應屆畢業數據分析方法

Ⅰ 想成為數據分析師學習流程是怎樣的

第1本《誰說菜鳥不會數據分析入門篇》

很有趣的數據分析書！基本看過就能明白，以小說的形式講解，很有代入感。包含了數據分析的結構化思維、數據處理技巧、數據展現的技術，很能幫我們提升職場競爭能力。找不到工作的，學好了它，自然沒問題。

第2本《拯救你的Excel數據的分析、處理、展示（動畫版）》

一本用手機看的Excel操作書，大部分例子都配置了二維碼，手機掃掃就能看，基本上可以躺著把書學了。所有數據的分析、處理也都帶了職場範例（有會計、HR、銷售場景），很貼合實際。拯救我們小白的Excel，職場加薪不是夢想！

第3本《Excel圖表之道：如何製作專業有效的商務圖表》

職場大牛的書，教我們做圖表的，好看到不能再好看。可以設計和製作達到雜志級質量的、專業有效的商務圖表。相信平時我們很難做到吧，看了你就知道，也許一切沒那麼難。

第4本《絕了！Excel可以這樣用：數據分析經典案例實戰圖表書》

挺好的一個系列，都是Excle常用的技巧，適合銷售和HR。也是職場故事，很接地氣，帶視頻的，全都是Excel數據分析的常用理念和方法。

第5本《深入淺出數據分析》

深入淺出系列是對新手非常友好的叢書，用生動但啰嗦的語言講解案例。厚厚的一本書翻起來很快。本書涉及的基礎概念比較廣，包含一點統計學知識，學下來對數據分析思維會有一個大概了解。

第6本《MySQL必知必會》

如果真想買書看，可以看這本，適合新手向的學習，看基礎概念和查詢相關的章節即可。網路上大部分MySQL都是偏DBA的。

第7本《深入淺出統計學》

大概是最啰嗦的深入淺出系列，從賣橡皮鴨到賭博機的案例，囊括了常用的統計分析如假設檢驗、概率分布、描述統計、貝葉斯等。

第8本《網站分析實戰》

互聯網不再是網站的天下，但是移動端依舊有Web，我們在朋友圈看到的所有H5活動、第三方內容等，都是依託網頁實現。網站的數據分析依舊有存在空間，網站的數據指標還是能夠指導我們運營！

第9本《深入淺出Python》

還是深入淺出系列，完全適合零基礎的新人。需要注意的是，編程學習不同於其他知識，如果計算機基礎不穩固，在使用中會遇到各類問題。知其然不知其所以然！

第10本《Python學習手冊》

對於擁有編程基礎的人，這本書系無巨細的有些啰嗦，不過對新人，可以避免不必要的坑。把它當作一本工具文檔吧，當遇到不理解的內容隨時翻閱。

第11本《利用Python進行數據分析》

這本書是你學習python不二之選，對著書，著重學習numpy，pandas兩個包！每段代碼都敲打一遍，千萬行的數據清洗基本不會有大問題了。

第12本《R語言實戰》

R語言的入門書籍，從數據讀取到各類統計函數的使用。雖然沒有涉及機器學習，依靠這本書入門R是綽綽有餘了。

第13本《統計學：從數據到結論》

這本書是將R語言和統計學結合的教材，可以利用這本書再復習一遍統計知識。

第14本《深入淺出SQL》

帶你進入SQL語言的心臟地帶，從使用INSERT和SELECT這些基本的查詢語法到使用子查詢（subquery）、連接（join）和事務（transaction）這樣的核心技術來操作資料庫。到讀完《深入淺出SQL》之時，你將不僅能夠理解高效資料庫設計和創建，還能像一個專家那樣查詢、歸一（normalizing）和聯接數據。你將成為數據的真正主人。

第15本《數據挖掘導論》

這本書絕對是一本良心教材，拿到手從第一章開始閱讀，能看多少就看多少。但是要盡量多看點，因為此書你可能要看一輩子的～～

第16本《演算法導論中文版》

本書將嚴謹性和全面性融為一體，深入討論各類演算法，並著力使這些演算法的設計和分析能為各個層次的讀者接受。演算法以英語和偽代碼的形式描述，具備初步程序設計經驗的人就能看懂；說明和解釋力求淺顯易懂，不失深度和數學嚴謹性。

上面的書籍都是PDF版

視頻教材的有：

Python入門教程完整版（懂中文就能學會）資料

Python入門教程完整版（懂中文就能學會）視頻

Mysql從入門到精通全套視頻教程

8天深入理解python教程

大數據Hadoop視頻教程，從入門到精通

Python就業班

Python標准庫（中文版）

數學建模0基礎從入門到精通，全套資源

0基礎Python實戰-四周實現爬蟲系統

麥子學院招牌課程[明星python編程視頻VIP教程][200G](價值9000元)

從零基礎到數據分析師，幫你拿到年薪50萬！

煒心:xccx158

Ⅱ 如何成為一個數據分析師需要具備哪些技能

接下來我們分別從每一個部分講講具體應該學什麼、怎麼學。

數據獲取：公開數據、Python爬蟲

如果接觸的只是企業資料庫里的數據，不需要要獲取外部數據的，這個部分可以忽略。

外部數據的獲取方式主要有以下兩種。

第一種是獲取外部的公開數據集，一些科研機構、企業、政府會開放一些數據，你需要到特定的網站去下載這些數據。這些數據集通常比較完善、質量相對較高。

另一種獲取外部數據費的方式就是爬蟲。

比如你可以通過爬蟲獲取招聘網站某一職位的招聘信息，爬取租房網站上某城市的租房信息，爬取豆瓣評分評分最高的電影列表，獲取知乎點贊排行、網易雲音樂評論排行列表。基於互聯網爬取的數據，你可以對某個行業、某種人群進行分析。

在爬蟲之前你需要先了解一些 Python 的基礎知識：元素（列表、字典、元組等）、變數、循環、函數（鏈接的菜鳥教程非常好）……以及如何用成熟的 Python 庫（urllib、BeautifulSoup、requests、scrapy）實現網頁爬蟲。如果是初學，建議從 urllib 和 BeautifulSoup 開始。（PS：後續的數據分析也需要 Python 的知識，以後遇到的問題也可以在這個教程查看）

網上的爬蟲教程不要太多，爬蟲上手推薦豆瓣的網頁爬取，一方面是網頁結構比較簡單，二是豆瓣對爬蟲相對比較友好。

掌握基礎的爬蟲之後，你還需要一些高級技巧，比如正則表達式、模擬用戶登錄、使用代理、設置爬取頻率、使用cookie信息等等，來應對不同網站的反爬蟲限制。

除此之外，常用的的電商網站、問答網站、點評網站、二手交易網站、婚戀網站、招聘網站的數據，都是很好的練手方式。這些網站可以獲得很有分析意義的數據，最關鍵的是，有很多成熟的代碼，可以參考。

數據存取：SQL語言

你可能有一個疑惑，為什麼沒有講到Excel。在應對萬以內的數據的時候，Excel對於一般的分析沒有問題，一旦數據量大，就會力不從心，資料庫就能夠很好地解決這個問題。而且大多數的企業，都會以SQL的形式來存儲數據，如果你是一個分析師，也需要懂得SQL的操作，能夠查詢、提取數據。

SQL作為最經典的資料庫工具，為海量數據的存儲與管理提供可能，並且使數據的提取的效率大大提升。你需要掌握以下技能：

提取特定情況下的數據：企業資料庫里的數據一定是大而繁復的，你需要提取你需要的那一部分。比如你可以根據你的需要提取2018年所有的銷售數據、提取今年銷量最大的50件商品的數據、提取上海、廣東地區用戶的消費數據……，SQL可以通過簡單的命令幫你完成這些工作。

資料庫的增、刪、查、改：這些是資料庫最基本的操作，但只要用簡單的命令就能夠實現，所以你只需要記住命令就好。

數據的分組聚合、如何建立多個表之間的聯系：這個部分是SQL的進階操作，多個表之間的關聯，在你處理多維度、多個數據集的時候非常有用，這也讓你可以去處理更復雜的數據。

數據預處理：Python（pandas）

很多時候我們拿到的數據是不幹凈的，數據的重復、缺失、異常值等等，這時候就需要進行數據的清洗，把這些影響分析的數據處理好，才能獲得更加精確地分析結果。

比如空氣質量的數據，其中有很多天的數據由於設備的原因是沒有監測到的，有一些數據是記錄重復的，還有一些數據是設備故障時監測無效的。比如用戶行為數據，有很多無效的操作對分析沒有意義，就需要進行刪除。

那麼我們需要用相應的方法去處理，比如殘缺數據，我們是直接去掉這條數據，還是用臨近的值去補全，這些都是需要考慮的問題。

對於數據預處理，學會 pandas 的用法，應對一般的數據清洗就完全沒問題了。需要掌握的知識點如下：

選擇：數據訪問（標簽、特定值、布爾索引等）

缺失值處理：對缺失數據行進行刪除或填充

重復值處理：重復值的判斷與刪除

空格和異常值處理：清楚不必要的空格和極端、異常數據

相關操作：描述性統計、Apply、直方圖等

合並：符合各種邏輯關系的合並操作

分組：數據劃分、分別執行函數、數據重組

Reshaping：快速生成數據透視表

概率論及統計學知識

數據整體分布是怎樣的？什麼是總體和樣本？中位數、眾數、均值、方差等基本的統計量如何應用？如果有時間維度的話隨著時間的變化是怎樣的？如何在不同的場景中做假設檢驗？數據分析方法大多源於統計學的概念，所以統計學的知識也是必不可少的。需要掌握的知識點如下：

基本統計量：均值、中位數、眾數、百分位數、極值等

其他描述性統計量：偏度、方差、標准差、顯著性等

其他統計知識：總體和樣本、參數和統計量、ErrorBar

概率分布與假設檢驗：各種分布、假設檢驗流程

其他概率論知識：條件概率、貝葉斯等

有了統計學的基本知識，你就可以用這些統計量做基本的分析了。通過可視化的方式來描述數據的指標，其實可以得出很多結論了，比如排名前100的是哪些，平均水平是怎樣的，近幾年的變化趨勢如何……

你可以使用python的包 Seaborn（python包）在做這些可視化的分析，你會輕松地畫出各種可視化圖形，並得出具有指導意義的結果。了解假設檢驗之後，可以對樣本指標與假設的總體指標之間是否存在差別作出判斷，已驗證結果是否在可接受的范圍。

python數據分析

如果你有一些了解的話，就知道目前市面上其實有很多 Python 數據分析的書籍，但每一本都很厚，學習阻力非常大。但其實真正最有用的那部分信息，只是這些書里很少的一部分。比如用 Python 實現不同案例的假設檢驗，其實你就可以對數據進行很好的驗證。

比如掌握回歸分析的方法，通過線性回歸和邏輯回歸，其實你就可以對大多數的數據進行回歸分析，並得出相對精確地結論。比如DataCastle的訓練競賽「房價預測」和「職位預測」，都可以通過回歸分析實現。這部分需要掌握的知識點如下：

回歸分析：線性回歸、邏輯回歸

基本的分類演算法：決策樹、隨機森林……

基本的聚類演算法：k-means……

特徵工程基礎：如何用特徵選擇優化模型

調參方法：如何調節參數優化模型

Python 數據分析包：scipy、numpy、scikit-learn等

在數據分析的這個階段，重點了解回歸分析的方法，大多數的問題可以得以解決，利用描述性的統計分析和回歸分析，你完全可以得到一個不錯的分析結論。

當然，隨著你實踐量的增多，可能會遇到一些復雜的問題，你就可能需要去了解一些更高級的演算法：分類、聚類，然後你會知道面對不同類型的問題的時候更適合用哪種演算法模型，對於模型的優化，你需要去學習如何通過特徵提取、參數調節來提升預測的精度。這就有點數據挖掘和機器學習的味道了，其實一個好的數據分析師，應該算是一個初級的數據挖掘工程師了。

系統實戰

這個時候，你就已經具備了數據分析的基本能力了。但是還要根據不同的案例、不同的業務場景進行實戰。能夠獨立完成分析任務，那麼你就已經打敗市面上大部分的數據分析師了。

如何進行實戰呢？

上面提到的公開數據集，可以找一些自己感興趣的方向的數據，嘗試從不同的角度來分析，看看能夠得到哪些有價值的結論。

另一個角度是，你可以從生活、工作中去發現一些可用於分析的問題，比如上面說到的電商、招聘、社交等平台等方向都有著很多可以挖掘的問題。

開始的時候，你可能考慮的問題不是很周全，但隨著你經驗的積累，慢慢就會找到分析的方向，有哪些一般分析的維度，比如top榜單、平均水平、區域分布、年齡分布、相關性分析、未來趨勢預測等等。隨著經驗的增加，你會有一些自己對於數據的感覺，這就是我們通常說的數據思維了。

你也可以看看行業的分析報告，看看優秀的分析師看待問題的角度和分析問題的維度，其實這並不是一件困難的事情。

在掌握了初級的分析方法之後，也可以嘗試做一些數據分析的競賽，比如 DataCastle 為數據分析師專門定製的三個競賽，提交答案即可獲取評分和排名：

員工離職預測訓練賽

美國King County房價預測訓練賽

北京PM2.5濃度分析訓練賽

種一棵樹最好的時間是十年前，其次是現在。現在就去，找一個數據集開始吧！！

Ⅲ 如何學習數據分析

如何學好數據分析？

這個一個比較大的命題，很難一兩句話弄說的清楚，所以這個的問題很在QQ群里不太能得到一個滿意的答案。

在這里，我就以一個這數據方面的從業者的身份來說一說我的學習方法，當然有一點要說的是每個人的思想、方法、工作經歷、知識側重點都是不一樣的，所以對於如何學習這個問題可謂是仁者見仁智者見智。我這里只說一說我個人的方法，不一定是對的也不一定適用於每一個人。

數據分析這個崗位可以說很寬泛很雜，從數據錄入員到行業分析師專家都可以認為是數據分析，甚至一些搞數據挖掘、人工智慧的都可以包括到數據分析的范疇里，但是這些工作所做的事情卻相差甚遠，當然待遇也天壤之別。所以大家在應聘時不要只看崗位名稱，重要的是看看清崗位職責和要求。言歸正傳，咱們談談如何學習數據分析。

1、學科知識：從數據分析涉及到的專業知識點上看，他包含的比較多，包含但不僅限於以下學科：

（1）統計學：參數檢驗、非參檢驗、回歸分析……等

（2）數學：線性代數、微積分等

（3）社會學：主要是一些社會學量化統計的知識，如問卷調查與統計分析；還有就是一些社會學的知識，這些對於從事營銷類的數據分析人員比較有幫助

（4）經濟金融：如果是從事這個行業的數據分析人員，經濟金融知識是必須的，這里就不多說了

（5）計算機：從事數據分析工作的人必須了解你使用的數據是怎麼處理出來的，要了解資料庫的結構和基本原理，同時如果條件充足的話，你還能有足夠的能力從資料庫里提取你需要的數據（比如使用SQL進行查詢），這種提取數據分析原材料的能力是每個數據從業者必備的。此外，如果要想走的更遠，還要能掌握一些編程能力，從而借住一些專業的數據分析工具，幫助你完成工作。

這些專業知識不是一時半會能夠全面掌握的，學習的唯一捷徑就是看書、看視頻講解，看權威的書籍、看全面的知識。學習基礎知識沒有一蹴即就的方法，因為基礎，所以學起來會比較枯燥、比較漫長。如何你想在數據分析方面有長遠的發展，希望你能在基礎知識上長期堅持的學習下去。

2、軟體操作：從事數據分析方面的工作必備的工具是什麼，我大致羅列以下幾類：

（1）分析報告類：Microsoft Office軟體（excel、word、powerpoint、visio……）、水晶易表等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。

（2）專業數據分析軟體：OFFICE並不是全部，要從在數據分析方面做的比較好，你必須會用（至少要了解）一些比較常用的專業數據分析軟體工具，比如SPSS、SAS、R、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析。

（3）輔助工具：比如思維導圖軟體（如MindManager、MindMapper等）也可以很好地幫助我們整理分析思路。

在此需要說明的一點是：軟體只是幫助我們完成任務的工具。並不是我們只要學好的軟體操作就能很好地完成任務，因為與操作相比，如何解釋最後的結果要重要的多。即使軟體操作的再熟，如果看不懂結果，那跟不會才做沒有兩樣。而看看懂結果就需要扎實的專業知識才行。

對於以上兩點，究竟按照什麼路線來學習，先後順序如何安排，我在網上看到過一個圖，個人認為很不錯：

3、行業知識與工作經驗：這部分知識怎麼說呢，要是說在書本上一點學不來那也是騙人的，但是能真正拿為己用的，多是自己在實際的工作過程中經歷的學到的。做數據分析一定得和自己所從事的行業緊密相關，不結合業務的數據分析無異於紙上談兵。而需要要用到數據分析的行業又多的數不清，一句話，只要有數據的地方就需要有數據分析，比如互聯網、電商、金融、電信、製造業、零售業等等都是數據分析需求大戶，你不可能每個行業都很懂，但是你可以在一個行業很懂，這個懂則需要在工作過程中慢慢積累。

打個形象的比喻，成為一個數據分析精英好比成為一個武林高手（不少朋友應該都看過武俠電影），武林高手通常具備三個要素：渾厚的內功、致命招式/稀世武器、江湖經驗。

基礎知識和行業內的經驗就好比這渾厚的內功，及時你不會作出什麼東西來也能保證別人忽悠不倒你，因為你已經是內行了；

各種軟體操作就好比致命的招式和稀世武器，一旦出手就可以招招致命、事半功倍；

行走江湖最怕的就是缺少江湖經驗，有時候被殺了都不知道是誰殺的，所以工作經驗就好比這江湖經驗，經驗豐富遇到問題才更容易應對。

所以三者相輔相成，任何一個存在短板都會影響整體的發揮，影響個人的數據分析能力水平。

1、看書

這我看來要全面系統的掌握知識，最好的辦法就是看書，看書只有看對書，沒有看錯書，選擇了一本能大幅提高自己能力、思想的書就是看對書。再此，我就不做書籍推薦了，每一塊都有不少經典的好書，但是我可以告訴你一個找書的好方法，那就是在網上書店搜索相應的關鍵詞，比如你想找統計學方面的書，那你就搜「統計學」，想看EXCEL方面的書就搜「EXCEL」，你會搜到很多相關的書籍，你可以查看書籍的目錄介紹和相關的評價看是否適合你。

2、逛專業的網站

另外一個就是經常逛一些在數據分析方面的論壇、博客。所謂逛，跟逛街一樣，我不需要東西同樣可以去逛街。所以即使你不想去找某個問題的解決方法同樣也許要去逛，因為那裡有很多也數據分析方面的知識、見解，很多內容都可能會讓你受益匪淺，同時還可以關注到高手大牛以及行業的一些動態。

3、學會向搜索引擎要答案

一個懂得學習人必須是懂得提問的人，那回答你問題的人在哪裡，不在現實中就在網路上。當你遇到難以解決的問題時，建議首先找一找手頭上的書本能不能幫你解答。如果不能，那請你在google、網路上去搜吧，很多問題十有八九在網上可以找到答案（當然那些答案並不一定是最好最優的），如果搜索不到答案，好吧，我承認你的疑問有點小偏了，那就去相關的QQ群或身邊的同事朋友那去問吧。

此外，在軟體操作方面學會想操作手冊要答案

很多關於軟體工具的書籍都只是將最主要的操作方法寫出來，對於個人而言對一款軟體的使用也只是小部分功能，而軟體操作手冊不一樣，它就是軟體的使用說明書，每個細致的功能點都會寫進去，可以說是最全面的軟體字典，在操作手冊中幾乎可以找到所有的操作方法。

為什麼這樣安排順序？ 在我看來書本上的答案要比網上的要靠譜，這個靠譜不是說網上沒有好的答案，只是說在沒有甄別能力的前提下，你看不出哪個答案是最好的。而書本不一樣，寫書人的知識水品通常要比寫出來的書的知識水品要高，書上給出的解答雖說不一定是最好的，但一定不會差到哪去。

為什麼要把搜索引擎放在第二位？

因為搜索引擎可以找到幾乎全網的內容，一句話概括就是搜到的東西全。學會使用搜索找問題答案是一種能力，是一種方法。

如果以上方法都找不到的話，就只能向朋友網友求助了。

為什麼說QQ群不是解決問題（一些非常靈活的問題除外）好辦法？

一是，群里確實有高手，但是高手通常都很忙，如果一兩句話能解答你的話，他們很樂意幫你解答，如果不是一兩句話能說清的，他們通常會沉默；二是，群里雖然有高手，但是菜鳥也不少，與其得到一個錯的結果，不如不問。

你可能要問那QQ群有什麼用，我的回答是：解決靈活性問題，交流學習心得，了解他人的動態。

向身邊朋友同事請教是本著求人不如求己原則下來說的，如果朋友熱情並且自己知道答案的話，肯定會告訴你，及時不知道有時也會幫你找一找解決辦法，還有一點是向朋友請教往往還能起到溝通感情的作用。但是有一點，大家工作都很忙，能不去麻煩別人最好還是不去麻煩。

總之，學習是個循序漸進的過程，貴在堅持，不能操之過急；因為數據分析這塊涉及的內容很廣，所以學習的原則要定好大的方向，然後不斷擴展加深知識，「哪裡不會補哪裡」。

寫了這么多也沒給大家一點知識性的內容，但都是我個人的一點看法和經驗之談，不妥的地方請同行朋友們多多指正。

本文轉載自數據控，鏈接： http://datakung.com/p=27