問答專欄Q & A COLUMN
我給你一份數據分析經典入門指南，按照這份指南，小白也能成為數據分析高手！
這是一份入門到熟練的指南，并不包含數據挖掘等高階內容。可也足夠讓產品和運營們獲得進步。
所用的工具正是職場中最常用的Excel！
①重點函數學習
重點是了解各種函數：Vlookup、sum，count，sumif，countif，find，if，left/right，時間日期函數、文本函數
②數據透視表學習
我曾說過，如果Excel只能學習一個功能，那唯一能入選的就是數據透視表。
掌握vlookup和數據透視表是最具性價比的兩個技巧。學會vlookup，SQL中的join，Python中的merge很容易理解。學會數據透視表，SQL中的group，Python中的pivot_table也是同理。
這兩個搞定，基本10萬條以內的數據統計沒啥難度，80%的辦公室白領都能秒殺。
所用工具：PowerBi、Excel
數據分析界有一句經典名言，字不如表，表不如圖。
數據可視化是數據分析的主要方向之一。首先要了解常用的圖表：
Excel的圖表可以100%完成上面的圖形要求，但這只是基礎。后續的進階可視化，勢必要用到編程繪制。為什么？比如常見的多元分析，你能用Excel很輕松的完成？但是在IPython只需要一行代碼。
其次掌握BI，下圖是微軟的BI。
BI（商業智能）和圖表的區別在于BI擅長交互和報表，更擅長解釋已經發生和正在發生的數據。將要發生的數據是數據挖掘的方向。
BI的好處在于很大程度解放數據分析師的工作，推動全部門的數據意識，另外降低其他部門的數據需求（萬惡的導數據）。
BI市面上的產品很多，基本都是建立儀表盤Dashboard，通過維度的聯動和鉆取，獲得可視化的分析。最后需要學習可視化和信息圖的制作。
所用工具：SQL
Excel對十萬條以內的數據處理起來沒有問題，但是互聯網行業就是不缺數據。但凡產品有一點規模，數據都是百萬起。這時候就需要學習數據庫。
越來越多的產品和運營崗位，會在招聘條件中，將會SQL作為優先的加分項。
SQL是數據分析的核心技能之一，從Excel到SQL絕對是數據處理效率的一大進步。
學習圍繞Select展開。增刪改、約束、索引、數據庫范式均可以跳過。主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函數等。如果想要跟進一步，可以學習row_number，substr，convert，contact等。另外不同數據平臺的函數會有差異，例如Presto和phpMyAdmin。再有點追求，就去了解Explain優化，了解SQL的工作原理，了解數據類型，了解IO。以后就可以和技術研發們談笑風生，畢竟將“這里有bug”的說話，換成“這塊的數據死鎖了”，逼格大大的不同。SQL的學習主要是多練，網上尋找相關的練習題，刷一遍就差不多了。
好了，經過這三步之后，你已經具備數據分析基本功力，剩下的需要訓練的就是你的思維和實際的業務分析能力了。
節選自秦路《七周成為數據分析師》
評論0
加載中...
數據分析最常用的軟件一般有Excel、mysql和Tableau。
初學者應該先從SQL開始學起，SQL是所有數據方向的必備技能，也是比較容易學的技能。
評論0
加載中...
在數據分析行業摸爬滾打好多年了，過來人給你一些忠實建議，看你的背景是會計，想來在數理統計、Excel使用上有一定基礎。
先說職業規劃吧，數據分析是一個很大的類別，籠統的說分算法向和業務向，會計背景轉業務向數據分析師是比較容易的，算法向難度高，不建議。
轉行初學者第一個要學的不是數據分析軟件工具，而是惡補基礎知識，數據分析入門先學工具是本末倒置，工具只是用來幫助你達成分析目的的，核心是你的分析思維。
第一，統計學基礎學習。這是打地基的東西，統計學知識是數據分析的基礎，推薦李航的《統計學習方法》，適合初學者
第二，基礎的數據分析工具學習。相比你對Excel應該有所了解了，Excel本身就是一個非常適合新手的數據分析工具，我入行的時候也是先學的Excel。需要掌握透視表、報表關聯等能力。不過大部分的企業現在不純用Excel做分析了，還有要求掌握python、或者BI工具使用，學習如何用它們做數據處理還有就是比較典型的經營分析，這些網上可以搜到不少優質的資源，可以上手練習。
當然，除了數據分析工具的掌握之外，你還需要掌握一些基本的數據庫知識，數據分析的工作存在著大量的取數工作，sql和數據庫知識也是你必須跨過的坎。
第三，業務知識。業務向的數據分析師，對業務知識的理解是核心競爭力，對于會計來說，最快的方法就是轉財務分析，會計工作會涉及到許多指標的分析，涉及到企業的資產、負債、資金流、成長性等等，這些反饋的也是一家企業運營的核心，幾乎所有指標都可以從財務指標往下拆解，而很多技術背景出身的數據分析師，在早期是沒有這樣的視角和格局的，所以不要局限于自己之前是學會計或者做賬的。你可以在平時的學習或者工作中，有意識地塑造分析思維，尤其是財務分析，這會成為你的閃光點。
最后轉行有風險，不建議裸辭轉行，做好萬無一失的準備再大膽轉行
評論0
加載中...
作為轉行數據分析的過來人，也來分享一下自己的看法
數據分析，各行各業都需要的技能
不同行業的數據分析，分析方向和內容也是千差萬別
根據你的工作經歷來看，長期從事財務方面的工作，為什么要轉行呢？
其實，不是所有做分析的人，都能和錢掛上鉤的
而做分析師，往往到最后都得與財務分析、價值變現、結合上才行
否則很難影響公司決策，分析也就沒有什么意義了
所以，你確實具備很多人沒有的優勢
但我不建議你轉行做分析師
財務分析本就是商業分析領域大分支
建議你向財務分析職位發展，也許更好，不浪費經驗
如果你是做商業分析，更偏向公司業務分析
建議先看一下 Gartner 關于商業分析與BI平臺魔力象限分析：
解釋一下魔力象限：
下面是包括2019和2020的分布和變化趨勢情況
基本上常見的大牌商業數據分析工具和平臺，里面都有涉及
如果你是做運營數據分析，或者偏純技術型分析
可能你需要懂一定的編程基礎或增長理論，以及常用的分析工具包：
第一類：傻瓜入門型
簡單易上手，也是最常用最普及的工具
比較常用的是：EXCEL、SPSS
EXCEL，我相信只要是工作人士，應該沒有人不知道吧
就算過了這么多年，Excel 依舊是處理數據、數據可視化的經典工具
它的用戶基數太大了，即便是在各種高級數據分析軟件大行其道的今天
絕大部分商業數據分析項目依然使用 Excel 解決，而且學起來容易入門
但是精通EXCEL很難，使用它需要一點一點積累
所以面試的時候，看到誰敢寫精通EXCEL，基本上直接KO掉
當然，如果你認真鉆研，把它用成BI工具的也是不成問題
推薦3本書籍，入門必備：
而SPSS 全稱為「社會科學統計軟件包」
IBM 公司推出的，用于統計學分析運算、數據挖掘、預測分析和決策支持任務
推薦3本書籍，入門到高級案例全了：
第二類：DIY代碼型
基本上，全靠寫代碼來解決問題
比如：SQL、Python，R
數據分析“直接”使用的數據大多數都為結構化數據，這些數據通常都存在數據庫里(SQLServer, Mysql, Oracle, Hive等)，而要提取這些數據，SQL必不可少
推薦1本書，入門夠用：
Python和R是開源免費工具
來自世界各地的開發者貢獻自己開發的工具包
開發者越多，軟件的生命力就越強，發展也越快
日常數據分析(挖掘)90%以上的場景，兩個軟件都可以覆蓋到
如果你已經在學其中一個，請繼續努力，深入學習即可
推薦2本書，關于python和R的：
第三類：混合平臺型
這種類型，既可以界面操作，又可寫代碼，相對靈活
比如：Tableau、Powerbi、SAS
先說PowrBI，個人感覺Power BI的儀表板性能更好
它可以打通數據清洗、分析處理、可視化三大難題
尤其在python可視化代碼量大的情況下，建議后期出圖考慮使用它
而且最重要的是，它有一個免費的桌面版，非常爽
而Tableau，主攻簡單、便捷的可視化工具，當然現在被收購了，產品更加多元化了
用它做出的圖表可視化效果很贊，可惜我本人不太喜歡它的操作風格
還有有個小缺點，就是收費版本不便宜，在線版本因為網絡的問題有時比較卡
而SAS，一般是醫藥、金融類應用場景較多
比如：銀行風控、互金行業，醫藥建模檢測等等
很多國內大型公司使用它，是業內權威的代表，出的報告，行業公信力很強
當然，還有很多其他工具，網上一搜一大把
本人就不贅述了，就只列出行業比較認可的
總之，工具選擇，因人而異，選擇適合自己的最重要
其實大家都有過這樣的經歷
很正常，大家都是這么過來的，無須焦慮。
就本人經驗和感受，說3個小建議：
1. 選好書籍打基礎，資料宜精 不宜廣
選擇一本經典教材或者課程，非常重要
市面上的資源太多了，建議多看看知識和豆瓣推薦高分書籍，一般不會錯
還有建議買紙質書，花了錢，這個書才香，才容易讀完
看書籍是為了先打好基礎，然后構建個人知識框架
最后利用“碎片化”時間、從解決實際問題出發去提升自己
2. 切忌大而全，工具宜少 不宜多
本人以前很喜歡鼓搗軟件，各種工具各種玩耍
后來發現有些工具用過一次就再也沒碰過了
而真正提高工作效率的，都是大家常提的，公認的
比如：你做數據量少了200M的 簡單分析，Excel和SPSS一般是最佳選擇 出活兒快！
而SQL是用來提數跑數的，你必須得會，得熟練，不然時間都耗在這兒了
當你遇到數據量較大或者需要復雜模型，就可以上PYTHON和R了
當然如果是你公司有大數據平臺，就可能使用HIVE、SPARK、STOM等等
提示一點：切記不要為了追求高大上的模型或者效果
正所謂“屠龍之術，學而無用”
脫離實際工作場景的分析，純屬扯淡
3. 邊干邊學 邊整理 記住“以用促學，以教促學”
很多同學總是問我，為什么學習EXCEL
總是感覺學不會、學了就忘呢？
原因主要有2點：
一是因為沒有實戰的機會，用的太少了，短練！
二是用完了就結束了，從來不總結整理，太懶！
最常見的一種現象是，很多人常常翻著一本厚厚的EXCEL秘籍自學
可當他想使用Excel的時候，卻又要到處搜索資料
而用完了某個函數，沒過幾天就忘記了
所以，一定要帶著問題、帶著坑，去學習，你的記憶才會深刻
最后記得，定期整理沉淀自己，消化知識
一種方法是，畫思維導圖梳理體系，知識才能內化成你自己的東西
第二是，多多和別人交流和分享，思維的碰撞，能加深個人的理解和感悟
多注重業務理解，多實踐積累經驗，才是王道
希望上面的文字回答，能幫到你
評論0
加載中...
一般常用的工具有數據庫、EXCEL、PYTHON、POWER BI等，但是我常用的工具主要是智分析，因為其處理大數據的能力非常出色，而且入門門檻非常低，只要會EXCEL就能學會。我建議初學者還是先從EXCEL開始學起，因為EXCEL非常強大，很多事情都可以完成，等學會了EXCEL，再去結合智分析做數據分析，那將會是非常牛逼的一件事。
評論0
加載中...0
回答7
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答
