python的pandas，numpy等數(shù)據(jù)處理庫(kù)。這個(gè)零自學(xué)的周期，也一般跟悟性和自律有關(guān)，悟性和自律性高的同學(xué)，可能在4個(gè)月能夠掌握；如果悟性和自律性不高的同學(xué)，這個(gè)周期有可能就是半途而廢，無(wú)法估量時(shí)間了。

2、 數(shù)據(jù)分析要學(xué)什么？

(1) Excel

說(shuō)起Excel可能會(huì)有人覺(jué)得這個(gè)很簡(jiǎn)單，但是Excel確實(shí)是一個(gè)功能強(qiáng)大的利器。零基礎(chǔ)學(xué)數(shù)據(jù)分析師一定要從Excel入門(mén)，因?yàn)镋xcel是處理小型數(shù)據(jù)量企業(yè)用的最多的工具，在基礎(chǔ)數(shù)據(jù)分析師與數(shù)據(jù)運(yùn)營(yíng)崗位中具有極其重要的地位。作為數(shù)據(jù)分析師的核心工具，具體學(xué)習(xí)內(nèi)容有Excel函數(shù)技巧（查找函數(shù)、統(tǒng)計(jì)函數(shù)、邏輯函數(shù)）、Excel快速處理技巧（格式調(diào)整、查找定位、快捷鍵技巧等）和Excel可視化技巧（組合圖、條形圖、數(shù)據(jù)氣泡地圖）等。

(2) Mysql

SQL同樣是零基礎(chǔ)學(xué)習(xí)數(shù)據(jù)分析的核心內(nèi)容。因?yàn)樽鳛閿?shù)據(jù)分析師，你首先要解決的問(wèn)題就是你要有數(shù)據(jù)來(lái)做分析。通常企業(yè)都會(huì)有自己的數(shù)據(jù)庫(kù)，數(shù)據(jù)分析師首先得根據(jù)業(yè)務(wù)需要知道自己要從企業(yè)數(shù)據(jù)庫(kù)中提取哪些數(shù)據(jù)。企業(yè)如果部署本地?cái)?shù)據(jù)庫(kù)，那么一定是SQL語(yǔ)言做提取數(shù)據(jù)的語(yǔ)言。SQL簡(jiǎn)單易懂，非常容易上手，并且是非學(xué)不可的。SQL語(yǔ)言從學(xué)習(xí)MySQL數(shù)據(jù)庫(kù)開(kāi)始，涉及對(duì)表結(jié)構(gòu)數(shù)據(jù)的增刪改查。真正在企業(yè)里面，數(shù)據(jù)分析師一般不會(huì)有增刪改的權(quán)限，只會(huì)有查的權(quán)限。學(xué)員應(yīng)該重點(diǎn)掌握查的各種句式。

(3) Python

Python的基礎(chǔ)對(duì)于數(shù)據(jù)分析師而言是非常重要的。對(duì)于十萬(wàn)級(jí)或者百萬(wàn)級(jí)數(shù)據(jù)量而言，Excel和BI都會(huì)因?yàn)檫\(yùn)行卡頓而變得完全無(wú)法使用。然而在實(shí)際企業(yè)運(yùn)用中，一次性處理十萬(wàn)級(jí)以及百萬(wàn)級(jí)數(shù)據(jù)又是非常常見(jiàn)的。而Python則是處理這種中量級(jí)數(shù)據(jù)的利器。因?yàn)镻ython有很多的第三方強(qiáng)大的庫(kù)，比如Numpy、Pandas、Matplotlib、Seaborn等。這些庫(kù)能讓數(shù)據(jù)分析師對(duì)百萬(wàn)數(shù)據(jù)進(jìn)行數(shù)據(jù)清理和畫(huà)圖分析。Python不僅能數(shù)據(jù)清洗，畫(huà)圖，還能用sklearn進(jìn)行大數(shù)據(jù)算法分析。雖然Python是數(shù)據(jù)分析的重要工具，但是不同的職業(yè)發(fā)展方向，Python掌握的程度也是不一樣的。

(4) BI商業(yè)智能工具

BI可以理解成Excel圖表透視表的高級(jí)版。BI是將表與表相連，然后得出很多指標(biāo)圖。它是一個(gè)大屏的看板，如下圖：

BI看板圖

企業(yè)銷(xiāo)售指標(biāo)，運(yùn)營(yíng)指標(biāo)，物流指標(biāo)等等。這些圖可以表示企業(yè)在過(guò)去5個(gè)月的平均銷(xiāo)售單價(jià)，過(guò)去24個(gè)月銷(xiāo)售的物流發(fā)貨量的變化曲線(xiàn)，甚至是現(xiàn)在實(shí)時(shí)的銷(xiāo)售額，這些都是企業(yè)關(guān)心的問(wèn)題。有了這個(gè)看板，領(lǐng)導(dǎo)層在監(jiān)控企業(yè)業(yè)務(wù)方面就有了非常直觀的數(shù)據(jù)，以供他們及時(shí)做出決策調(diào)整。現(xiàn)在市面上比較流行的BI軟件，有FineBI，PowerBI等。而這些BI軟件實(shí)際上都是非常類(lèi)似的，學(xué)起來(lái)難度也不大。學(xué)習(xí)FineReport、FineBI由入門(mén)到精通，快速挖掘數(shù)據(jù)價(jià)值，將這些數(shù)據(jù)轉(zhuǎn)化成有用的信息，讓企業(yè)決策有數(shù)據(jù)依據(jù)，從而驅(qū)動(dòng)企業(yè)決策和運(yùn)營(yíng)。

(5) 數(shù)理統(tǒng)計(jì)與數(shù)據(jù)運(yùn)營(yíng)

數(shù)理統(tǒng)計(jì)和數(shù)據(jù)運(yùn)營(yíng)方法論是數(shù)據(jù)分析師的理論基石。數(shù)理統(tǒng)計(jì)包括概率論，統(tǒng)計(jì)學(xué)，線(xiàn)性代數(shù)，以及基礎(chǔ)的微積分理論。這些內(nèi)容都不需要理解的很深，但是對(duì)它們的原理以及內(nèi)涵都需要有所掌握。由于整個(gè)數(shù)據(jù)分析的源頭其實(shí)就是脫胎于描述性統(tǒng)計(jì)分析的。描述性統(tǒng)計(jì)分析是對(duì)樣本的總數(shù)、均值等指標(biāo)做統(tǒng)計(jì)的；而數(shù)據(jù)分析后續(xù)涉及到的算法則是架構(gòu)在統(tǒng)計(jì)學(xué)上更深一層次的建模。因此，掌握數(shù)理統(tǒng)計(jì)的相關(guān)知識(shí)對(duì)于入門(mén)數(shù)據(jù)分析師而言是基礎(chǔ)且必要的。

那數(shù)據(jù)運(yùn)營(yíng)方法論是什么呢？數(shù)據(jù)運(yùn)營(yíng)方法論實(shí)際上是學(xué)習(xí)各個(gè)行業(yè)所運(yùn)營(yíng)的分析模型。例如，對(duì)電商而言，漏斗分析可以分析出來(lái)進(jìn)入主頁(yè)的人數(shù)PV1，到進(jìn)入服裝板塊的人數(shù)PV2，PV2/PV1就可以得出一個(gè)進(jìn)入服裝板塊的比率。還有很多通用的分析模型：相關(guān)分析，A/B test等。對(duì)于想往管理路線(xiàn)發(fā)展的數(shù)據(jù)分析師來(lái)講，數(shù)據(jù)運(yùn)營(yíng)是必須要學(xué)習(xí)的知識(shí)。其實(shí)數(shù)據(jù)運(yùn)營(yíng)知識(shí)也不復(fù)雜，就是根據(jù)自身業(yè)務(wù)需求將指標(biāo)拆解到最細(xì)，然后運(yùn)用同比和環(huán)比兩種數(shù)據(jù)分析方式。

(6) 機(jī)器學(xué)習(xí)

最后一個(gè)進(jìn)階要求數(shù)據(jù)分析師掌握對(duì)大量數(shù)據(jù)分析的能力。這種分析就不只是停留在描述統(tǒng)計(jì)分析和運(yùn)用數(shù)據(jù)運(yùn)營(yíng)方法進(jìn)行分析了，而是進(jìn)行預(yù)測(cè)分析。預(yù)測(cè)分析的本質(zhì)是利用已有的數(shù)據(jù)做出一套變量x，與預(yù)測(cè)最終值y之間的關(guān)系（也就是數(shù)學(xué)算法公式），然后利用這套算法，將更多的x輸入算法中去得出一個(gè)預(yù)測(cè)的y值，這里聽(tīng)不懂沒(méi)關(guān)系。總之，這個(gè)階段的數(shù)據(jù)分析是利用大量的歷史數(shù)據(jù)構(gòu)建出一套數(shù)學(xué)公式（也就是算法），用這個(gè)數(shù)學(xué)公式去對(duì)未來(lái)進(jìn)行預(yù)測(cè)。比如說(shuō)：一個(gè)人大量地刷體育短視頻，根據(jù)算法可以得出這個(gè)人可能對(duì)觀看足球比賽的ucloud體育會(huì)員感興趣。這類(lèi)推斷和預(yù)測(cè)對(duì)于商業(yè)世界是有著極大變現(xiàn)意義的。要想成為掌握算法的數(shù)據(jù)分析師，機(jī)器學(xué)習(xí)是不可跳過(guò)的入門(mén)。學(xué)員應(yīng)該從簡(jiǎn)單的一元回歸，多元回歸，以及邏輯回歸學(xué)習(xí)等，逐漸學(xué)習(xí)更多像決策樹(shù)，隨機(jī)森林，SVM等更高級(jí)的算法。

一、為什么學(xué)習(xí)數(shù)據(jù)分析

1、運(yùn)營(yíng)的尷尬：運(yùn)營(yíng)人需要一個(gè)硬技能

每個(gè)初入行的新人都會(huì)察覺(jué)到，運(yùn)營(yíng)是一個(gè)似乎并沒(méi)有自己的核心競(jìng)爭(zhēng)力和安全感的工作。因?yàn)槊刻斓墓ぷ骱孟穸急桓鞣N瑣事所圍繞，而只有一個(gè)主題是永恒不變的，那就是---提需求，不斷的提各種需求。

運(yùn)營(yíng)人需要一個(gè)硬核技能，提升自己的職業(yè)價(jià)值，提高自己的職業(yè)安全感，而不是每天都在各種的等排期：數(shù)據(jù)分析排期、產(chǎn)品設(shè)計(jì)排期、UI排期、開(kāi)發(fā)排期。

運(yùn)營(yíng)迫切需要通過(guò)利用SQL/Python等工具，從數(shù)據(jù)中及時(shí)發(fā)現(xiàn)更多的業(yè)務(wù)價(jià)值，提高自己的產(chǎn)出。

這幾年隨著人工智能的火熱，數(shù)據(jù)分析技能也逐漸受到了更多的認(rèn)可。從國(guó)外BA專(zhuān)業(yè)申請(qǐng)和國(guó)內(nèi)數(shù)據(jù)分析培訓(xùn)的火熱也可見(jiàn)一斑。但對(duì)于在職人士，從單純的技能習(xí)得角度去看，BA的能力完全是可以自學(xué)獲得的。

我認(rèn)為，未來(lái)數(shù)據(jù)分析能力在運(yùn)營(yíng)人的能力模型中的比重仍會(huì)繼續(xù)加大，將來(lái)甚至?xí)D壓數(shù)據(jù)分析師的需求和生存空間，所以，對(duì)于數(shù)據(jù)分析，前景很好，而數(shù)據(jù)分析師，前景并不樂(lè)觀。

數(shù)據(jù)分析有兩個(gè)方向：

一個(gè)是業(yè)務(wù)向：如數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)據(jù)分析師，對(duì)技術(shù)要求并不那么高；

一個(gè)是技術(shù)向：需要懂?dāng)?shù)據(jù)挖掘、算法等，對(duì)技術(shù)的要求較高。

從自己的定位來(lái)看，并不打算做數(shù)據(jù)挖掘，因?yàn)樽约旱闹R(shí)結(jié)構(gòu)和時(shí)間上的投入產(chǎn)出比可能并不太高。主要希望通過(guò)數(shù)據(jù)分析技能，增強(qiáng)自己作為產(chǎn)品運(yùn)營(yíng)的競(jìng)爭(zhēng)力。

于我一個(gè)沒(méi)有任何基礎(chǔ)的純小白而言，并不是能速成的，需要做好持續(xù)學(xué)習(xí)的準(zhǔn)備。

1、統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)

2、Excel的熟練使用

3、SQL

4、Python

5、分析方法和思維

6、對(duì)業(yè)務(wù)的充分理解

從自身來(lái)看，主要需要彌補(bǔ)的為：SQL+EXCEL+統(tǒng)計(jì)+PYTHON。

主要以看書(shū)為主，視頻為輔，不需要報(bào)任何的培訓(xùn)班。

SQL大概是互聯(lián)網(wǎng)公司做數(shù)據(jù)分析用到的最多、最重要的工具了，在整個(gè)數(shù)據(jù)分析過(guò)程中，用Sql提取數(shù)據(jù)，可能要占到整個(gè)數(shù)據(jù)分析過(guò)程的50%-80%，以至于很多數(shù)據(jù)分析師都被戲稱(chēng)為“Sql Boy/Girl”。

mysql數(shù)據(jù)庫(kù)的功能可以用四個(gè)字概括：增刪改查。

但是對(duì)于我們來(lái)說(shuō)，我們能用到的只會(huì)有數(shù)據(jù)庫(kù)查詢(xún)功能，其它權(quán)限是不可能開(kāi)放給你的。

如果數(shù)據(jù)庫(kù)你覺(jué)得生澀的話(huà)，可以這么理解：

?SQL？ 就是一條存取數(shù)據(jù)的命令

?數(shù)據(jù)庫(kù)？ 就相當(dāng)于一個(gè)文件夾

?數(shù)據(jù)表？ 就相當(dāng)于文件夾內(nèi)的一個(gè)Excel文件

–表名就是文件名

–表中的每一列有一個(gè)名字，就是列名，也可以成為字段

SQL的學(xué)習(xí)可以分為三塊：

簡(jiǎn)單查詢(xún)、

關(guān)聯(lián)查詢(xún)、

函數(shù)引用。

什么是查詢(xún)呢？

在數(shù)據(jù)庫(kù)建立之后，通過(guò)sql命令里最常用的語(yǔ)句SELECT，讓我們查看數(shù)據(jù)庫(kù)里保存的數(shù)據(jù)，并可以進(jìn)行一定的分析和歸納。

簡(jiǎn)單查詢(xún)：

SELECT語(yǔ)句的完整格式包含6個(gè)子句：

1、FROM 子句：查詢(xún)數(shù)據(jù)的表，指定數(shù)據(jù)的來(lái)源。

2、WHERE 子句：查詢(xún)數(shù)據(jù)的過(guò)濾條件。

3、GROUP BY 子句：對(duì)匹配 WHERE 子句的查詢(xún)結(jié)果進(jìn)行分組。

4、HAVING 子句：對(duì)分組后的結(jié)果進(jìn)行條件限制。

5、ORDER BY 子句：對(duì)查詢(xún)結(jié)果進(jìn)行排序，后面跟 DESC 降序或 ASC 升序（默認(rèn)）。

6、LIMIT 子句：對(duì)查詢(xún)的顯示結(jié)果限制行數(shù)。

關(guān)聯(lián)查詢(xún)：

如果要進(jìn)行多表查詢(xún)，就需要用到連接。

連接查詢(xún)是把兩個(gè)或多個(gè)表連接在一起來(lái)獲取數(shù)據(jù)，是關(guān)系型數(shù)據(jù)庫(kù)中最主要的查詢(xún)。表的連接方式主要包括內(nèi)連接、外連接和交叉連接等。

1、from 指定查詢(xún)表名、并給出別名。

2、left join 左外連接，左表全部記錄及右表匹配記錄出現(xiàn)在查詢(xún)結(jié)果中。

3、inner join 內(nèi)連接，左表和右表共同的記錄出現(xiàn)在查詢(xún)結(jié)果中。

4、right join 右外連接，右表全部記錄及左表匹配記錄出現(xiàn)在查詢(xún)結(jié)果中。

5、on 指定關(guān)聯(lián)條件。

表連接后的結(jié)果可以通過(guò)這個(gè)圖清晰的展示出來(lái)。

舉個(gè)栗子：

函數(shù)引用：

利用函數(shù)可以提高sql的效率，經(jīng)常用到的函數(shù)主要有：

邏輯運(yùn)算：and、or、not；

數(shù)值運(yùn)算：round、floor、ceil、rand、exp、sqrt等；

日期函數(shù)：from_unixtime、unix_timestamp、year、month、day、hour、minute、second、weekofyear、detediff、date_add、date_sub等；

條件函數(shù)：if、coalesce、case when等；

字符串函數(shù)：concat、substr、trim、reverse、split等；

集合統(tǒng)計(jì)函數(shù)：count、sum、max、min、percentile等。

推薦書(shū)目：

推薦下我們部門(mén)每個(gè)運(yùn)營(yíng)同學(xué)人手一本的必備書(shū)目：

《SQL必知必會(huì)》

Hive

隨著數(shù)據(jù)量的不斷增加，很多時(shí)候mysql已經(jīng)滿(mǎn)足不了數(shù)據(jù)需要，很多公司開(kāi)始使用hive或者presto。

其實(shí)有了SQL的基礎(chǔ)，HIVE學(xué)習(xí)還是比較簡(jiǎn)單的。

推薦書(shū)目：《HIVE編程指南》

重點(diǎn)看下HQL的數(shù)據(jù)操作、查詢(xún)、調(diào)優(yōu)部分，與mySQL大同小異，只是一些語(yǔ)法需要多帶帶注意下即可。

Excel大家多少都會(huì)一些，它的功能很強(qiáng)大，但是絕大多數(shù)人，可能使用了它的1%功能都不到。

Excel 可以進(jìn)行各種數(shù)據(jù)的處理、統(tǒng)計(jì)分析和輔助決策等，作為常用的數(shù)據(jù)處理和展現(xiàn)工 具，我們除了要熟練使用Excel 的函數(shù)和數(shù)據(jù)透視表等操作工具，更重要的是，利用好Excel 的可視化，用圖表將結(jié)論展現(xiàn)出來(lái)，這樣分析和可視化能力會(huì)得到迅速提高。

SQL+Excel可以說(shuō)是數(shù)據(jù)分析的必備神器。

推薦書(shū)目：《誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析》。

這本書(shū)不只是介紹Excel的功能，更重要的是介紹一些實(shí)踐場(chǎng)景中數(shù)據(jù)分析的步驟和思路，對(duì)于初學(xué)者有很大的指導(dǎo)意義。

統(tǒng)計(jì)學(xué)是數(shù)據(jù)分析的理論基礎(chǔ)，可以使數(shù)據(jù)分析更加系統(tǒng)化。沒(méi)有統(tǒng)計(jì)學(xué)基礎(chǔ)的數(shù)據(jù)分析師的職業(yè)發(fā)展之路不會(huì)長(zhǎng)遠(yuǎn)，因?yàn)樵诠ぷ髦锌赡軙?huì)常常遇到不知道該用什么方法找尋數(shù)據(jù)規(guī)律的瓶頸，因此掌握數(shù)據(jù)分析的統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)是成為一名優(yōu)秀數(shù)據(jù)分析師的基礎(chǔ)。

主要需要掌握：

用于集中趨勢(shì)分析的平均數(shù)、中數(shù)、眾數(shù)；

用于離中趨勢(shì)分析的全距、 四分差、平均差、方差、標(biāo)準(zhǔn)差；

研究現(xiàn)象之間是否存在某種依存關(guān)系的相關(guān)分析；

確定兩種或 兩種以上變數(shù)間相互依賴(lài)的定量關(guān)系的回歸分析；

揭示同一個(gè)變量的各個(gè)類(lèi)別之間的差異，以及不同變量各個(gè)類(lèi)別之間的對(duì)應(yīng)關(guān)系的關(guān)聯(lián)分析、R-Q 型因子分析；

研究從變量群中提取共性因子 的因子分析；

用于兩個(gè)及以上樣本均數(shù)差別的顯著性檢驗(yàn)的方差分析；

概率及分布、參數(shù)估計(jì)、 假設(shè)檢驗(yàn)等等經(jīng)典統(tǒng)計(jì)學(xué)內(nèi)容。

很多人都推薦《商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》，說(shuō)實(shí)話(huà)，這本書(shū)對(duì)小白并不友好。

我的進(jìn)階路徑是：《赤裸裸的統(tǒng)計(jì)學(xué)》→《深入淺出統(tǒng)計(jì)學(xué)》→《商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》

前面2本書(shū)更加有趣味性，對(duì)于小白，更容易理解，不至于讓你很快從學(xué)習(xí)到放棄。

說(shuō)實(shí)話(huà)，互聯(lián)網(wǎng)行業(yè)日常的數(shù)據(jù)分析中用到python的機(jī)會(huì)并不多，SQL+EXCEL可以說(shuō)能解決95%的工作需要。另外5%主要是在數(shù)據(jù)量較大，SQL已經(jīng)無(wú)法滿(mǎn)足工作需要時(shí)，那么Python大法就該出場(chǎng)了。

我們分析一般都是有了現(xiàn)成的公司數(shù)據(jù)，很少有從外部獲取的，所以爬蟲(chóng)，可以暫時(shí)先不學(xué)，有需要的話(huà)，先找爬蟲(chóng)插件搞定即可。

主要學(xué)習(xí)python基礎(chǔ)和數(shù)據(jù)分析的幾個(gè)包。

作為一個(gè)沒(méi)有編程、數(shù)學(xué)、統(tǒng)計(jì)基礎(chǔ)的小白，我是從《父與子的編程之旅》開(kāi)始看的，這本書(shū)對(duì)我這種完全負(fù)基礎(chǔ)的人，真是極度友好，可以說(shuō)，看了很多推薦的書(shū)和視頻，最開(kāi)始學(xué)習(xí)的時(shí)候，只有這一本書(shū)是我可以看懂，而且看得下去的。

這本書(shū)看完后，又對(duì)照《笨方法學(xué)python》做了些題目，然后可以進(jìn)入python數(shù)據(jù)分析的學(xué)習(xí)，主要是《利用python進(jìn)行數(shù)據(jù)分析》，主要掌握numpy、pandas、Matplotlib庫(kù)等。

作為一個(gè)文科生，圖書(shū)館學(xué)專(zhuān)業(yè)。

大學(xué)第一次接觸計(jì)算機(jī)（不知道怎么開(kāi)機(jī)，丟人嘍）。

四年優(yōu)秀的大學(xué)生涯，第一次掛科是：計(jì)算機(jī)，最后一次掛科也是：計(jì)算機(jī)。

缺乏理科素養(yǎng)，計(jì)算機(jī)小白癡，又是計(jì)算專(zhuān)業(yè)的門(mén)外漢。

畢業(yè)找到了互聯(lián)網(wǎng)研發(fā)工作（大學(xué)自學(xué)編程：Java，前端）

工作是數(shù)據(jù)開(kāi)發(fā)，寫(xiě)SQL

現(xiàn)在，我在努力的學(xué)習(xí)統(tǒng)計(jì)學(xué)，多元分析，數(shù)據(jù)挖掘。這么努力只是因?yàn)槲姨F！

我理解的數(shù)據(jù)：我們?cè)谟扇耍铮?組成的時(shí)空?qǐng)鼍埃ㄟ^(guò)事來(lái)完成人與物的交互，這也是生命無(wú)終無(wú)始過(guò)程。人或物獨(dú)立存在時(shí)中我們只能用“0”去重新的描述。當(dāng)人和物通過(guò)事交互的時(shí)，我們可以對(duì)人和我作出更多的了解，比如我們用尺子來(lái)度量人：不了解到人有高低胖瘦，尺有長(zhǎng)短精密。數(shù)據(jù)是客觀描述與抽象認(rèn)知。交互繁生數(shù)據(jù)，數(shù)據(jù)又作用于交互。

在統(tǒng)計(jì)，分析，挖掘中定位什么是數(shù)據(jù)分析：

統(tǒng)計(jì)的側(cè)重點(diǎn)：了解（描述）事物，數(shù)字化也更好的傳達(dá)這種數(shù)字化了解。

分析的側(cè)重點(diǎn)：發(fā)現(xiàn)問(wèn)題，發(fā)現(xiàn)細(xì)微的差異變化。

挖掘的側(cè)重點(diǎn)：發(fā)現(xiàn)價(jià)值，升級(jí)認(rèn)知，獲取更多價(jià)值。

所以開(kāi)始學(xué)數(shù)據(jù)分析第一步是：學(xué)習(xí)基礎(chǔ)的統(tǒng)計(jì)學(xué)，只有了解了事物才能開(kāi)始分析。

統(tǒng)計(jì)，分析，挖掘 都是處理數(shù)據(jù)的方式方法，是彼此銜接的一個(gè)過(guò)程，有聯(lián)系有交集。沒(méi)有明顯的界限，卻又獨(dú)特的特點(diǎn)。

統(tǒng)計(jì): 需要了解基礎(chǔ)的統(tǒng)計(jì)量：最大值，最小值，中位數(shù)，中序數(shù)，眾數(shù)... 最重要的是均值和方差；數(shù)據(jù)的分布：卡方分布，二項(xiàng)式分布，正態(tài)分布；假設(shè)檢驗(yàn)的方法；---是什么？

分析: 相關(guān)性分析方法比如：分類(lèi)，聚類(lèi)，判別，典型相關(guān)性。關(guān)聯(lián)分析考察多因素對(duì)事物的影響：方差分析，因子分析，主成分分析，回歸分析；--怎么了？

挖掘：挖掘通過(guò)統(tǒng)計(jì)和分析發(fā)現(xiàn)不了的潛在有價(jià)值的規(guī)則，比如：關(guān)聯(lián)推薦（啤酒與尿布），K近鄰，神經(jīng)網(wǎng)絡(luò)；用高速計(jì)算的電腦來(lái)彌補(bǔ)人腦的短板。--這樣呀？

從統(tǒng)計(jì)學(xué)基礎(chǔ)開(kāi)始，沒(méi)到周六日我都抱著《商務(wù)統(tǒng)計(jì)學(xué)》看呀看呀，看了很久，慢慢的開(kāi)始頓悟了，也許這就是時(shí)間的力量，不斷堅(jiān)持的力量吧，相信：無(wú)他，唯手熟爾。

然后，就買(mǎi)了一本 統(tǒng)計(jì)學(xué)基礎(chǔ)R版，開(kāi)始學(xué)著用R語(yǔ)言去實(shí)踐分析，也是堅(jiān)持學(xué)了R的各種常用的數(shù)據(jù)分析方法，大數(shù)據(jù)面前，excel的處理能力比較有所局限，學(xué)一門(mén)計(jì)算機(jī)語(yǔ)言，借助計(jì)算機(jī)的處理能力，我們的數(shù)據(jù)分析能力能夠更進(jìn)一步，更上一層樓。

現(xiàn)在，每周堅(jiān)持用R去做一些有趣的數(shù)據(jù)分析，累計(jì)寫(xiě)了很多很多分析相關(guān)的文章，實(shí)踐演練是學(xué)習(xí)真功夫的最佳途徑；有圖為證。

發(fā)現(xiàn)數(shù)據(jù)分析也是一件有門(mén)有道，有章有法的事。簡(jiǎn)單而言六個(gè)字：“構(gòu)成，對(duì)比，趨勢(shì)”

構(gòu)成——是數(shù)據(jù)內(nèi)部的組合分布，主要描述“我”是誰(shuí)？知道“我”是誰(shuí)是最為關(guān)鍵的一步，正如一句古語(yǔ)：“知己知彼，百戰(zhàn)不殆”。

對(duì)比——是組成部分的對(duì)比知道我最重要的是什么；現(xiàn)在“我”與過(guò)去“我”的對(duì)比知道成長(zhǎng)；同類(lèi)的對(duì)比知道“我”與“他”的不同，顯示我的優(yōu)劣不足，我們才能有的放矢。

趨勢(shì)——是變化走向的描述，主要掌握“我”要到哪里去，有跡可循，有蹤可跟，我們才能把握未知，不偏不倚的駛向好的未來(lái)。

希望，我們菜鳥(niǎo)展翅，一飛沖天吧。喜歡的話(huà)，點(diǎn)個(gè)贊再走吧。

沒(méi)有計(jì)算機(jī)基礎(chǔ)，沒(méi)有編程基礎(chǔ)，不知道有沒(méi)有數(shù)學(xué)基礎(chǔ)，線(xiàn)代基礎(chǔ)，統(tǒng)計(jì)方面的知識(shí)，要是有的話(huà)，學(xué)起來(lái)相對(duì)能輕松點(diǎn)。

是為了求職而學(xué)的話(huà)，數(shù)據(jù)分析職位對(duì)于應(yīng)聘者的要求都有:數(shù)據(jù)庫(kù)會(huì)SQL，MYSQL或者其他，會(huì)R，Python，java其中一種或兩種編程，統(tǒng)計(jì)軟件的話(huà)，會(huì)SPSS，R，State等，當(dāng)然，excel功能很強(qiáng)大，能熟練使用各種函數(shù)或者數(shù)據(jù)分析也是必須的。

學(xué)習(xí)建議的話(huà)，可以從excel入手，深度學(xué)習(xí)方法和技巧，接著學(xué)習(xí)線(xiàn)代，數(shù)學(xué)，統(tǒng)計(jì)的理論知識(shí)，會(huì)的話(huà)略過(guò)，然后開(kāi)始著手軟件，結(jié)合各種案例多分析多聯(lián)系多思考，在學(xué)習(xí)計(jì)算機(jī)原理的同時(shí)，可以結(jié)合著學(xué)學(xué)編程，學(xué)編程的過(guò)程中會(huì)涉及到從數(shù)據(jù)庫(kù)挖掘數(shù)據(jù)什么的，可以看看數(shù)據(jù)庫(kù)的書(shū)，最后，可以爬蟲(chóng)，挖掘需要的數(shù)據(jù)，并自己做有效分析，得出有價(jià)值的結(jié)論。

總之，從興趣出發(fā)，堅(jiān)持學(xué)習(xí)就夠了。