初學者如何學習大數(shù)據(jù)分析？

初學者如何學習大數(shù)據(jù)分析？該如何培養(yǎng)數(shù)據(jù)分析思維呢？小編整理了相關資料以供大家參考，希望能夠幫助到大家。

第一周：培養(yǎng)數(shù)據(jù)分析思維

如果我們在分析一個問題前，思維缺失就像下面圖中所表達的一樣，往往不知道問題從哪里下手，即使拿到數(shù)據(jù)也是一臉懵逼。所以我們要通過訓練數(shù)據(jù)分析思維，幫助在遇到問題時，大家腦中能快速梳理出分析的切入點以及思路，這一點很重要。

常用的一些思維方式：

1、金字塔/結構化思維

把待分析問題按不同方向去分類，然后不斷拆分細化，能全方位的思考問題，一般是先把所有能想到的一些論點先寫出來，然后在進行整理歸納成金字塔模型。主要通過思維導圖來寫我們的分析思維。

2、公式化思維

在結構化的基礎上，這些論點往往會存在一些數(shù)量關系，使其能進行＋、－、×、÷的計算，將這些論點進行量化分析，從而驗證論點。

所謂指標體系，就是這么梳理得來的。

3、業(yè)務化思維

業(yè)務化即是深入了解業(yè)務情況，結合該項目的具體業(yè)務進行分析，并且能讓分析結果進行落地執(zhí)行。用結構化思考＋公式化拆解得出的最終分析論點再很多時候表示的是一種現(xiàn)象，不能體現(xiàn)產(chǎn)生結果的原因。所以需要繼續(xù)去用業(yè)務思維去思考，站在業(yè)務人員或分析對象的角度思考問題，深究出現(xiàn)這種現(xiàn)象的原因或者通過數(shù)據(jù)推動業(yè)務。

增加業(yè)務思維方法：貼近業(yè)務，換位思考，積累經(jīng)驗。

同時，這樣的思維模式在一些特定業(yè)務場景下，還衍生出一些基礎的分析方法，比如象限法、多維法、假設法、指數(shù)法、二八法、對比法、漏斗法，這個對未來構建分析模型都有幫助。

思維模型的好處是他能提供一種視角或思維框架，從而幫助你建立起觀察事物和分析問題的視角。通過對思維模型的學習和訓練，能提高你成功的可能性。

第二周：Excel技能進階

基礎的：簡單的表格數(shù)據(jù)處理、篩選、排序

函數(shù)和公式：常用函數(shù)、高級數(shù)據(jù)計算、數(shù)組公式、多維引用、function

可視化圖表：圖形圖示展示、高級圖表、圖表插件

數(shù)據(jù)透視表、VBA程序開發(fā)……

第三周：學習數(shù)據(jù)庫原理和SQL

做數(shù)據(jù)分析，數(shù)據(jù)從哪里來？數(shù)據(jù)庫！

怎么取數(shù)據(jù)？寫SQL！

做數(shù)據(jù)分析，取數(shù)、清洗數(shù)據(jù)，基本都要依賴SQL。

初入門階段，對于數(shù)據(jù)庫不必精通，只需了解常用的數(shù)據(jù)庫類型，能夠在現(xiàn)有的表格里面查詢出數(shù)據(jù)，能夠更新數(shù)據(jù)對數(shù)據(jù)進行重編碼，知道怎么增加添加數(shù)據(jù)，把數(shù)據(jù)變得規(guī)整就行。

理解主鍵，索引等含義和用處；導入導出數(shù)據(jù)可以使用工具，分析數(shù)據(jù)可以使用ODBC或者其他的接口對數(shù)據(jù)庫進行連接。

取數(shù)的排序，做數(shù)據(jù)的交集并集，數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)表合并等這些，*好也能掌握。

SQL的學習，看這個就夠了：SQL教程_w3cschool

這里總結了幾個核心技能：

引自：數(shù)據(jù)分析人員如何快速入門SQL-SQL學習感悟(一) - Ash_Zhang的技術小屋

技能一：學會用select語句添加字段和找出需要的數(shù)據(jù)

直接給一個隨時可以套用的萬金油模板吧：

select cola,colb,colc into newtable from oldtable wherecola=x and colb is not null；
基本上，學會這個就可以完全的查出大部分的數(shù)據(jù)了。

select后面是一個個的字段，要哪個選哪個。有into意味著放到一張新表里面，沒有就是查詢出來。where之后的就是我們的條件，等于某個值，或者是不是空值，是*常用的幾種查詢方式吧。

還有一種select也用的非常多：select cola from oldtable group by cola;

這個語句是看看cola有多少種值的可能性。

select進階學習，可能要講講join，union，以及多個查詢組合成的嵌套查詢，或者是子查詢的模式，以及模糊查詢。這個后面我會再花篇幅寫出來給大家參考。

技能二：學會alter學會增加，減少字段

alter可以做的事情很多，增加字段，減少字段，增加主鍵減少主鍵等等，非常常用。

1. 增加字段：alter table tablename add colname varchar;

這樣就可以增加一個空字段，varchar是一種數(shù)據(jù)類型。

2. 減少字段：alter table tablename drop column colname;

這樣就去掉了一個原有的字段。

技能三：學會update學會更新數(shù)據(jù)更新數(shù)據(jù)

大概常用的有兩種，一種是更新成一個固定值：

update table set col=1;

另一種是從另一張表里面更新，這種方法，在處理一些小型數(shù)據(jù)的時候經(jīng)常會導出，然后導入到數(shù)據(jù)庫，就可以用：

update table set col=tableb.col from tableb where table.id=tableb.id;

里面table和tableb是兩張表，然后通過兩張表的id關聯(lián)起來，學會這個書寫結構就行。

第四周：數(shù)理統(tǒng)計學

統(tǒng)計學是數(shù)據(jù)分析師必備的基礎知識之一，是一組用于匯總數(shù)據(jù)和量化給定觀測樣本域?qū)傩缘墓ぞ摺?/p>

單獨的原始觀察數(shù)據(jù)只是數(shù)據(jù)，還不能變?yōu)槲覀兿胍男畔⒒蛑R。有了原始數(shù)據(jù)，那么接下來的問題是：

什么是最常見或可預期的觀測？

觀測的限制條件是什么？

數(shù)據(jù)是什么樣子的？

回答這些問題，我們需要借助一些統(tǒng)計工具來得出一些結論。借助統(tǒng)計學，你的分析深度、專業(yè)度和科學性都會有很大提升。

所以這一周，我們需要掌握統(tǒng)計學的以下幾大概念：

1.集中趨勢(中數(shù)、眾數(shù)、平均數(shù))
2.變異（四分位數(shù)、四分位距、異常值、方差）
3.歸一化(標準分數(shù))
4.正態(tài)分布
5.抽樣分布（中心極限、抽樣分布）
6.估計(置性度、置信區(qū)間)
7.假設檢驗
8.T檢驗

推薦書籍：吳喜之-《統(tǒng)計學·從數(shù)據(jù)到結論》

第五周：數(shù)據(jù)分析軟件應用

有了數(shù)據(jù)分析思維基礎，懂一些統(tǒng)計學知識之后，我們就可以著手開始相對專業(yè)的分析，用可視化的方法探索數(shù)據(jù)的規(guī)律。

這一周，除了Excel，你需要掌握一個傍身的數(shù)據(jù)分析工具。

考慮到快速入門，這里暫時放一放SPSS、R、Python一類工具，先掌握BI工具的運用，幫助快速熟悉起數(shù)據(jù)分析的流程。知名的BI產(chǎn)品有Tableau，Power BI，還有國內(nèi)的FineBI，網(wǎng)上都有體驗版和免費版下載。處理好的數(shù)據(jù)拿來放BI分析，分分鐘就能出很漂亮的可視化，比Excel的圖表高級多了，而且絕大多數(shù)人都能輕松上手。

BI需要掌握數(shù)據(jù)的連接，連不上數(shù)據(jù)怎么分析。還有儀表盤Dashboard的概念，知道絕大多數(shù)圖表適用的場景和怎么繪制，維度和指標的區(qū)分。

至于一些數(shù)據(jù)的清洗，如果BI掌握得透徹也可以放BI處理，但不熟悉還是用SQL處理吧。

第六周：數(shù)據(jù)可視化

可視化看似是簡單的步驟，但也是有造詣的。可視化說白了是一種表達，數(shù)據(jù)分析結果表達的是否到位，領導是否認同，工資漲不漲，全靠這一紙dashboard（當然還有你“講故事”的功力）。

如何選擇*佳的圖表類型？趨勢性、相關性、分布性、周期性、布性……

顏色和字體等細節(jié)樣式方面，如何進行更加美觀的調(diào)配？

布局設計原則,故事性布置可視化儀表板，報告的標題和結論注釋，以及整體展現(xiàn)的邏輯性。
還有很多可視化的陷阱，都是值得花一周探究的。

第七周：常見的業(yè)務分析模型

基于一些數(shù)據(jù)分析方法，如象限法、多維法、假設法、指數(shù)法、二八法、對比法、漏斗法，在特定業(yè)務場景下，還衍生了通用的業(yè)務分析模型，常用的有購物籃分析模型，RFM模型，漏斗分析模型，客戶生命周期，以及預測、聚類分析等挖掘模型。

這一周我們要掌握常用的分析模型，*好能有深刻的認識，直接套用到實際的業(yè)務場景中，活學活用。

第八周：Python/R語言掌握

到這一周，數(shù)據(jù)分析的入門之路基本上完成一大半。

本著提升自己，以及加大自己求職和面試的籌碼，掌握Python或R是加分項。

有關數(shù)據(jù)分析的編程語言有Python和R語言。R語言傾向于統(tǒng)計分析、繪圖等。統(tǒng)計學家或者學統(tǒng)計學的喜歡用R語言，而我更青睞學習Python，因為Python是面向未來的語言，無論從流行度、可用性還是學習難度來講，Python都是*好的入門語言。

當然，如果可以的話，再掌握一下R語言是*好不過的，技多不壓身嘛。

Python有很多分支，但我們學習的主題是數(shù)據(jù)分析，入門推薦《深入淺出Python編程》
從code academy開始學起，完成上面的所有練習。Code academy涵蓋了Python基本概念。當完成了code academy練習之后，看看這個Ipython notebook:

其次，掌握三個庫Numpy、Pandas、Matplotlib

Numpy是利用Python科學計算的基礎包，對Numpy好的掌握將會幫助你有效地使用其他工具例如Pandas。包括N維數(shù)組，索引，數(shù)組切片，整數(shù)索引，數(shù)組轉(zhuǎn)換，通用函數(shù)，使用數(shù)組處理數(shù)據(jù)，常用的統(tǒng)計方法等等。

Numpy Basics Tutorial，Index Numpy 遇到Numpy陌生函數(shù)，查詢用法，推薦！

Pandas包含了高級的數(shù)據(jù)結構和操作工具，能使得Python數(shù)據(jù)分析更加快速和容易。包含series, data frams，從一個axis刪除數(shù)據(jù)，缺失數(shù)據(jù)處理等等。

Pandas Basics Tutorial，Index Pandas 遇到陌生函數(shù)，查詢用法，推薦！

Matplotlib是一個強大的Python可視化庫。幾行代碼就能繪制出散點圖、折線圖、直方圖、柱狀圖、箱線圖等。

第九周：業(yè)務理解和指標設計

到了第九周，大家可以發(fā)現(xiàn)，這個學習計劃更多是偏業(yè)務的數(shù)據(jù)分析，可見業(yè)務理解的重要性。但業(yè)務理解需要多年的積累，沒有掌握的捷徑。剛入門也不會拷問太多業(yè)務上的問題，更多時候是考驗你邏輯思維能力和數(shù)據(jù)分析的方法。所以簡單花一周時間了解各行業(yè)的業(yè)態(tài)和各業(yè)務的通用指標。

其次，指標體系。幾乎一個數(shù)據(jù)崗的崗位要求都會涉及這樣一句話：“負責建立和優(yōu)化部門的數(shù)據(jù)指標體系”。事實上目前大多的數(shù)據(jù)崗主要工作都是不斷完善與優(yōu)化數(shù)據(jù)指標體系，而對層面的工作是比較少的，即使崗位叫做數(shù)據(jù)分析師 。一個優(yōu)秀的數(shù)據(jù)指標體系，不僅能讓你快速解決數(shù)據(jù)需求，洞察出可能會被忽略的價值數(shù)據(jù)，還能反映出你目前*需解決的業(yè)務問題。所以，這一周還要掌握梳理業(yè)務指標的思路。

*文章內(nèi)容和圖片均來源于網(wǎng)絡，如有侵權，請聯(lián)系刪除。