第一阶段：Excel数据分析

每一位数据分析师都脱离不开Excel。

它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。对于没有经验的你，Excel是一款必须熟练的工具。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。

第二阶段：SQL数据库语言

作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，所以你不能不会SQL。

DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，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。会在招聘条件中，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。学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习。

第三阶段：数据可视化&商业智能

数据可视化能力已经越来越成为各岗位的基础技能。领英的数据报告显示，数据可视化技能在历年年中国最热门技能中排名第一。可视化工作几乎是你正式进行数据分析的第一步，通过SQL拿到数据之后，我们需要使用可视化方法探索和发现数据中的模式规律。

除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。

第四阶段：数理统计学

统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。

统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。

第五阶段：数据分析与软件应用

SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。

SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。

第六阶段：数据挖掘与软件应用

数据挖掘，类似于采矿，但是数据是贫矿。我们需要结合行业课题，利用数据挖掘工具，建置数据挖掘模型，发掘规律和商业价值。另外数据挖掘是交叉学科，涉及统计学、计算机、机器学习、运筹学等多门学科，是一个运用广泛和富有前景的学科领域。学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。

对于工具，这一阶段，建议选择一门编程语言来学习。Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。对于R和Python，我们应该使用哪种语言，已经争论很多年了，至今没有定论...... 事实大概是Python的主要功能是编程，除了单纯的数据分析，在很多领域还有广泛利用，所以就业市场上对Python的需求是远大于R。R主要侧重统计功能，在统计方面显示出了很多的优势，用R做单纯的数据分析还是妥妥的稳稳的。但是往数据科学方向走的话，R就有点顶不住了，轮到Python扬眉吐气了。

第七阶段：数据分析行业应用和数据分析思维

对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。