关于数据分析师的学习路线，这是我见过最全面的！

• 想入门数据分析应该怎么学？

• 新手做数据分析有哪些好用的工具？

• 会用 Excel 但是做分析总是没思路怎么办？

• 做数据分析有哪些方法

• ......

以上这些问题，相信各位想入门数据分析的小伙伴们或多或少都会遇到，今天，小编就给大家全方位科普一下，数据分析入门学习路径！

我们把数据分析师的能力分为三大部分：理论、技能、业务。

爱数据原创的【职业生涯三角模型】

理论技能

数据分析理论知识这方面，需要掌握是统计学和机器学习相关知识。

1、统计学

统计学是一种利用数学理论来进行数据分析的技术，通过统计学我们可以用更富有信息驱动力和针对性的方式对数据进行操作。

在数据分析工作中，利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构确定数据分析的方法，来获取更多的信息。

毫不夸张的说统计学是整个数据分析的灵魂。判别一个数据分析师强弱的一个重要方法就是，看他对统计规律的敏感度。

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。

学习资料：《17张统计学基础知识高清思维导图》

由浅入深的总结了「统计学」领域的基础知识，涵盖了至今为止所有与统计有关的学习笔记。

统计学基础知识思维导图概览

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

2、机器学习

对于想要进阶成为高级数据分析师的朋友来说，就要掌握机器学习相关的知识：

• 特征工程的基础：如何统计数据特征、选用不同的特征，做模型的优化；

• 基本的分类算法：决策树、随机森林等；

• 基本的聚类算法、数据挖掘、常见的机器学习算法的了解等等

机器学习相关的知识学习成本会比较高，对某些同学来说可能会有一定难度，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理大概懂就基本可以了。

学习资料：《机器学习图谱》《机器学习十大算法》《模式识别与智能计算-matlab技术实现》

《机器学习资料包》概览

《机器学习技能图谱》

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

工具技能

1、Excel

Excel 应该是数据分析师最常用的统计分析工具了，原因是因为方便，所见即所得，而且具有方便的可视化功能。应该说只有学会了Vlookup，数据透视和基本公式才算 Excel 入门，其次 Excel 最大的惊喜是数据可视化，拥有大量的图表模板，可以减轻我们很多工作。

学习资料：《Excel超全函数》《213份Excel可视化图标模板》

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

3、SQL

作为数据分析人员，要想获取数据，肯定就要和数据库打交道，因此SQL肯定是要掌握的，在招聘要求中，SQL也是很多数据分析岗位的能力要求之一。

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，主要了解一些数据库查询语言。

学习资料：《SQL数据分析常用语句》

《SQL数据分析常用语句》概览

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

4、Python

Python作为目前最火的编程软件之一，确实在数据分析、数据挖掘上有着独特优势。是否具备编程能力，也是初级数据分析和高级数据分析的分水岭。

要学习的内容挺多的，但其实python最大的优势就是语言简约，非常易于读写，如果之前有一定的编程基础，上手很快。

学习资料：《Python基础知识思维导图》+《Python入门常见单词集合》

《Python基础知识思维导图》概览

《Python入门常见单词集合》部分内容

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

业务能力

“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。

1、抓住数据分析的核心——业务

• 了解产业链结构。首先要对自己所在产业链的结构有大致的了解，上下游经营状况。

• 制定业务发展规划。这一步需要根据业务需求制定当前的发展计划。

• 确定衡量的核心指标。数据、规划都有了，该如何实现他们？这也就是我们的最后一步：列出数据核心指标（KPI），并拆解。这需要结合你的业务属性来处理，找出影响幅度大的因子。

从这一部分可以看出前期资料的收集以及业务现况的全面掌握非常关键。

2、思考指标现状，发现多维规律

• 熟悉产品框架，全面定义每个指标的运营现状

• 对比同行业各项指标，挖掘潜在提升空间

• 拆解关键指标，设置独立应对方案

• 针对核心用户，单独进行产品调研和需求挖掘

3、规律验证，经验总结

你发现的规律很可能是不定时会出现的现象，可能这一时段都是这样，那么如何验证是否如此？就需要来做测试，用小部分样本进行测试后得到结果在运用在正式方案中，这有利于防止错误的发生。

学习资料：《数据分析业务实战指南》

• 100+数据集

• 30份数据看板

• 25个数据分析实战案例（企业级+生活类）

• 20套行业数据分析可视化报告

• 8个爱数据精选数据指标体系热门文章合集

《100+数据集》

《30份数据看板》

《生活类数据分析实战案例》

《20套行业数据分析可视化报告》

点击下方【爱数据LoveData】公众号

后台回复【810】即可领取

经过前面的梳理和总结，相信小伙伴们对于数据分析入门学习的了解更加深刻了。可以有针对性地进行知识储备了！加油！

本次推荐的爱数据LoveData公众号是爱数据教育旗下知识分享社区，每日发布数据分析领域行业资讯、干货知识（理论/技能/业务实战/求职）、学习资料分享、大咖直播......

关注【爱数据LoveData】，

人手一份见面礼！

关注下方公众号【爱数据LoveData】（非本号）后回复【见面礼】即可免费领取哦~