学Python可以干嘛？

为什么要学数据分析

有读者问我，看到现在大厂都在招数据分析师，薪资也非常有吸引力，我会用 SQL 和 Excel，还会一点 Python，能不能去应聘？

先说结论：如果你仅仅是会操作工具提取数据，那你离合格的数据分析师还差的很远。

原因是：数据分析有一套标准的工作流程，不是仅仅提数这么简单，更重要的是分析和建议。

一个专业的数据分析师在对业务做数据分析时，流程一般为：

定义问题

搭建框架

数据提取

数据清洗

数据分析

数据可视化

总结建议

如果没有遵循这样的流程，那得出的报告，往往只能得出结论，顶多定位到问题——

这样没有分析结果、指导方案的报告，与其说是数据分析，倒不如说是数据展示而已。

但这些结论业务方可能早就知道了，他们更想知道怎么办，怎么解决。

因此，定义问题、分析数据及总结建议，才是数据分析师的核心价值所在，也是无数数据分析师仍在持续学习的原因。

如果你还仅仅停留在工具操作者的层面，每天机械的跑数，一定要重视起数据分析能力的提升，否则，很容易被同样精通工具的新人所取代。

2

谈一谈学习方式

说到学习，大部分人也存在相同的误区，即认为掌握了 SQL、Excel、Python 三大件，就所向披靡了。

下图是数据分析流程中所需要的能力及工具，可以看到，SQL 和 Excel 只能完成数据提取和数据清洗，现在大热的 Python，也仅能做到数据清洗和可视化。

而一个合格的数据分析报告，一定要包括这几点要素——是什么问题，是谁的问题，是多大的问题，以及最重要的建议：要怎么做？

这就要求数据分析师不光会使用工具，更能掌握业务理解能力、数据方法论等。

而这些能力，无不需要通过大量的实战演练，需要丰富的落地场景和案例去习得。

目前大家主流的学习方式主要有这几种：B站撸视频，买书自学，以及学习课程。

1. 先说撸视频这种方式。

许多想学数据分析的人收藏夹里都有数百个的视频，但大部分可能都是“马了就是做了”，真正打开的没有几个。

而且，视频来源良莠不齐，其中大部分仍进局限于数据分析工具的操作演示，以及用非常简单的案例（如期末考试成绩、男女员工比例等低级场景）去讲数据，和真实情形相差甚远，用一个图简单表示的话大概是这样。

这样，一到工作中，依旧没办法解决问题，因为根本没有基于真实场景，所以真实案例非常重要。

2. 再说下自学的方式。

不能否认有的人自学能力很强，但不是每个人都这么强。人是有惰性的，在没有压力、没人监督的情况下，学习效果非常难以保证。

而且和看视频一样，自学往往依旧偏重于工具、理论的学习，无法结合真实场景，容易出现纸上谈兵的现象，不推荐用这种方式。

3. 最后谈一下培训课程。

很多人把课程妖魔化，觉得只要是培训就是浪费钱，其实大可不必。

要是听课没用，那大大小小的学校就没有存在的必要了，有人引领，可以少走很多弯路，通过科学的教学手段，也能获得更好的效果，更高效便捷。

培训课程的优势是可以系统的学习各个数据分析技能，并结合一定的案例。但市场上常见的培训课程一般都存在以下几种问题：

内容缺乏质量和深度，浮于理论，没有落地场景；

更倾向于 Python 或某一种工具，不能全面构建数据分析技术体系；

空谈算法，没有业务案例，无法覆盖产品、运营等实用场景；

········

这种“学习”自然无法保证效果，即便学完，也不能帮你就业，浪费了大量的时间和金钱。

学习要付出大量的时间和精力，没有人想做无用功。所以，选择一个靠谱的课程，就显得尤为重要。

卫心：web6466