我给你一份数据分析经典入门指南，按照这份指南，小白也能成为数据分析高手！
这是一份入门到熟练的指南，并不包含数据挖掘等高阶内容。可也足够让产品和运营们获得进步。
所用的工具正是职场中最常用的Excel！
①重点函数学习
重点是了解各种函数：Vlookup、sum，count，sumif，countif，find，if，left/right，时间日期函数、文本函数
②数据透视表学习
我曾说过，如果Excel只能学习一个功能，那唯一能入选的就是数据透视表。
掌握vlookup和数据透视表是最具性价比的两个技巧。学会vlookup，SQL中的join，Python中的merge很容易理解。学会数据透视表，SQL中的group，Python中的pivot_table也是同理。
这两个搞定，基本10万条以内的数据统计没啥难度，80%的办公室白领都能秒杀。
所用工具：PowerBi、Excel
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是数据分析的主要方向之一。首先要了解常用的图表：
Excel的图表可以100%完成上面的图形要求，但这只是基础。后续的进阶可视化，势必要用到编程绘制。为什么？比如常见的多元分析，你能用Excel很轻松的完成？但是在IPython只需要一行代码。
其次掌握BI，下图是微软的BI。
BI（商业智能）和图表的区别在于BI擅长交互和报表，更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向。
BI的好处在于很大程度解放数据分析师的工作，推动全部门的数据意识，另外降低其他部门的数据需求（万恶的导数据）。
BI市面上的产品很多，基本都是建立仪表盘Dashboard，通过维度的联动和钻取，获得可视化的分析。最后需要学习可视化和信息图的制作。
所用工具：SQL
Excel对十万条以内的数据处理起来没有问题，但是互联网行业就是不缺数据。但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。
越来越多的产品和运营岗位，会在招聘条件中，将会SQL作为优先的加分项。
SQL是数据分析的核心技能之一，从Excel到SQL绝对是数据处理效率的一大进步。
学习围绕Select展开。增删改、约束、索引、数据库范式均可以跳过。主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。如果想要跟进一步，可以学习row_number，substr，convert，contact等。另外不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再有点追求，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。以后就可以和技术研发们谈笑风生，毕竟将“这里有bug”的说话，换成“这块的数据死锁了”，逼格大大的不同。SQL的学习主要是多练，网上寻找相关的练习题，刷一遍就差不多了。
好了，经过这三步之后，你已经具备数据分析基本功力，剩下的需要训练的就是你的思维和实际的业务分析能力了。
节选自秦路《七周成为数据分析师》
评论0
加载中...
数据分析最常用的软件一般有Excel、mysql和Tableau。
初学者应该先从SQL开始学起，SQL是所有数据方向的必备技能，也是比较容易学的技能。
评论0
加载中...
在数据分析行业摸爬滚打好多年了，过来人给你一些忠实建议，看你的背景是会计，想来在数理统计、Excel使用上有一定基础。
先说职业规划吧，数据分析是一个很大的类别，笼统的说分算法向和业务向，会计背景转业务向数据分析师是比较容易的，算法向难度高，不建议。
转行初学者第一个要学的不是数据分析软件工具，而是恶补基础知识，数据分析入门先学工具是本末倒置，工具只是用来帮助你达成分析目的的，核心是你的分析思维。
第一，统计学基础学习。这是打地基的东西，统计学知识是数据分析的基础，推荐李航的《统计学习方法》，适合初学者
第二，基础的数据分析工具学习。相比你对Excel应该有所了解了，Excel本身就是一个非常适合新手的数据分析工具，我入行的时候也是先学的Excel。需要掌握透视表、报表关联等能力。不过大部分的企业现在不纯用Excel做分析了，还有要求掌握python、或者BI工具使用，学习如何用它们做数据处理还有就是比较典型的经营分析，这些网上可以搜到不少优质的资源，可以上手练习。
当然，除了数据分析工具的掌握之外，你还需要掌握一些基本的数据库知识，数据分析的工作存在着大量的取数工作，sql和数据库知识也是你必须跨过的坎。
第三，业务知识。业务向的数据分析师，对业务知识的理解是核心竞争力，对于会计来说，最快的方法就是转财务分析，会计工作会涉及到许多指标的分析，涉及到企业的资产、负债、资金流、成长性等等，这些反馈的也是一家企业运营的核心，几乎所有指标都可以从财务指标往下拆解，而很多技术背景出身的数据分析师，在早期是没有这样的视角和格局的，所以不要局限于自己之前是学会计或者做账的。你可以在平时的学习或者工作中，有意识地塑造分析思维，尤其是财务分析，这会成为你的闪光点。
最后转行有风险，不建议裸辞转行，做好万无一失的准备再大胆转行
评论0
加载中...
作为转行数据分析的过来人，也来分享一下自己的看法
数据分析，各行各业都需要的技能
不同行业的数据分析，分析方向和内容也是千差万别
根据你的工作经历来看，长期从事财务方面的工作，为什么要转行呢？
其实，不是所有做分析的人，都能和钱挂上钩的
而做分析师，往往到最后都得与财务分析、价值变现、结合上才行
否则很难影响公司决策，分析也就没有什么意义了
所以，你确实具备很多人没有的优势
但我不建议你转行做分析师
财务分析本就是商业分析领域大分支
建议你向财务分析职位发展，也许更好，不浪费经验
如果你是做商业分析，更偏向公司业务分析
建议先看一下 Gartner 关于商业分析与BI平台魔力象限分析：
解释一下魔力象限：
下面是包括2019和2020的分布和变化趋势情况
基本上常见的大牌商业数据分析工具和平台，里面都有涉及
如果你是做运营数据分析，或者偏纯技术型分析
可能你需要懂一定的编程基础或增长理论，以及常用的分析工具包：
第一类：傻瓜入门型
简单易上手，也是最常用最普及的工具
比较常用的是：EXCEL、SPSS
EXCEL，我相信只要是工作人士，应该没有人不知道吧
就算过了这么多年，Excel 依旧是处理数据、数据可视化的经典工具
它的用户基数太大了，即便是在各种高级数据分析软件大行其道的今天
绝大部分商业数据分析项目依然使用 Excel 解决，而且学起来容易入门
但是精通EXCEL很难，使用它需要一点一点积累
所以面试的时候，看到谁敢写精通EXCEL，基本上直接KO掉
当然，如果你认真钻研，把它用成BI工具的也是不成问题
推荐3本书籍，入门必备：
而SPSS 全称为「社会科学统计软件包」
IBM 公司推出的，用于统计学分析运算、数据挖掘、预测分析和决策支持任务
推荐3本书籍，入门到高级案例全了：
第二类：DIY代码型
基本上，全靠写代码来解决问题
比如：SQL、Python，R
数据分析“直接”使用的数据大多数都为结构化数据，这些数据通常都存在数据库里(SQLServer, Mysql, Oracle, Hive等)，而要提取这些数据，SQL必不可少
推荐1本书，入门够用：
Python和R是开源免费工具
来自世界各地的开发者贡献自己开发的工具包
开发者越多，软件的生命力就越强，发展也越快
日常数据分析(挖掘)90%以上的场景，两个软件都可以覆盖到
如果你已经在学其中一个，请继续努力，深入学习即可
推荐2本书，关于python和R的：
第三类：混合平台型
这种类型，既可以界面操作，又可写代码，相对灵活
比如：Tableau、Powerbi、SAS
先说PowrBI，个人感觉Power BI的仪表板性能更好
它可以打通数据清洗、分析处理、可视化三大难题
尤其在python可视化代码量大的情况下，建议后期出图考虑使用它
而且最重要的是，它有一个免费的桌面版，非常爽
而Tableau，主攻简单、便捷的可视化工具，当然现在被收购了，产品更加多元化了
用它做出的图表可视化效果很赞，可惜我本人不太喜欢它的操作风格
还有有个小缺点，就是收费版本不便宜，在线版本因为网络的问题有时比较卡
而SAS，一般是医药、金融类应用场景较多
比如：银行风控、互金行业，医药建模检测等等
很多国内大型公司使用它，是业内权威的代表，出的报告，行业公信力很强
当然，还有很多其他工具，网上一搜一大把
本人就不赘述了，就只列出行业比较认可的
总之，工具选择，因人而异，选择适合自己的最重要
其实大家都有过这样的经历
很正常，大家都是这么过来的，无须焦虑。
就本人经验和感受，说3个小建议：
1. 选好书籍打基础，资料宜精 不宜广
选择一本经典教材或者课程，非常重要
市面上的资源太多了，建议多看看知识和豆瓣推荐高分书籍，一般不会错
还有建议买纸质书，花了钱，这个书才香，才容易读完
看书籍是为了先打好基础，然后构建个人知识框架
最后利用“碎片化”时间、从解决实际问题出发去提升自己
2. 切忌大而全，工具宜少 不宜多
本人以前很喜欢鼓捣软件，各种工具各种玩耍
后来发现有些工具用过一次就再也没碰过了
而真正提高工作效率的，都是大家常提的，公认的
比如：你做数据量少了200M的 简单分析，Excel和SPSS一般是最佳选择 出活儿快！
而SQL是用来提数跑数的，你必须得会，得熟练，不然时间都耗在这儿了
当你遇到数据量较大或者需要复杂模型，就可以上PYTHON和R了
当然如果是你公司有大数据平台，就可能使用HIVE、SPARK、STOM等等
提示一点：切记不要为了追求高大上的模型或者效果
正所谓“屠龙之术，学而无用”
脱离实际工作场景的分析，纯属扯淡
3. 边干边学 边整理 记住“以用促学，以教促学”
很多同学总是问我，为什么学习EXCEL
总是感觉学不会、学了就忘呢？
原因主要有2点：
一是因为没有实战的机会，用的太少了，短练！
二是用完了就结束了，从来不总结整理，太懒！
最常见的一种现象是，很多人常常翻着一本厚厚的EXCEL秘籍自学
可当他想使用Excel的时候，却又要到处搜索资料
而用完了某个函数，没过几天就忘记了
所以，一定要带着问题、带着坑，去学习，你的记忆才会深刻
最后记得，定期整理沉淀自己，消化知识
一种方法是，画思维导图梳理体系，知识才能内化成你自己的东西
第二是，多多和别人交流和分享，思维的碰撞，能加深个人的理解和感悟
多注重业务理解，多实践积累经验，才是王道
希望上面的文字回答，能帮到你
评论0
加载中...
一般常用的工具有数据库、EXCEL、PYTHON、POWER BI等，但是我常用的工具主要是智分析，因为其处理大数据的能力非常出色，而且入门门槛非常低，只要会EXCEL就能学会。我建议初学者还是先从EXCEL开始学起，因为EXCEL非常强大，很多事情都可以完成，等学会了EXCEL，再去结合智分析做数据分析，那将会是非常牛逼的一件事。
评论0
加载中...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
