如何自学数据分析方法介绍
如何自学数据分析方法介绍
想要成为数据分析师，最快需要七周?七周信不信?
这是一份数据分析师的入门指南，它包含七周的内容，Excel、
数据可视化、数据分析思维、数据库、统计学、业务、以及Python。

每一周的内容，都有两到三篇文章细致讲解，帮助新人们快速掌握。

这七周的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。

第一周：Excel
每一位数据分析师都脱离不开Excel。

Excel的学习分为两个部分。

掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。

把各类数据输入，经过计算和转换输出我们想要的结果。

在SQL，Python以及R中，函数依旧是主角。

掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近
的函数。

在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。

清洗处理类：trim、concatenate、replace、substitute、
left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、
count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。

第二部分是Excel中的工具。

在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性
价比的几个技巧。

包括数据透视表、格式转换、数组、条件格式、
自定义下拉菜单等。

正是这些工具，才让Excel在分析领域经久不衰。

在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。

Excel需要反复练习，实战教程「数据分析：手把手教你Excel
实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结
各类函数的使用。

除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。

了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，
float等。

了解数组，以及相关应用(excel的数组挺难用)，Python和R也会涉及到list，是核心概念之一。

了解函数，深入理解各种参数的作用。

它会在学习Python中帮
助到你。

了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。

第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。

数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。

首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。

在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。

数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。

了解图表的维度和适用场景，比好看更重要。

比
如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭
露数据内在状态的变化和流向。

案例是用户活跃状态的趋势。

Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可
视化报表。

「数据可视化：教你打造升职加薪的报表」教给大家常
用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的
设立、复合图表等方法。

Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。

图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。

上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元
格直观不少。

我们常常把绘制这类Dashboard的工具叫做BI。

BI(商业智能)主要有两种用途。

一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块
很大的工作量。

这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。

另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。

在「数据可视化：手把手打造BI」教程中，以微软的PowerBI
举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。

最后的成果就是上文列举的分析师案例。

BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。

后续的进阶可视化，将和编程配合。

因为编程能够提供更高效率和灵活的应用。

而BI也是技术方向的工具，了解技术知识对应用大
有帮助。

第三周：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。

分析思维决定一场「数据战争」中的冲锋方向。

只有先养成正确的分析思维，才能使用好数据。

麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。

最典型地莫过于金字塔思维。

这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。

你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。

除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这
些都是不同领域的框架。

框架的经典在于，短时间内指导新人如何
去思考，它未必是最好的，但一定是性价比最优的。

数据分析思维，是分析思维的引申应用。

再优秀的思考方式，都需要佐证和证明，
数据就是派这个用处的，「不是我觉得，而是数据证明」。

现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。

如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。

每一
位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机
器学习，也是围绕指标体系建立的。

下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。

每一个环节，都有数据及指标以查询监控。

数据分析不是一个结果，而是一个过程。

几乎所有的`分析，最终目的都是增长业务。

所以比分析思维更重要的是驱动思维落地，把它转化为成果。

数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。

以生活中的问题出发做练习。

这家商场的人流量是多少?怎么预估?
上海地区的共享单车投放量是多少?怎么预估?
街边口的水果店，每天的销量和利润是多少?怎么预估?
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。

另外就是刷各种CaseBook。

优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。