应届毕业数据分析方法

Ⅰ 想成为数据分析师学习流程是怎样的

第1本《谁说菜鸟不会数据分析入门篇》

很有趣的数据分析书！基本看过就能明白，以小说的形式讲解，很有代入感。包含了数据分析的结构化思维、数据处理技巧、数据展现的技术，很能帮我们提升职场竞争能力。找不到工作的，学好了它，自然没问题。

第2本《拯救你的Excel数据的分析、处理、展示（动画版）》

一本用手机看的Excel操作书，大部分例子都配置了二维码，手机扫扫就能看，基本上可以躺着把书学了。所有数据的分析、处理也都带了职场范例（有会计、HR、销售场景），很贴合实际。拯救我们小白的Excel，职场加薪不是梦想！

第3本《Excel图表之道：如何制作专业有效的商务图表》

职场大牛的书，教我们做图表的，好看到不能再好看。可以设计和制作达到杂志级质量的、专业有效的商务图表。相信平时我们很难做到吧，看了你就知道，也许一切没那么难。

第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》

挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。

第5本《深入浅出数据分析》

深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。

第6本《MySQL必知必会》

如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的。

第7本《深入浅出统计学》

大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。

第8本《网站分析实战》

互联网不再是网站的天下，但是移动端依旧有Web，我们在朋友圈看到的所有H5活动、第三方内容等，都是依托网页实现。网站的数据分析依旧有存在空间，网站的数据指标还是能够指导我们运营！

第9本《深入浅出Python》

还是深入浅出系列，完全适合零基础的新人。需要注意的是，编程学习不同于其他知识，如果计算机基础不稳固，在使用中会遇到各类问题。知其然不知其所以然！

第10本《Python学习手册》

对于拥有编程基础的人，这本书系无巨细的有些啰嗦，不过对新人，可以避免不必要的坑。把它当作一本工具文档吧，当遇到不理解的内容随时翻阅。

第11本《利用Python进行数据分析》

这本书是你学习python不二之选，对着书，着重学习numpy，pandas两个包！每段代码都敲打一遍，千万行的数据清洗基本不会有大问题了。

第12本《R语言实战》

R语言的入门书籍，从数据读取到各类统计函数的使用。虽然没有涉及机器学习，依靠这本书入门R是绰绰有余了。

第13本《统计学：从数据到结论》

这本书是将R语言和统计学结合的教材，可以利用这本书再复习一遍统计知识。

第14本《深入浅出SQL》

带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。

第15本《数据挖掘导论》

这本书绝对是一本良心教材，拿到手从第一章开始阅读，能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～

第16本《算法导论中文版》

本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。

上面的书籍都是PDF版

视频教材的有：

Python入门教程完整版（懂中文就能学会）资料

Python入门教程完整版（懂中文就能学会）视频

Mysql从入门到精通全套视频教程

8天深入理解python教程

大数据Hadoop视频教程，从入门到精通

Python就业班

Python标准库（中文版）

数学建模0基础从入门到精通，全套资源

0基础Python实战-四周实现爬虫系统

麦子学院招牌课程[明星python编程视频VIP教程][200G](价值9000元)

从零基础到数据分析师，帮你拿到年薪50万！

炜心:xccx158

Ⅱ 如何成为一个数据分析师需要具备哪些技能

接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。

数据获取：公开数据、Python爬虫

如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。

外部数据的获取方式主要有以下两种。

第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。

另一种获取外部数据费的方式就是爬虫。

比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。

在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）

网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。

掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。

除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。

数据存取：SQL语言

你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。

SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：

提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。

数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。

数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。

数据预处理：Python（pandas）

很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。

比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。

那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。

对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：

选择：数据访问（标签、特定值、布尔索引等）

缺失值处理：对缺失数据行进行删除或填充

重复值处理：重复值的判断与删除

空格和异常值处理：清楚不必要的空格和极端、异常数据

相关操作：描述性统计、Apply、直方图等

合并：符合各种逻辑关系的合并操作

分组：数据划分、分别执行函数、数据重组

Reshaping：快速生成数据透视表

概率论及统计学知识

数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：

基本统计量：均值、中位数、众数、百分位数、极值等

其他描述性统计量：偏度、方差、标准差、显着性等

其他统计知识：总体和样本、参数和统计量、ErrorBar

概率分布与假设检验：各种分布、假设检验流程

其他概率论知识：条件概率、贝叶斯等

有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……

你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。

python数据分析

如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。

比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：

回归分析：线性回归、逻辑回归

基本的分类算法：决策树、随机森林……

基本的聚类算法：k-means……

特征工程基础：如何用特征选择优化模型

调参方法：如何调节参数优化模型

Python 数据分析包：scipy、numpy、scikit-learn等

在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。

当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。

系统实战

这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。

如何进行实战呢？

上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。

另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。

开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。

你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。

在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：

员工离职预测训练赛

美国King County房价预测训练赛

北京PM2.5浓度分析训练赛

种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！

Ⅲ 如何学习数据分析

如何学好数据分析？

这个一个比较大的命题，很难一两句话弄说的清楚，所以这个的问题很在QQ群里不太能得到一个满意的答案。

在这里，我就以一个这数据方面的从业者的身份来说一说我的学习方法，当然有一点要说的是每个人的思想、方法、工作经历、知识侧重点都是不一样的，所以对于如何学习这个问题可谓是仁者见仁智者见智。我这里只说一说我个人的方法，不一定是对的也不一定适用于每一个人。

数据分析这个岗位可以说很宽泛很杂，从数据录入员到行业分析师专家都可以认为是数据分析，甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里，但是这些工作所做的事情却相差甚远，当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称，重要的是看看清岗位职责和要求。言归正传，咱们谈谈如何学习数据分析。

1、学科知识：从数据分析涉及到的专业知识点上看，他包含的比较多，包含但不仅限于以下学科：

（1）统计学：参数检验、非参检验、回归分析……等

（2）数学：线性代数、微积分等

（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助

（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的，这里就不多说了

（5）计算机：从事数据分析工作的人必须了解你使用的数据是怎么处理出来的，要了解数据库的结构和基本原理，同时如果条件充足的话，你还能有足够的能力从数据库里提取你需要的数据（比如使用SQL进行查询），这种提取数据分析原材料的能力是每个数据从业者必备的。此外，如果要想走的更远，还要能掌握一些编程能力，从而借住一些专业的数据分析工具，帮助你完成工作。

这些专业知识不是一时半会能够全面掌握的，学习的唯一捷径就是看书、看视频讲解，看权威的书籍、看全面的知识。学习基础知识没有一蹴即就的方法，因为基础，所以学起来会比较枯燥、比较漫长。如何你想在数据分析方面有长远的发展，希望你能在基础知识上长期坚持的学习下去。

2、软件操作：从事数据分析方面的工作必备的工具是什么，我大致罗列以下几类：

（1）分析报告类：Microsoft Office软件（excel、word、powerpoint、visio……）、水晶易表等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。

（2）专业数据分析软件：OFFICE并不是全部，要从在数据分析方面做的比较好，你必须会用（至少要了解）一些比较常用的专业数据分析软件工具，比如SPSS、SAS、R、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析。

（3）辅助工具：比如思维导图软件（如MindManager、MindMapper等）也可以很好地帮助我们整理分析思路。

在此需要说明的一点是：软件只是帮助我们完成任务的工具。并不是我们只要学好的软件操作就能很好地完成任务，因为与操作相比，如何解释最后的结果要重要的多。即使软件操作的再熟，如果看不懂结果，那跟不会才做没有两样。而看看懂结果就需要扎实的专业知识才行。

对于以上两点，究竟按照什么路线来学习，先后顺序如何安排，我在网上看到过一个图，个人认为很不错：

3、行业知识与工作经验：这部分知识怎么说呢，要是说在书本上一点学不来那也是骗人的，但是能真正拿为己用的，多是自己在实际的工作过程中经历的学到的。做数据分析一定得和自己所从事的行业紧密相关，不结合业务的数据分析无异于纸上谈兵。而需要要用到数据分析的行业又多的数不清，一句话，只要有数据的地方就需要有数据分析，比如互联网、电商、金融、电信、制造业、零售业等等都是数据分析需求大户，你不可能每个行业都很懂，但是你可以在一个行业很懂，这个懂则需要在工作过程中慢慢积累。

打个形象的比喻，成为一个数据分析精英好比成为一个武林高手（不少朋友应该都看过武侠电影），武林高手通常具备三个要素：浑厚的内功、致命招式/稀世武器、江湖经验。

基础知识和行业内的经验就好比这浑厚的内功，及时你不会作出什么东西来也能保证别人忽悠不倒你，因为你已经是内行了；

各种软件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经验，有时候被杀了都不知道是谁杀的，所以工作经验就好比这江湖经验，经验丰富遇到问题才更容易应对。

所以三者相辅相成，任何一个存在短板都会影响整体的发挥，影响个人的数据分析能力水平。

1、看书

这我看来要全面系统的掌握知识，最好的办法就是看书，看书只有看对书，没有看错书，选择了一本能大幅提高自己能力、思想的书就是看对书。再此，我就不做书籍推荐了，每一块都有不少经典的好书，但是我可以告诉你一个找书的好方法，那就是在网上书店搜索相应的关键词，比如你想找统计学方面的书，那你就搜“统计学”，想看EXCEL方面的书就搜“EXCEL”，你会搜到很多相关的书籍，你可以查看书籍的目录介绍和相关的评价看是否适合你。

2、逛专业的网站

另外一个就是经常逛一些在数据分析方面的论坛、博客。所谓逛，跟逛街一样，我不需要东西同样可以去逛街。所以即使你不想去找某个问题的解决方法同样也许要去逛，因为那里有很多也数据分析方面的知识、见解，很多内容都可能会让你受益匪浅，同时还可以关注到高手大牛以及行业的一些动态。

3、学会向搜索引擎要答案

一个懂得学习人必须是懂得提问的人，那回答你问题的人在哪里，不在现实中就在网络上。当你遇到难以解决的问题时，建议首先找一找手头上的书本能不能帮你解答。如果不能，那请你在google、网络上去搜吧，很多问题十有八九在网上可以找到答案（当然那些答案并不一定是最好最优的），如果搜索不到答案，好吧，我承认你的疑问有点小偏了，那就去相关的QQ群或身边的同事朋友那去问吧。

此外，在软件操作方面学会想操作手册要答案

很多关于软件工具的书籍都只是将最主要的操作方法写出来，对于个人而言对一款软件的使用也只是小部分功能，而软件操作手册不一样，它就是软件的使用说明书，每个细致的功能点都会写进去，可以说是最全面的软件字典，在操作手册中几乎可以找到所有的操作方法。

为什么这样安排顺序？ 在我看来书本上的答案要比网上的要靠谱，这个靠谱不是说网上没有好的答案，只是说在没有甄别能力的前提下，你看不出哪个答案是最好的。而书本不一样，写书人的知识水品通常要比写出来的书的知识水品要高，书上给出的解答虽说不一定是最好的，但一定不会差到哪去。

为什么要把搜索引擎放在第二位？

因为搜索引擎可以找到几乎全网的内容，一句话概括就是搜到的东西全。学会使用搜索找问题答案是一种能力，是一种方法。

如果以上方法都找不到的话，就只能向朋友网友求助了。

为什么说QQ群不是解决问题（一些非常灵活的问题除外）好办法？

一是，群里确实有高手，但是高手通常都很忙，如果一两句话能解答你的话，他们很乐意帮你解答，如果不是一两句话能说清的，他们通常会沉默；二是，群里虽然有高手，但是菜鸟也不少，与其得到一个错的结果，不如不问。

你可能要问那QQ群有什么用，我的回答是：解决灵活性问题，交流学习心得，了解他人的动态。

向身边朋友同事请教是本着求人不如求己原则下来说的，如果朋友热情并且自己知道答案的话，肯定会告诉你，及时不知道有时也会帮你找一找解决办法，还有一点是向朋友请教往往还能起到沟通感情的作用。但是有一点，大家工作都很忙，能不去麻烦别人最好还是不去麻烦。

总之，学习是个循序渐进的过程，贵在坚持，不能操之过急；因为数据分析这块涉及的内容很广，所以学习的原则要定好大的方向，然后不断扩展加深知识，“哪里不会补哪里”。

写了这么多也没给大家一点知识性的内容，但都是我个人的一点看法和经验之谈，不妥的地方请同行朋友们多多指正。

本文转载自数据控，链接： http://datakung.com/p=27