数据分析其实可以分为两种：一种类似产品经理，更加注重业务，对业务能力要求比较高学数据分析需要什么基础；一种偏向数据挖掘，更加注重技术，对算法代码能力要求比较高。

这两种方向共同需要的技术面，按照数据分析入门的标准来写：

1. SQL（数据库）

2. 统计学基础

3.Python或者R的基础

理解数据库，如MySQL，PostgreSQL，CouchDB，MongoDB，Cassandra等。理解数据库并且能熟练使用它，将是一个基础能力。还要掌握数据整理、可视化和报表制作等。

Python 基础语法（一）：:///i6534539018095297037/

Python 基础语法（二）：:///i6534540235605279240/

Python 基础语法（三）：:///i6534541298626462215/

更多学习资料可到我的头条号查找。

作为一名IT行业从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。

随着大数据逐渐开始落地到行业领域，未来大量的职场人都需要掌握一定的大数据知识，而数据分析作为一个重要的数据价值化手段，也成为更多的职场人需要掌握的重要技能之一。

数据分析有两种常见的分析方式，一种是统计学方式，另一种是机器学习方式，初学者可以根据自身的知识基础来选择不同的学习切入点。但是不论选择学习哪种数据分析方式，都需要具有三大块基础知识，分别是数学、统计学和计算机。

对于基础比较薄弱的初学者来说，可以从基本的数据分析工具开始学起，目前比较流行的数据分析方式可以简单地分为两类，一类是基础性数据分析工具，比如Excel就是比较常见的数据分析工具，对于很多传统行业的职场人来说，掌握Excel可以应付大部分数据分析任务，另一类是相对比较专业的BI类工具。

对于具有一定数学和计算机基础的初学者来说，可以按照三个阶段来学习数据分析知识，第一步是学习数据库知识，可以从关系型数据库开始学起，重点在于Sql语言的学习；第二步是学习编程语言，比如Python就是不错的选择；第三步是学习机器学习知识，这部分内容有一定难度，需要一个系统的学习过程。

最后，学习数据分析一定要结合具体的应用场景，这样才会积累更多的实践经验，所以在进行数据分析的过程中，也需要掌握一定的行业知识，这需要一个积累的过程。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

基础的小伙伴应该该怎么自学数据分析呢？

我会从学习方式、学习内容、面试准备这三项内容展开介绍，那么废话不多说，我们直接进入正题。

一、学习方式

我们可以将学习方式划分为2类：①裸辞学习 ②在职学习

一般情况不建议裸辞，因为裸辞的小伙伴在求职的时候会比较被动：

心态问题 ，如果长时间找不到工作，要承受很大的心理压力；

HR压制 ，这里指HR会压制你的薪资，比如面试官会问，什么时间能到岗，你会很急切的回复说，“明天就可以！”相对应的，你的薪资也是“再降点也可以！”。

所以，如果目前的工作不会让你3秒钟就原地爆炸的话，真的不要裸辞！

二、学习内容

从初级数据分析师招聘要求的必须技能来看，主要包括理论知识和工具实践两部分内容。

理论部分

统计学：为什么将统计学放在第一位呢？因为统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、概率、分布、抽样、等内容，例如你必须要知道什么是环比和同比，什么是相关和因果，这都是你未来数据分析的基础。

数据分析方法论：这里要学习一些数据分析常用到分析方法，如趋势分析法、对比分析法、多维分解法、用户细查、漏斗分析、留存分析、4P理论、PEST理论、SWOT分析、5W2H理论、逻辑树理论、用户使用行为理论、AARRR模型等。

结构化思维：可以去读一下《金字塔原理》，它能够教会你思考、表达和解决问题的逻辑，例如金字塔里面有提到MECE原则，中文意思是：相互独立，完全穷尽。它是金字塔原理中很重要的原则，是结构化思维的体现，常用于问题或目标拆解。在未来工作中，能够帮助你建立全面的数据分析框架。

工具部分

Excel：它是最基础的数据分析工具。在学习的Excel的时候需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据透视表、Vlookup等。另外Excel还可以导入一些模板来使用，典型的包括数据分析模块、做假设检验经常用到；规划求解，做线性规划和决策等问题非常有效。

SQL：它是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）

PPT：用来和业务部门交流需求，展示分析结果。

Python：主要学习Numpy、Pandas、Matplotlib、Seaborn等内容。Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，在处理数据时候运行速度非常快。

这里需要注意的是不同公司对工具的要求也不同，例如有些公司要求会使用R语言、SPSS等，具体学哪一个工具可以参照JD要求，其中Excel、SQL和PPT是必备的基础技能工具。我的建议是先学Excel和SQL，最后再去看Python。

三、求职面试

这部分我们先来解答一下文章开头提到的问题“学习到什么程度可以去找工作”

其实这个问题要根据面试公司的岗位技能要求来确定，如果是面试初级的数据运营，只要具备基础的数据分析技能就可以尝试去找工作了，而且如果你是面数据运营（SQL+Excel就能搞定大部分工作）。如果是面试数据分析师，要求则会更高一些。

技能掌握好之后，要根据自己的目标城市、个人爱好、专业优势等因素确定目标行业。

数据分析是一个行业特征很明显的职业，如果你说自己想进入“互联网”企业，那可能说明你还没有想清楚自己到底要干什么。

因为互联网的存在是为了解决某个行业的问题（互联网+企业），比如滴滴、高德地图是为了解决出行交通行业问题（互联网+交通出行），比如美团饿了么解决的是餐饮生活类问题（互联网+餐饮），比如vipkid是为了解决少儿英语学习问题（互联网+教育），蚂蚁金服解决的是金融行业问题（互联网+金融）

这些行业都需要数据分析师，但是每个行业的业务知识和业务指标是不一样的。所以只有确定了行业，才能深入研究这个行业究竟是什么，对症下药，这样转行的成功率会更大。

行业确定后，接下来要明确目标公司，这里需要注意的是不同发展阶段的企业在数据使用的深度上是不同的。

沉睡型的企业，基本就是用Excel做一些基础统计和数据整理，做数据分析的人可能也是兼职，就是我们俗称的“表哥表姐”

在起步阶段，企业已经开始产生用数据报表的习惯，工具还是以Excel为主，数据库为辅，这个阶段的企业已经有少量的专职人员来维护数据库了。

发展型的企业，数据应用深度逐渐转向了业务，企业开始用数据规范工作，使用的工具变成了以数据库和专业的分析工具为主，并且企业会有专业的团队来负责数据工作。

成熟的企业特点更加鲜明，企业有成熟的基于业务场景的数据产品，数据类产品或服务是业务运营的核心组成部分。这时候企业运用的工具往往是数据平台或成熟的数据组件。

所以不同类型或者不同发展阶段的的企业对于数据的资源储备是有极大差异的，对数据人才的要求也不尽相同。

掌握了技能，明确好目标公司，然后就可以准备投递简