一、明确数据分析学习目标

首先我们需要明确自己的学习目标—自己的职业发展方向是怎样的？

数据分析这一行主要有两个职业方向，其中一个是业务方向，需要在懂公司业务的基础上，通过数据发现公司问题，并给予分析，如数据产品经理、数据分析师，此类职业对技术要求并不那么高；另一个是技术方向，需要懂得数据挖掘、算法等，对技术的要求就相对较高了。但无论今后你要从事业务方向或者技术方向，今天讲的入门技巧都是从事数据分析工作必备技能。

概括来说，数据分析的学习主要内容分为理论知识的学习和工具技能两方面的学习。理论知识的学习又分为统计学、数据分析方法论、和数据分析思维三个方面；而数据工具技能对于入门的小白来说也基本需要具备的，首先要学会Excel和SQL，学好这两个就足够应对工作中80%的问题了。最后当然工具会得越多越好，后续还需要根据工作内容学习Python等。

二、数据分析理论的学习

1、统计学

加州大学伯克利分校迈克尔·乔丹教授指出的：没有系统的数据科学作为指导的大数据研究，就如同不利用工程科学的知识来建造桥梁，很多桥梁可能会坍塌，并带来严重的后果。可见统计学是数据分析的灵魂，因此掌握数据分析的统计学基础知识是成为一名优秀数据分析师的基础。

统计学作为数据分析的理论和依据，科学引导数据分析，使分析过程系统化。大不列颠百科全书对统计学有个定义，说这是一门收集数据、分析数据的科学和艺术。其中把信息和规律从数据中提取出来是收集数据的过程；研究数据之间的因果关系，找出最优化分析方案，这就是分析数据的过程。所以说从指导性意义上来讲，学习数据分析，首先要先学统计学。

2、数据分析方法论

统计学负责收集数据、找到数据的因果关系，而数据分析方法论则确保数据分析结构的体系化。在统计学基础上，给收集到的数据资料制定数据分析的前期规划，指导着后期数据分析工作的进展，比如主要从哪几方面开展数据分析，各方面包含什么内容和指标？常用的分析方法有对比分析、交叉分析、相关分析、回归分析、聚类分析等，使分析结果的具有有效性及正确性。

3、数据分析思维

利用统计学和数据分析方法进行的数据分析都是为了解决或者预测某一问题，执行工作者最重要的是思维，业务结果怎么样，哪里有问题，怎么去解决，解决方法是什么，其次利用数据分析来发现问题、解决问题。

小白入门需要掌握的数据分析思维可包括：结构化思维，即任何事情都可以归纳出中心论点，每个一级论点又可以衍生出其他的分论点；假说演绎思维，即从想得到的结果出发，反推什么样的条件可能会产生什么样的结果；指标化思维，即一种定量分析思维，指标就是用来定义、评价和衡量业务的一个标准；维度分析思维，即从不同维度去分析数据，维度是观察数据的不同角度，例如时间、地点等。具备了数据分析的思维，制备了数学分析的方案，接下来就是如何将方案落实到行动中去。

三、数据分析工具技能的学习

1、Excel

Excel经历微软接近20年的研发，解放了大量的劳动力，工作效率提高的绝对不止一点半点，excel的功能强大到你想不到，大多数人会excel的1%就已经足够办公使用了。对于数据分析来说，excel是最最最基本的数据分析工具了，这里需要说的是一定要边学边练习，不然繁多的功能将很容易遗忘。

2、SQL数据库语言

DT时代，数据正在呈指数级的速度增长。Excel对十万条以内的数据处理起来没有问题，但现在稍微成功一点的产品，其数据都是百万起，这时候就需要学习数据库。

说起数据库，你可以不会R，不会python，但是你不能不会SQL，基本每个数据分析岗都需要会SQL。越来越多的产品和运营岗位，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是数据处理效率的一大进步。SQL的学习主要就是简单查询、关联查询、函数引用，初入门阶段，只需了解常用的数据库类型，即能够在现有的表格里面查询出数据，能够更新数据对数据进行重编码，知道怎么增加添加数据，把数据变得规整就行。数据库主要的查询语言有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。

3、Python

SQL无法满足工作需要时，那么就该派Python出场了。2010年，python被TIOBE编程语言排行榜评为年度语言。

Python 是一门有条理的和强大的面向对象的程序设计语言，类似于Perl, Ruby, Scheme, Java。现在流行的AI人工智能技术大部分都是用Python语言编写的，Python为我们提供了非常完善的基础代码库，覆盖了网络、文件、GUI、数据库、文本等大量内容，被形象地称作“内置电池”，大量开发好的的第三方库，可以直接使用。