我的职位不是数据分析师，是数据运营。很多工作和数据分析重合，属于既做运营、又做数据，可能还参杂其他角色。&br&&br&最开始我是从运营接触上手数据，没有编程的基础，也没有统计的知识。大学的几门课我都是靠同学才过的，掩面哭。可能我零经验的经历对大部分有志于从事数据分析的朋友都是一个参考。&br&&br&刚开始工作我可是连vlookup都不会，也没人教我，excel只会很基础的操作。那时要关联多张报表，我仗着手速快，一个个对照复制黏贴的…要是数量一多肯定哭。后来我想这可不是办法啊。于是借助万能的百度：&br&&br&“excel怎么匹配多张表的数据。”
&br&&br&于是看到vlookup函数。每次用都要先看一遍网上的样例，不然会有各种问题。用了几次才会用。
&br&&br&那时候运营方面的数据需求还好，很多都是自己间歇时间琢磨。比如什么样的用户愿意用我们APP。于是我希望研发能有各种报表的下载，然后我用excel关联，做一些简单的分析。
&br&&br&期间当然犯了很多新手犯的错误，比如相关性不代表因果性，比如极值的影响，比如样本数量不满足置信度。
&br&&br&少年不知天高地厚，不过我依旧乐在其中。做数据分析要有勃勃的好奇心。&br&&br&记得是15年初，老板给了我一个任务，收集各地的医院数据。我一看网上医院有几万家，我又要快哭了，我手速再快也复制黏贴不了啊。于是求助了解到爬虫这么一个磨人的好东西。
&br&&br&那时水平不够用Python＋Scrapy，找来了一款火车头的爬虫工具。然后按着教程走，顺便了解了Html＋CSS的网页结构。
&br&&br&加了两天班，终于抓下来数据。
&br&&br&再次哭了，不是感动的。
&br&&br&这都什么乱七八糟的数据。不仅有错位，乱码，空格，还有重名。什么上海市第一医院，上海第一医院，上海市第一人民医院，上海市第一医院。你同一家医院给我网上放四个！！更别提分院、地址不匹配等等。
&br&&br&后来才知道这步骤叫数据清洗。继续用excel函数整理。我一直信奉的准则是：如果能用简单的，可复用的方法，就绝对不重复操作。我坚信永远有省时省力的方案。这期间Excel水平提高的飞快。另外也养成了随时保存的好习惯，微笑脸。
&br&&br&虽然爬虫从学习到成功还是花了不少时间。但是和从网上拷贝下来比，那效率是高多了。
&br&&br&大概同一时期，我把网站也学习了。&br&&br&我们产品是APP＋Web框架，很多功能和活动都是用Web页实现。当时用的是百度统计。系统的学习了漏斗转化，访问路径，跳出率退出率等。
&br&&br&那时针对各类活动的分析都能迅速落地，比如活动期间的流量，用户的转化率等，都是能很快获得反馈的分析，是能对运营产生直接了解的。后续的活动都纳入了分析，也将百度统计的相关应用推广到运营部门。
&br&&br&随着分析的深入，自己对分析也有更高的数据要求。比如什么样的用户更容易参加活动？用户流失的原因是什么？&br&&br&不论是下载的报表，还是网页统计，在当时都很难做到。很长一段时间只能用粗略的描述性统计，而不能定位到具体的人。
&br&&br&数据分析很多技能都能后天磨练，但我觉得一个好的数据分析师一定会有好奇心，会去提问，会想问题，也能去解决问题。不是为了分析而分析。&br&&br&随着公司业务线的拓展、用户数量的提升。我用Excel做关联越来越吃力，效率也几何程度的降低。15年8月的时候，我再一次向研发老大提需求时，他对我说：要不给你开个数据库权限，你自己查吧。
&br&&br&我：我不会SQL啊。&br&&br&研发：不要紧，很容易学的。&br&&br&我：好啊好啊。&br&&br&我内心是很爽的，老子再也不用求你们了！&br&&br&一个月后，所有部门的数据需求都不走研发，而是堆叠到我这。显然让我用SQL是有天大的预谋。可我还是很感谢接触SQL，让我能接触到的数据呈几何上升。
&br&&br&那时期还有一个任务挑战，我需要搭建用户运营的数据体系，包括留存、活跃、回流、分层等指标。我网上一边查运营指标的应用和解释，一边查SQL的实现。&br&&br&这是我第一次开始接触、了解和建立以业务为核心的数据体系。&br&&br&当时，我们运营，好长一段时间的推送、短信、营销都是全量。一故脑儿的都推给用户，没有细分。在指标建立后，我们部门开始尝试用自己数据体系去运营。&br&&br&举两个最简单的例子：比如你最近打开过我们APP，那么我们就不会给你推最新的活动短信，因为我们默认你能在APP中看到。&br&&br&再比如，用户用过APP很长一段时间，我们冠他叫忠诚用户，后来突然他连续几周不用，那么我们会找出这个用户，电话询问为什么不用，尝试唤回他。&br&&br&也是从那时开始，我有意的去衡量各类运营效果，比如活动的人均成本，短信的人均效果成本，用户价值周期等。并且不断优化。&br&&br&利用数据建立指标，对业务最直观的感受就是有据可依，分析和运营能够有针对性。&br&&br&数据多起来后，每日维护数据报表成了最花时间的事。虽然当时我们用了Presto+Airpal的数据平台，但不管各类业务线，还是APP基础数据，我和我部门花费在整理上的时间越来越多，分析越来越少，更不要说落地和执行。&br&&br&之后则顺理成章地引入BI，在此之前我都不知道BI是个什么鬼。
&br&&br&&figure&&img src=&/240aa1ecee69b029c9da989b_b.png& data-rawwidth=&1260& data-rawheight=&894& class=&origin_image zh-lightbox-thumb& width=&1260& data-original=&/240aa1ecee69b029c9da989b_r.png&&&/figure&&i&（图例，当时了解后，我就这么被BI给折服了）&/i&&br&&br&BI的学习曲线没那么陡峭，为了实现运营的数据报表自动化（依旧是为了省时省力），请求研发（一顿饭）单独开了一台服务器进行私有化部署，连接数据库，花了大约一个月的时间将所有的报表需求都迁移到服务器上。
&br&&br&爽。&br&&br&很多工作都简化或者剔除：能够监控任何的推送和短信效果,市场销售的分析能够定位到人，随时掌握业务线的波动。&br&&br&有数据才能分析，能有充裕的人手安排监控和观察数据，至此，运营的数据体系有了基础。
&br&&br&在15下半年，我则向产品提出（没请吃饭）需求希望布置APP和Web埋点，通过用户的路径了解用户，也弥补百度统计的缺点。埋点数据亦全不亦少，亦早不亦迟，我们埋点比较迟，如果早一点，可能有更多时间进行优化工作。&br&&br&当时经过考虑，埋点数据会比较多，要用到Hadoop，虽然从后续看，Hadoop并不是必需的选择。但是也提前让我了解到大数据（当然数据本身不大，具体是相关领域技术）。
&br&&br&埋点数据使用Hive建立离线的脚本清洗、分区、加工后导入到MySQL。蛮遗憾的是业务用不太到Hadoop，只是数据管理而已，所以我了解不怎么深。
&br&&br&到此底层的数据都已经完善。后续都是上层的加工。
&br&&br&今年初，我开始学习数据挖掘，往数据分析更高层进阶，先入手的是R。
&br&&br&自身没有啥编程基础，基本上是工作后和研发的耳濡目染，所以学起来较为吃力。主要是敲书上的语句学习。整本书敲下来，基本了解拿到一堆数据知道怎么清洗，怎么使用描述性统计，怎么进行作图。&br&&br&基础学的差不多，开始啃算法，我是应用型为主，所以绝大部分的算法都不学习数学推导。当然决策树，K聚类这种简单的都掌握。
&br&&br&大概所有数据挖掘的初学者，都会用到Iris Data的数据，然后就是泰坦尼克的幸存者分析吧。是的话点个赞，哈哈。
&br&&br&我不是啥数据挖掘工程师，我喜欢称自己调包侠。
&br&&br&后来还去参加了数据挖掘的比赛，是一个信用欺诈模型，典型的数据不平衡问题。数据完全脱敏，从字段上无法得知业务意义。
&br&&br&这和平时直接拿干净的数据源做模型完全两回事，模型的recall一直不理想，最终也没有什么成绩，最大的帮助就是知道自己有多井底之蛙。
&br&&br&后来重视特征选择、特征加工这块。好的数据和特征，能够很大程度决定模型的优劣。我之前练习时，因为我本身是运营，挑选的特征都是经过择优和强相关的，实际特征工程是我非常大的短板。
&br&&br&关于数据挖掘我还在不断学习的过程中，以后有机会再多补充吧。&br&&br&Python的学习，说来还是归因于研发大哥们（这次不请饭了）。因为我们业务线的数据比较多，产品改需求更多，很多表的结构不堪入目，常用的SQL必需各种嵌套，应用起来比较麻烦。
&br&&br&我不喜欢重复无意义的工作，我希望有清洗整理过的数据，于是提需求。
&br&&br&结果当然是需求延期。
&br&&br&这个让我想起了一段经典的对话：
&br&&br&产品&运营：这个很简单的
&br&&br&研发：U Can U Up
&br&&br&仔细思考了一下，数据清洗我肯定会不断改需求（我就是对自己如此不自信），请研发大哥们的咖啡和晚饭会比较多，那还不如自己动手，反正数据分析将来也得用Python，撩袖管UP。&br&&br&下载Python，安装GitLab，开启CI权限，然后进行数据仓库的规划。我自然不知道数据仓库应该是啥样子。反正目标是我们运营数据怎么用怎么爽…&br&&br&继续拿起书本，用Pandas编写ETL和数据仓库的相关代码。期间对数据表进行了无数次的调整，性能优化查询优化，怎么样能适应业务的拓展，如何防止数据膨胀。
&br&&br&Truncate无数次，换其他公司早被砍了吧。
&br&&br&最终总算满意，并且将常用的几个清洗过程函数化，以后可以快速复用建表。比如七天内某业务数据，三十日内某业务数据。
&br&&br&数据挖掘的常用特征库一并建立，会用离线算法进行一些业务响应模型的预测，准确率达到75%以上。虽然和大牛们比不咋滴，但是作为运营有算法模型，感觉还是蛮爽的。
&br&&br&下一步，我们团队开始用数据仓库中的数据，抽象成用户画像。
&br&&br&我网上看过很多用户画像的文章，比如用户的年龄、性别、爱好、财务状况等画像，可我们不是电商行业，用户的兴趣对我们的业务没有实际帮助。我则只根据自身对业务的理解制定画像标准。
&br&&br&例如以经典的RFM框架，制作标签：一个月没有产生订单、近期产生的订单频率较低等。帮助销售和运营判定用户需要激励还是发展。
&br&&br&说白了，我不了解其他企业的用户画像，可能水平再高点，会用上主成分分析或者聚类等。但我依旧坚持以自身运营的角度去分析和提炼，只要对业务有帮助就是好的用户画像。幸好画像的代码都是自己搞定，后期要改需求也是自己改，不用请吃饭了。&br&&br&自己对数据分析的了解和深入，都是工作中一步一个脚印走下去的。有模仿前人的经验，也有团队的摸索。不敢说自己有多少心得，从去年用MySQL到现在也才一年多时间，还有很多有意思的数据想尝试和学习：&br&&br&网站数据分析和APP数据分析的异同在哪里；&br&&br&我了解SEO的知识，但是流量没有实战检验，很想用Python爬虫＋AB测试去获得权重；&br&&br&营销很希望有大金额的预算操作，通过优化不断降低CPC；&br&&br&Spark已经是趋势，可还没有接触过；&br&&br&数据学的越多，越觉得不算入门，更别提还有运营的本职工作。&br&&br&另外，我还知道自己的不足和局限，比如不知道大厂的数据产品是什么样的，比如有没有更棒的数据运营案例，都很愿意和大家一起交流。
我的职位不是数据分析师，是数据运营。很多工作和数据分析重合，属于既做运营、又做数据，可能还参杂其他角色。 最开始我是从运营接触上手数据，没有编程的基础，也没有统计的知识。大学的几门课我都是靠同学才过的，掩面哭。可能我零经验的经历对大部分有…
&b&这一篇写给已经是数据分析师的你&/b&&br&对于任何一个行业的从业人员来说，都存在职业路径的问题，毕竟任何一个行业的从业人员都是金字塔式的，&b&初级的人员最多，越能够到顶层的人越少&/b&。这时，职场中的你就必须了解自己所从事的行业经验，允许自己未来有何种职业的发展，对于数据分析师来说，也是如此。作为一个一直在数据分析行业中工作的职场人士，&br&&b&我总结数据分析师未来可以的有以下四种发展路线：&/b&&br&&b&&br&&/b&&br&&b&继续从事数据分析工作，进而带团队，成为一名管理者。&/b&&br& 走这条路线是最简单也是最艰难的一条路。说它简单是因为走这条路线比较单纯，你只需要在做好当前本职工作的同时，多培养自己管理方面的技能，然后等待机会即可；说它难，&b&是因为这条路走起来真的是千军万马过独木桥，有的时候甚至要按资排辈&/b&。究其原因，主要是因为公司往往比较喜欢内部提拔管理者，&b&而往往走到管理岗位的人都不太愿意换工作，&/b&所以熬着等位置就成为必然了。&b& 当然，如果你能够从零搭建一只团队就另当它说；&/b&&br&&br&&br&&b&数据咨询顾问&/b&&br&咨询行业虽然辛苦，但薪资很高，出行西装革履、飞机酒店的也比较有档次。咨询行业作为一种服务输出型的行业，其对于数据的要求还是很高的，这就以为着机会本身也很多。所以如果你带有数据分析和行业背景的经验，很多咨询公司是愿意敞开大门的。如果你想要未来进入咨询行业，那么除了对行业和数据分析比较了解外，还需要做好其它的一些准备：比如PPT的编写能力、良好的沟通能力、编写文档的能力、汇报能力等。毕竟一个咨询项目，最出彩的部分还是在提交的文档和给领导的汇报中。如果你缺少这样的软实力，那么你在咨询行业只能作为一个螺丝钉。在逆水行舟，不进则退的咨询行业，稳步不前是非常危险的；&br&&b&&br&&/b&&br&&b&进入业务部门，成为一名业务专家/总经理。&/b&&br&很多时候，一些业务部门的专家需要有很强的数据分析意识甚至是动手能力。特别是运营、销售、督查等可以通过数据分析产生巨大价值的部门。&b&而作为数据分析师出身的你，先天具备有这样的优势。如果后续能够加强对公司业务的了解，并培养自己的业务能力，那么转入业务部门无疑能让你产生巨大的价值。&/b&&br&&br&&br&&b&成为公司的首席增长官乃至于COO&/b&。这是一条最好的路，也是一条最难的路。因为要走上这条路，除了需要机遇外，还需要你同时具备以上三个发展方向都需要的能力。对数据的敏感，技术的驾驭，业务的了解，沟通演讲的能力、人脉关系等等，都是你成为COO不可或缺的能力。&br&&br&当然，每条路的选择需要结合你当前的状态，你自己的意愿以及所在公司和行业的特性。最后，不管你选择了哪条路，都要做好计划，一步一步的向目标努力。&b&也许你最终没有能够达到自己的目标，但沿途的风景也一定不会让你感到失望。&/b&
这一篇写给已经是数据分析师的你 对于任何一个行业的从业人员来说，都存在职业路径的问题，毕竟任何一个行业的从业人员都是金字塔式的，初级的人员最多，越能够到顶层的人越少。这时，职场中的你就必须了解自己所从事的行业经验，允许自己未来有何种职业的…
既然刚工作，你可以考虑按照这个步骤去走：&br&&br&&b&A. 先把一个行业弄懂了：&/b&&br&先&b&定性&/b&的弄明白&br&1. 业务是怎么运行的&br&2. 有哪些参与方&br&3. 有哪些过程&br&4. 什么东西是重要的&br&&br&然后再去考虑&b&定量&/b&的部分：&br&a. 有哪些数据，他们的定义是怎么样&br&b. 数据是如何采集的，他们的取值范围如何，质量如何，可能有哪些潜在的偏差和遗漏&br&c. 行业里都有哪些常用的指标，这些指标是如何计算的，背后的逻辑是什么，他们怎么用&br&&br&&br&&b&B. 做一些本行业的数据分析：&/b&&br&&br&一开始可能是一些比较明确的事情：去计算一个特定的东西。这样的时候你可以实际去操作一下数据，知道里面有哪些常见的坑----数据是零的时候怎么办，数据为空怎么办，特别大的异常值怎么办等等。&br&&br&第二个阶段你可以做一些更开放式的问题：如何评价xxxx。这时候你需要从把基于现成的东西，组合起来，或者做一些修改，形成一些新的东西。如果你有了第一步的经验，应该可以做一些这类的事情。&br&&br&第三阶段（可选）：从&b&评价类&/b&的分析，变成&b&管理类&/b&的分析。这里面也是一个渐变的过程，一开始能评价一个东西整体的好坏；然后到能评价每一个步骤的好坏；最后到能给出建议应该从哪一个环节，如何提升业务。&br&&br&在这个过程中，你会自然而然的具有一些技能：excel也好，编程也好，其他工具也好。&b&这些东西都只是实现你目的的手段，千万不要本末倒置-----有些人自己对如何作分析完全没有想法，而是点开功能菜单一个一个的试验。如果你发现自己是这样的人，建议你早点跟数据分析说再见。&/b&&br&&br&&b&C. （可选）做更多行业的分析：&/b&&br&&br&1. 试着了解更多的行业-----了解行业永远是最重要的，不了解行业就无法了解数据，对于不了解的数据瞎做处理，只是在制造垃圾！&br&2. 对这些行业做分析&br&3. 当你多看几个行业，你会慢慢对他们有一些概括性的认识：&br&
哪些东西是高度抽象的，几乎所有行业都可以用的：比如财务上的Du Pont分析就是；&br&
哪些行业之间比较接近，属于同一类，分析上比较接近。&br&
分析的工作可以分成哪些类别，比如财务、运营、客户满意度、风险，每一类行业更关注哪些东西。&br&
你会开始自己根据每个行业的特别情况定义分析方法----不一定是单个指标。借鉴和修改一个行业的方法用到另一个行业。
既然刚工作，你可以考虑按照这个步骤去走： A. 先把一个行业弄懂了： 先定性的弄明白 1. 业务是怎么运行的 2. 有哪些参与方 3. 有哪些过程 4. 什么东西是重要的 然后再去考虑定量的部分： a. 有哪些数据，他们的定义是怎么样 b. 数据是如何采集的，他们的取…
题主所说的零基础，按我的理解，是“零数理统计基础”或者“零编程基础”。那么，这样的“零基础”有没有可能学会数据处理呢？&br&&br&诚然，要掌握专业的数据分析和挖掘技能，乃至于成为数据科学家，是非常非常艰难的。&br&&br&&b&&u&但是，如果你的目标是从零基础、在短时间内提升数据获取、数据分析、数据可视化的水平，在同学同事面前吹牛、老板面前装逼、加薪升职、迎娶白富美、吓跑高富帅、走向人生辉煌的话，我可以负责任地告诉你：这是完全可能的。&br&&/u&&/b&&br&为什么我这么肯定呢？因为这半年来，我眼睁睁地看着我的朋友大鹏——没错就是养猪O2O的那个——自学成才，有了长足的进步。&br&&br&大鹏的经历让我相信，他可以的，你也可以！&br&&br&（我真的没有黑大鹏的意思：D）&br&－－－－－－－－－－－－－－－&br&&br&&b&&u&以下是广告，但可能是一则对你很有用的广告：D&/u&&/b&&br&&br&事情是这样的：&br&&br&某天大鹏来找我，说：“我要做&b&&u&数据爱好者交流社群&/u&&/b&，跟你、跟数据团一起。”&br&&br&我：“瓦特？你懂数据吗？”&br&&br&大鹏大概早就预料到我的反应，只见他不紧不慢地掏出一台“外星人”……&br&&br&&figure&&img src=&/00cb1c3c2e0c_b.jpg& data-rawwidth=&3264& data-rawheight=&2448& class=&origin_image zh-lightbox-thumb& width=&3264& data-original=&/00cb1c3c2e0c_r.jpg&&&/figure&&br&等我被闪瞎的狗眼恢复到能视物的时候，就看见了这么几张图：&br&&br&&figure&&img src=&/725fdd9c71edb406c5e0_b.png& data-rawwidth=&1186& data-rawheight=&848& class=&origin_image zh-lightbox-thumb& width=&1186& data-original=&/725fdd9c71edb406c5e0_r.png&&&/figure&&figure&&img src=&/6be960ec9d8dceef5729975c_b.png& data-rawwidth=&1231& data-rawheight=&852& class=&origin_image zh-lightbox-thumb& width=&1231& data-original=&/6be960ec9d8dceef5729975c_r.png&&&/figure&&figure&&img src=&/a5c3ee09a1ff14e32460_b.jpg& data-rawwidth=&1321& data-rawheight=&914& class=&origin_image zh-lightbox-thumb& width=&1321& data-original=&/a5c3ee09a1ff14e32460_r.jpg&&&/figure&&br&实话说，这些图并没有什么高级的。我真正吃惊的是，&b&&u&在大鹏演示的过程中，从爬数据、分析到出图，他竟然一直在点鼠标，没有写代码。&/u&&/b&嗯，可能也稍微写了两句，趁我对外星人放星星眼的时候。&br&&br&我震惊地问：“这些都是你做的？”&br&&br&大鹏说：“是啊，又不是很难。”&br&&br&我激动地说：“你行啊！数据社群神马的可以有啊！算我一个！……等等，社群不就是弄个网站、QQ群让大家在里面聊天吗？现在有很多这样的社群啊，我们有啥独特的东西不？”&br&&br&大鹏说：“&b&&u&不仅仅是社群，我还会不定期分享数据、做公益课程和免费的公开课&/u&&/b&。一言难尽，还是看图吧。”&br&&br&&br&&figure&&img src=&/514e33dce1b79a4ab179f7fad64f1965_b.jpg& data-rawwidth=&2541& data-rawheight=&1571& class=&origin_image zh-lightbox-thumb& width=&2541& data-original=&/514e33dce1b79a4ab179f7fad64f1965_r.jpg&&&/figure&&figure&&img src=&/e3c294a3dc112a4253364_b.jpg& data-rawwidth=&2541& data-rawheight=&1571& class=&origin_image zh-lightbox-thumb& width=&2541& data-original=&/e3c294a3dc112a4253364_r.jpg&&&/figure&&figure&&img src=&/b1f4deafe55f27ec3bcfaf2_b.jpg& data-rawwidth=&2541& data-rawheight=&1976& class=&origin_image zh-lightbox-thumb& width=&2541& data-original=&/b1f4deafe55f27ec3bcfaf2_r.jpg&&&/figure&&figure&&img src=&/138fdbe00e81da0dff7c41ea0c4e92c5_b.jpg& data-rawwidth=&2541& data-rawheight=&2218& class=&origin_image zh-lightbox-thumb& width=&2541& data-original=&/138fdbe00e81da0dff7c41ea0c4e92c5_r.jpg&&&/figure&我说：“嗯，看上去很不错的样子。可是上这个课需要外星人这样的配置吗？”&br&&br&大鹏哈哈一笑：“&b&&u&对社员和学员来说，现在市面上能买到的电脑基本都够用&/u&&/b&。”&br&&br&我问：“那我们第一步干点啥呢？”&br&&br&大鹏说：“先做公益课程吧。第一节课叫做：上海夜晚去哪浪。&u&&b&我会在腾讯课堂做一个30分钟以内的直播，就在这周二（）晚上7:30。教大家POI数据爬取、热力图制作和GIS基础。&/b&&/u&听完这节课，就可以做出我最开始给你展示的那些图了。”&br&&br&我说：“好呀，那要怎么加入这个社群，怎么上课呢？”&br&&br&大鹏说：“简单，&b&&u&加QQ群呗：&/u&&/b&。”（注：一群已满，此为二群）&br&&br&&figure&&img src=&/1c9f58ab56af0ee1befde83_b.jpg& data-rawwidth=&1436& data-rawheight=&1002& class=&origin_image zh-lightbox-thumb& width=&1436& data-original=&/1c9f58ab56af0ee1befde83_r.jpg&&&/figure&&br&&figure&&img src=&/2bd80d418532cec8da34645dfe78d6b6_b.jpg& data-rawwidth=&898& data-rawheight=&477& class=&origin_image zh-lightbox-thumb& width=&898& data-original=&/2bd80d418532cec8da34645dfe78d6b6_r.jpg&&&/figure&&br&欢迎大家没事去凑凑热闹，顺便学点东西：D&br&&br&这是一篇广告。&br&&br&嗯，就是酱紫。
题主所说的零基础，按我的理解，是“零数理统计基础”或者“零编程基础”。那么，这样的“零基础”有没有可能学会数据处理呢？ 诚然，要掌握专业的数据分析和挖掘技能，乃至于成为数据科学家，是非常非常艰难的。 但是，如果你的目标是从零基础、在短时间内…
&p& 如果要进行有效地数据挖掘，主要分为六步：&/p&&p&
1.定义商业问题，数据挖掘的中心价值主要在于商业问题上，所以初步阶段必须对组织的问题与需求深入了解，经过不断与组织讨论与确认之后，拟订一个详尽且可达成的方案。&/p&&p&
2.数据理解，定义所需要的数据，收集完整数据，并对收集的数据做初步分析，包括识别数据的质量问题、对数据做基本观察、除去噪声或不完整的数据，可提升数据预处理的效率，接着设立&/p&&p&假设前提。&/p&&p&
3.数据预处理，因为数据源不同，常会有格式不一致等问题。因此在建立模型之前必须进行多次的检查修正，以确保数据完整并得到净化。&/p&&p&
4.建立模型，根据数据形式，选择最适合的数据挖掘技术并利用不同的数据进行模型测试，以优化预测模型，模型愈精准，有效性及可靠度愈高，对决策者做出正确的决策愈有利。&/p&&p&
5.评价和理解，在测试中得到的结果，只对该数据有意义。实际应用中，使用不同的数据集其准确度便会有所差异 ，因此，此步骤最重要的目的便是了解是否有尚未被考虑到的商业问题盲点。&/p&&p&
6.实施，数据挖掘流程通过良性循环，最后将整合过后的模型应用于商业，但模型的完成并非代表整个项目完成，知识的获得也可以通过组织化、自动化等机制进行预测应用，该阶段包含部署计划、监督、维护、传承与最后的报告结果，形成整个工作循环。&/p&&p&
大数据是最近几年的火热行业，更值得我们珍惜与把握，&a href=&///?target=http%3A///article-1149-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据时代已经来临，大数据基本特征主要体现在哪几个方面？ - 大数据 多智时代&i class=&icon-external&&&/i&&/a&&/p&
如果要进行有效地数据挖掘，主要分为六步： 1.定义商业问题，数据挖掘的中心价值主要在于商业问题上，所以初步阶段必须对组织的问题与需求深入了解，经过不断与组织讨论与确认之后，拟订一个详尽且可达成的方案。 2.数据理解，定义所需要的数据，收集完整数…
艾司隆&br&CTR洞察中国&br&罗兰贝格&br&英敏特&br&麦肯锡&br&德勤中国&br&尼尔森中国&br&华通明略&br&波士顿咨询&br&埃森哲&br&清科研究中心&br&贝恩&br&尼尔森网联&br&普华永道&br&贝莱德&br&艾媒咨询&br&艾瑞咨询&br&IBM&br&埃维诺&br&威勃庞尔&br&实力传播&br&微盟&br&iClick爱点击&br&群邑中国&br&安索帕&br&阳狮锐奇&br&品友互动&br&Criteo&br&维拉沃姆&br&百分点&br&Yeahmobi&br&互动派&br&Trustdata&br&友盟&br&微博电视指数&br&星图数据&br&DCCI&br&知微数据&br&胖鲸智酷&br&华扬联众&br&秒针系统&br&geo集奥聚合&br&明思力中国&br&阿里研究院&br&360研究报告&br&百度营销研究院&br&DataEye&br&易观智库&br&艺恩网&br&京北金融&br&Quest Mobile&br&阿里聚安全&br&百度MOTA&br&有很多数据来源，告诉你这些行业报告在今日报告网&a class=& external& href=&///?target=http%3A///& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&都能免费下载到&br&或者关注微信公众号【报告来了】（baogaolaile），每日会分享行业研究分析报告。&br&整理了下常见的研究报告发行机构&br&&figure&&img data-rawheight=&518& data-rawwidth=&744& src=&/2f4e2bbb5a_b.jpg& class=&origin_image zh-lightbox-thumb& width=&744& data-original=&/2f4e2bbb5a_r.jpg&&&/figure&&figure&&img data-rawheight=&450& data-rawwidth=&705& src=&/6a84acef8d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&705& data-original=&/6a84acef8d_r.jpg&&&/figure&&figure&&img data-rawheight=&506& data-rawwidth=&765& src=&/978cf5c6e95d0e21f3ed6d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&765& data-original=&/978cf5c6e95d0e21f3ed6d_r.jpg&&&/figure&&figure&&img data-rawheight=&513& data-rawwidth=&767& src=&/fdf6abee8a1_b.jpg& class=&origin_image zh-lightbox-thumb& width=&767& data-original=&/fdf6abee8a1_r.jpg&&&/figure&
艾司隆 CTR洞察中国 罗兰贝格 英敏特 麦肯锡 德勤中国 尼尔森中国 华通明略 波士顿咨询 埃森哲 清科研究中心 贝恩 尼尔森网联 普华永道 贝莱德 艾媒咨询 艾瑞咨询 IBM 埃维诺 威勃庞尔 实力传播 微盟 iClick爱点击 群邑中国 安索帕 阳狮锐奇 品友互动 Crite…
斟酌这篇回答已经一年多了，前面大家的回答中提到了很多成为数据分析师的路径、学习工具、书籍和网站。&br&我想说，如果只是想进入数据分析的门槛，&b&成为一名普通的数据分析师，那么这些方法是可以的&/b&。&br&但我相信，任何一个人都希望能够更进一步。对于数据分析师而言，更进一步意味着从专注于某一细分业务的分析师成长成为能够对一个部门乃至于一个公司、行业有所影响的专家。所以在这里我想和大家分享一下如何成为&b&一名战略型的数据分析师，乃至于数据专家/科学家&/b&。&br&&br&与普通的数据分析师不同，战略型的数据分析师或者说数据专家/科学家，更多的是&b&站在数据的角度来引领公司的整体战略。其面临的挑战、压力以及目标比普通的数据分析师要大的多&/b&。&br&作为一名数据专家/科学家，&br&你需要高屋建瓴，通过数据对行业的趋势进行预判，为公司的整体战略制定提供建议；&br&你需要以公司战略为目标，从整体搭建数据分析体系，完成数据在全公司的打通；&br&你需要在公司内部建立数据思维，推动全公司的数据落地和数据实施......。&br&说一千道一万，作为数据专家你要通过数据让公司发展的更好，更符合投资人的期望。&br&&br&要达到这一目标，仅仅依靠数据分析本身已经远远不够。作为数据专家/分析师，&b&你的分析需要给公司高管乃至于投资人汇报吧？&/b&&br&这需要演讲的能力；&br&&b&你在公司内部推动数据思维时要说服各个业务部门的老总吧？&/b&&br&这需要良好的沟通能力；&br&&b&推动过程中难免影响各方面的利益，你需要定位问题并组织资源去解决吧？&/b&&br&这需要理解公司内各组织的定位，需要平衡各方利益，甚至于需要“搞定人”的能力。&br&最重要的是站在一个数据专家/科学家的角度，&b&你需要为公司的数据化建设设计总体的框架，规划整体的实时路径，提供实施方法论以及指导不同的团队去实施。&/b&以上所有这些，都已经远远超出了单纯的数据分析领域，更多的是依赖一个人的综合能力。&br&&br&各位看到这里是不是感到一丝丝绝望？&b&一名普通的数据分析师天天就是和数据打交道，怎么才能够培养自己这些能力呢？&/b&我给大家的建议是有机会就去咨询公司工作转一圈。作为一名在咨询公司工作过的数据分析师，我在咨询公司学到了体系化的方法论和思维方式，这些思维方式能最大程度上帮助你从全局的层面来考虑问题。同时，&br&&b&在咨询公司做项目演讲汇报是必修课，沟通协调是日常工作，&/b&&br&&b&平衡利益乃至于“搞定人”是必备能力。通过咨询公司的打磨，思考问题时不但会从数据的视角出发，还能结合多个层面一起思考，会更加全面更加完整。&/b&&br&这就好比大家学习下棋，如果能够分析并记住各个高手的棋谱，你的棋力肯定比自己琢磨会涨进的更快，也更全面。&b&咨询公司绝对是存放无数套棋谱的典藏室。&/b&&br&&br&最后，为什么这个提问下已经有几百个回答，我还专门写这篇文。&br&因为我目睹太多太多技术牛的数据分析师（包括该题目下的几个回答者）面对以上提到的困难而不得解。&br&咨询公司能给你很多思维上的跳脱。&b&所以觉得自己很难再进一步的数据分析师们，&/b&如果有机会就到（外资）咨询公司去打磨一下自己，相信大家一定会有很大的收获，让自己的职业生涯走的更高、更远。&br&&br&以上仅是我从另一个角度剖析的回答，见仁见智，不一定适用所有人:)&br&&br&——————更新分割线—————&br&在未来五年内，只是拥有技术的数据分析师不会再是宠儿，就好像现在大批量的码农一样。能走到最后的一定是思维卓越的。&br&我在互联网、咨询的公司都呆过。互联网学习技术，咨询学习思维。如果你能两者融合，你就会成各个公司争抢的对象:)现在这样的人才，市场上还很少。加油！
斟酌这篇回答已经一年多了，前面大家的回答中提到了很多成为数据分析师的路径、学习工具、书籍和网站。 我想说，如果只是想进入数据分析的门槛，成为一名普通的数据分析师，那么这些方法是可以的。 但我相信，任何一个人都希望能够更进一步。对于数据分析师…
&p&之前做了300页的PPT专门讲过网站分析，外加前几年做微博运营时积累的大量PPT以及工具、图表，大概有好几G(Ps,私信要PPT的同学不点个赞么，泪奔中……)。&/p&&br&&p&如果你只想学一些数据相关的知识，来提升自己做产品，做运营的能力，那么强烈建议你关注这个回答！（不适合数据分析师）&/p&&br&&p&入行互联网的契机是做了一个“网站分析”的微博账号，做自媒体跟真正的实践者还是有很大距离的，所以推荐一个list的，如果你对网站分析有兴趣，可以专注这些大牛！&/p&&p&知乎上面的数据分析大神： &a class=&member_mention& href=&///people/4920fca107ec266a26bf578ff112a6d3& data-hash=&4920fca107ec266a26bf578ff112a6d3& data-hovercard=&p$b$4920fca107ec266a26bf578ff112a6d3&&@何明科&/a&&a class=&member_mention& href=&///people/1226dd3baaf60e6904a7e& data-hash=&1226dd3baaf60e6904a7e& data-hovercard=&p$b$1226dd3baaf60e6904a7e&&@邹昕&/a&&/p&&p&网站分析领域的： &a class=&member_mention& href=&///people/f67cbea4ef2d9a96513f& data-hash=&f67cbea4ef2d9a96513f& data-hovercard=&p$b$f67cbea4ef2d9a96513f&&@宋星&/a&&a class=&member_mention& href=&///people/a5f1b10bb35df16ac17cb& data-hash=&a5f1b10bb35df16ac17cb& data-hovercard=&p$b$a5f1b10bb35df16ac17cb&&@胡力&/a& @joeghwu 《网站分析实战》作者 @ 孙立东《网站分析基础教程》作者之一 @王彦平（蓝鲸）&/p&&br&&br&&p&一、如何入门互联网数据分析&/p&&p&1、网站分析是一种能力&/p&&p&对于大部分人互联网从业者而言，网站分析是一种能力，因为基于网站分析之上的结论可以指导运营、产品、设计、技术的同事的工作。&/p&&br&&figure&&img src=&/032caa7fdeb_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/032caa7fdeb_r.jpg&&&/figure&&br&&p&2、网站分析解决的问题&/p&&p&即分析出：&/p&&p&用户是谁（目标用户），&/p&&p&从哪里来（流量从哪里来，流量的价值等），&/p&&p&到哪里去（为什么离开，如何降低用户流失）&/p&&figure&&img src=&/f43cd2def93dd228d91c69dd_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/f43cd2def93dd228d91c69dd_r.jpg&&&/figure&&p&3、对于产品OR运营，网站分析能做什么&/p&&p&对于产品：&/p&&p&产品改版是否合理？&/p&&p&用户的反馈如何？&/p&&p&哪些功能存在问题？&/p&&p&功能使用频率？&/p&&p&转化路径是否靠谱？&/p&&p&对于运营：&/p&&p&用户来源路径？&/p&&p&用户活跃度如何？&/p&&p&如何分配广告预算&/p&&p&网站内容是否有效？&/p&&p&如何分解KPI？&/p&&br&&figure&&img src=&/b6e54e4f9f8b52ef4bc9c3c2f61eee51_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/b6e54e4f9f8b52ef4bc9c3c2f61eee51_r.jpg&&&/figure&&br&&br&&figure&&img src=&/a8dcee60843_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/a8dcee60843_r.jpg&&&/figure&&br&&p&4、为什么进行网站分析&/p&&figure&&img src=&/96a57e534f727afa6196_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/96a57e534f727afa6196_r.jpg&&&/figure&&p&5、网站分析的核心&/p&&figure&&img src=&/5a8161125bfa4a799ebc_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/5a8161125bfa4a799ebc_r.jpg&&&/figure&&br&&p&二、网站分析的流程&/p&&p&定义问题——测量——分析——改进——维持&/p&&figure&&img src=&/3cbeb60e4df76d1a1a929c_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/3cbeb60e4df76d1a1a929c_r.jpg&&&/figure&&figure&&img src=&/e3b653ddbc1f7f17c4a3f1abe1a22dbb_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/e3b653ddbc1f7f17c4a3f1abe1a22dbb_r.jpg&&&/figure&&figure&&img src=&/f82ac6e443e201fcc60d_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/f82ac6e443e201fcc60d_r.jpg&&&/figure&&p&三、定义问题&/p&&p&如何你已经知道如何有效的去描述一个问题，那么你已经成功了一半了，因为你知道问题，而且也知道如何去问。&/p&&br&&figure&&img src=&/20c87cbe3ccec8595995e_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/20c87cbe3ccec8595995e_r.jpg&&&/figure&&p&工作可不是试券设计好问题来问你，首先得你自己发现问题。&/p&&br&&figure&&img src=&/5e1a090ddba58d27ba2becbfa321a8ce_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/5e1a090ddba58d27ba2becbfa321a8ce_r.jpg&&&/figure&&br&&p&比如如注册转化率的降低就跟非常多的问题是正相关的。&/p&&p&产品支持度是否足够？&/p&&p&头像上传&/p&&p&邮箱验证&/p&&p&必填资料&/p&&p&营销是否到位？&/p&&p&新老访客比如何&/p&&p&外界口碑如何&/p&&br&&figure&&img src=&/24c0c832b0c894eebeee722f_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/24c0c832b0c894eebeee722f_r.jpg&&&/figure&&figure&&img src=&/91bb904f2b5e607c044ad3fb4b1b1601_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/91bb904f2b5e607c044ad3fb4b1b1601_r.jpg&&&/figure&&p&问题的要素：本质、现象、特征、量化&/p&&figure&&img src=&/a5b442b3586295cdcc90b_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/a5b442b3586295cdcc90b_r.jpg&&&/figure&&br&&p&定义一个问题：即给整个团队确认一个方向，围绕着这个目标往下分解，制定计划，在计划具体执行的过程中发现了某个问题，再来具体分析的。&/p&&p&所以作为一个网站分析师，立足点应该是从公司 战略出发， 了解产品，运营，技术，商业逻辑等等层面的知识，给公司的发展提供大量的建议。&/p&&p&商业&产品&运营&设计，的推荐书单：&/p&&p&&a href=&///?target=https%3A///doulist/31390/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《财富》杂志推荐的75本商业必读书&i class=&icon-external&&&/i&&/a&&/p&&p&豆瓣豆列的推荐人数达 1316人，收藏人数达 6291。目前我读看过的不到十分之一，但是确实有助于从事网站分析的同事提升商业格局。&/p&&p&&a href=&///?target=https%3A///doulist/531890/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&互联网产品经理 全方位入门&i class=&icon-external&&&/i&&/a&&/p&&p&&a class=&member_mention& href=&///people/c637bd3126ba45befe662& data-hash=&c637bd3126ba45befe662& data-hovercard=&p$b$c637bd3126ba45befe662&&@苏杰&/a& 老师整理的互联网产品经理全方位入门书籍。豆瓣豆列的推荐人数达986人，收藏人数达 7774。惭愧，只看过豆列里面20%的书。&/p&&br&&p&当当，仅仅通过读书是无法培养行业格局的，还需要善于向人请教、善用网络资源、自己体验、实践等等。&/p&&p&强烈推荐大家关注 &a class=&member_mention& href=&///people/1226dd3baaf60e6904a7e& data-hash=&1226dd3baaf60e6904a7e& data-hovercard=&p$b$1226dd3baaf60e6904a7e&&@邹昕&/a& Facebook的数据科学家，以及他的专栏文章&/p&&p&&a href=&/p/& class=&internal&&求职互联网数据分析，如何准备行业知识？ - 邹昕的文章 - 知乎专栏&/a&&/p&&br&&p&四、测量&/p&&p&收集数据。&/p&&figure&&img src=&/57e259713acc4d3b5c92e3df13d929cd_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/57e259713acc4d3b5c92e3df13d929cd_r.jpg&&&/figure&&figure&&img src=&/b88f108c850f0c3f819cb_b.jpg& data-rawwidth=&658& data-rawheight=&490& class=&origin_image zh-lightbox-thumb& width=&658& data-original=&/b88f108c850f0c3f819cb_r.jpg&&&/figure&&br&&figure&&img src=&/532a9c164b21c02e46e4badec6909f38_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/532a9c164b21c02e46e4badec6909f38_r.jpg&&&/figure&&figure&&img src=&/6bd8d0b0a371f8d481cc17b0444283fa_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/6bd8d0b0a371f8d481cc17b0444283fa_r.jpg&&&/figure&&p&&b&目前常用的数据流量监测的工作：&/b&&/p&&p&&a href=&///?target=http%3A///intl/zh-CN_ALL/analytics/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google Analytics&i class=&icon-external&&&/i&&/a&Google 网站分析工具&/p&&p&&a href=&///?target=https%3A///login/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Omniture&i class=&icon-external&&&/i&&/a&Omniture SiteCatalys&/p&&p&t&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&webtrends&i class=&icon-external&&&/i&&/a&webtrends&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sitemeter&i class=&icon-external&&&/i&&/a&Real time web analytics&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Clicky&i class=&icon-external&&&/i&&/a&Real time web analytics&/p&&p&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Crazyegg&i class=&icon-external&&&/i&&/a&Heatmap features&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Woopra&i class=&icon-external&&&/i&&/a&Real time web analytics&/p&&p&&a href=&///?target=http%3A//piwik.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Piwik&i class=&icon-external&&&/i&&/a&Open source&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Chartbeat&i class=&icon-external&&&/i&&/a&Real time web analytics&/p&&p&&a href=&///?target=http%3A///products/pro/index.php& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ClickTracks Pro&i class=&icon-external&&&/i&&/a&Custom ROI Analysis &/p&&p&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GoingUp!&i class=&icon-external&&&/i&&/a&Web Analytics & SEO&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&One SWeb analyticstat&i class=&icon-external&&&/i&&/a&Web analytics&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mixpanel&i class=&icon-external&&&/i&&/a&Real-time Funnel analytics&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CNZZ&i class=&icon-external&&&/i&&/a&CNZZ数据专家&/p&&p&&a href=&///?target=http%3A//www.51.la/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我要啦&i class=&icon-external&&&/i&&/a&网络流量统计&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&51yes&i class=&icon-external&&&/i&&/a&网络流量统计&/p&&p&&a href=&///?target=http%3A///hm-web/welcome/login& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度统计&i class=&icon-external&&&/i&&/a&百度统计工具腾讯分析主要针对论坛&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&99Click&i class=&icon-external&&&/i&&/a&99Click统计&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&JYC统计&i class=&icon-external&&&/i&&/a&JYC统计聚合分析与shopex结合的电商流量监控工具&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&孔明统计&i class=&icon-external&&&/i&&/a&孔明数据分析&/p&&figure&&img src=&/f0db09b6787c4faf806d1c0d5fff1cfa_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/f0db09b6787c4faf806d1c0d5fff1cfa_r.jpg&&&/figure&&figure&&img src=&/7e45ca3ccaf81be4281638aeb047e357_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/7e45ca3ccaf81be4281638aeb047e357_r.jpg&&&/figure&&p&比如教育行业的数据，可以从一些行业数据收集的网站中找到&/p&&figure&&img src=&/d60c31c1f14f_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/d60c31c1f14f_r.jpg&&&/figure&&figure&&img src=&/6e17cd0ab0b6dff_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/6e17cd0ab0b6dff_r.jpg&&&/figure&&br&&br&&br&&figure&&img src=&/dad2cff4d60df77b6c8f2_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/dad2cff4d60df77b6c8f2_r.jpg&&&/figure&&figure&&img src=&/1cb5d9d00af71f32cb0abf_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/1cb5d9d00af71f32cb0abf_r.jpg&&&/figure&&figure&&img src=&/db49dfecdc6_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/db49dfecdc6_r.jpg&&&/figure&&figure&&img src=&/ae8a37f68c1b21d4cf8f_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/ae8a37f68c1b21d4cf8f_r.jpg&&&/figure&&figure&&img src=&/3d7d4de2c6c_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/3d7d4de2c6c_r.jpg&&&/figure&&figure&&img src=&/cac3f3a19b62e676bd647_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/cac3f3a19b62e676bd647_r.jpg&&&/figure&&figure&&img src=&/903c046bae73ad2b9b38e18_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/903c046bae73ad2b9b38e18_r.jpg&&&/figure&&br&&p&另外，作为不会写程序的产品OR运营，只能通过第三方的工具或者平台来拿到数据了，或者向技术同学提需求。&/p&&p&感觉数据的方式太小儿科了，强烈推荐大家关注
&a class=&member_mention& href=&///people/4920fca107ec266a26bf578ff112a6d3& data-hash=&4920fca107ec266a26bf578ff112a6d3& data-hovercard=&p$b$4920fca107ec266a26bf578ff112a6d3&&@何明科&/a&&/p&&p&并且可以在以下问题当中去膜拜一下。&/p&&p&&a href=&/question//answer/& class=&internal&&有哪些网站用爬虫爬取能得到很有价值的数据？ - 何明科的回答&/a&&/p&&p&&a href=&/question//answer/& class=&internal&&做投行、行研、咨询等金融岗位，有没有什么好用的找数据技巧呢？ - 何明科的回答&/a&&/p&&p&技术才是第一生产力。如果会一些 SQL或者Python，获取的数据太要太精彩哇……&/p&&p&推荐书籍：&/p&&p&&a href=&/question//answer/& class=&internal&&做数据分析不得不看的书有哪些？ - 知乎用户的回答&/a&&/p&&p&这个问答下面推荐的书，基本都是关于数据挖掘或者获取的。&/p&&br&&p&五、分析、改进、维持&/p&&br&&p&比如某游戏的玩家行业轨迹是这样的&/p&&figure&&img src=&/b07cdf8c82b70da0c2c8e193bd26c200_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/b07cdf8c82b70da0c2c8e193bd26c200_r.jpg&&&/figure&&p&于是分析的时候决定重点关注新用户的流失问题&/p&&figure&&img src=&/9e0ad053a455b6fb528bffd83cdc4f49_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/9e0ad053a455b6fb528bffd83cdc4f49_r.jpg&&&/figure&&br&&p&&b&流失的任务类型分析：&/b&&/p&&p&操作复杂&/p&&p&任务不平滑、不流畅&/p&&p&升级缓慢&/p&&p&有组队任务或者其他互动任务&/p&&figure&&img src=&/e1a630d216abaa6de09f_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/e1a630d216abaa6de09f_r.jpg&&&/figure&&br&&figure&&img src=&/c31b4c724bdd1b648f627bb3f9510c65_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/c31b4c724bdd1b648f627bb3f9510c65_r.jpg&&&/figure&&br&&figure&&img src=&/bed119baa53b206b1f18f0d_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/bed119baa53b206b1f18f0d_r.jpg&&&/figure&&br&&figure&&img src=&/a6812686dbc716df59f4ca526e5bc54d_b.jpg& data-rawwidth=&720& data-rawheight=&540& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/a6812686dbc716df59f4ca526e5bc54d_r.jpg&&&/figure&&br&&p&案例选自，@陈嘉庆 在几年前的分享，侵删。&/p&&p&然后就是不断的循环优化着。分析出问题，确认用户的需求，改进产品，进一步统计并维持提升结果。&/p&&br&&p&分析的流程方法大概如此，比较好掌握，但是具体到工作当中，远非这几句话能解释当的，所以慢慢实践成长吧。&/p&&br&&p&&b&推荐的书：&/b&&/p&&p&1.精益数据分析&/p&&p&2.转化:提升网站流量和转化率的技巧&/p&&p&3.数据分析 :企业的贤内助&/p&&p&4.网站数据分析:数据驱动的网站管理.优化和运营&/p&&p&5.人人都是网站分析师:从分析师的视角理解网站和解读数据&/p&&p&6.图解网站分析&/p&&br&&br&&p&&b&网站优化研究工具：&/b& &/p&&p&&a href=&///?target=http%3A///jk/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&群英网站监测&i class=&icon-external&&&/i&&/a&24小时免费监控网站是否正常运行&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度站长工具&i class=&icon-external&&&/i&&/a&网站问题初步诊断&/p&&p&&a href=&///?target=http%3A///webmasters/tools& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&谷歌站长工具&i class=&icon-external&&&/i&&/a&网站问题初步诊断&/p&&p&&a href=&///?target=https%3A///select/KeywordToolExternal& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google AdWords Keyword Tool&i class=&icon-external&&&/i&&/a&Google AdWords关键词工具&/p&&p&&a href=&///?target=http%3A///Search-Funnels/index.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Microsoft adCenter Labs&i class=&icon-external&&&/i&&/a&Microsoft Keyword Research&/p&&p&4Q4Q用户调研工具&/p&&p&limesurvey用户调研工具（需下载客户端，问卷设计收集一体）&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&usertesting&i class=&icon-external&&&/i&&/a&网站可用性测试——号称1小时发现你的网站问题&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&surveymonkey&i class=&icon-external&&&/i&&/a&用户调研&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&surveygizmo&i class=&icon-external&&&/i&&/a&用户调研&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Question Pro&i class=&icon-external&&&/i&&/a&用户调研&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&User Voice&i class=&icon-external&&&/i&&/a&用户调研&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&问卷星&i class=&icon-external&&&/i&&/a&中文在线问卷调查&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&问道网&i class=&icon-external&&&/i&&/a&中文在线问卷调查&/p&&p&&a href=&///?target=http%3A///websiteoptimizer& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google Website Optimizer&i class=&icon-external&&&/i&&/a&Google网站优化工具&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Visual Website Optimizer&i class=&icon-external&&&/i&&/a&A/B测试工具&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vertster&i class=&icon-external&&&/i&&/a&多变量测试工具&/p&&p&&a href=&///?target=http%3A///split-test-calculator& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Split Test Calculator&i class=&icon-external&&&/i&&/a&A/B测试计算器&/p&&p&&a href=&///?target=https%3A///analytics& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google Analytics API&i class=&icon-external&&&/i&&/a&谷歌分析数据调用&/p&&p&&a href=&///?target=http%3A///apis/analytics/docs/gdata/gdataExplorer.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Data Feed Query Explorer&i class=&icon-external&&&/i&&/a&Data Feed URI&/p&&p&&b&竞争对手流量趋势监测：&/b&&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Alexa&i class=&icon-external&&&/i&&/a&alexa中国&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&WebSearch Ranking&i class=&icon-external&&&/i&&/a&海外网站排名&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&&i class=&icon-external&&&/i&&/a&海外类alexa工具，但做的更多更细&/p&&p&&a href=&///?target=http%3A///websites& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google Trends for Websites&i class=&icon-external&&&/i&&/a&谷歌站点流量趋势&/p&&p&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度指数&i class=&icon-external&&&/i&&/a&关键词趋势查询，热门指数可参考百度风云榜&/p&&p&&a href=&///?target=https%3A///adplanner& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google Ad Planner&i class=&icon-external&&&/i&&/a&可查询网站流量上下游的谷歌产品&/p&&br&&br&&p&个人微信账号zyulaoshi02，所需要PPT均可在朋友圈找到下载链接！&/p&
之前做了300页的PPT专门讲过网站分析，外加前几年做微博运营时积累的大量PPT以及工具、图表，大概有好几G(Ps,私信要PPT的同学不点个赞么，泪奔中……)。 如果你只想学一些数据相关的知识，来提升自己做产品，做运营的能力，那么强烈建议你关注这个回答！（…
&p&说来我正式接触数据分析也快一年，对速成还是有一些心得。优秀的数据分析师是不能速成的，但是零经验也有零经验的捷径。&/p&&p&&br&&/p&&p&以上的前提针对入门，目的是达到数据分析师的门槛，顺利拿到一份offer，不涉及数据挖掘等高级技巧。我的方法倾向互联网领域，不论是分析师这个职位，还是运营、产品的能力发展都是适用的。其他领域就仁者见仁了。&/p&&p&&br&&/p&&p&市面上有《七周七数据库》，《七周七编程语言》。今天我们就《七周七学习成为数据分析师》。&/p&&p&&br&&/p&&p&没错，七周。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第一周：Excel学习掌握&/b&&/p&&p&&br&&/p&&p&如果Excel玩的顺溜，你可以略过这一周。不过介于我入行时也不会vlookup，所以有必要讲下。&/p&&p&&br&&/p&&p&重点是了解各种函数，包括但不限于sum，count，sumif，countif，find，if，left/right，时间转换等。&/p&&p&&br&&/p&&p&Excel函数不需要学全，&b&重要的是学会搜索&/b&。即如何将遇到的问题在搜索引擎上描述清楚。&/p&&p&&br&&/p&&p&我认为掌握vlookup和数据透视表足够，是最具性价比的两个技巧。
学会vlookup，SQL中的join，Python中的merge很容易理解。
学会数据透视表，SQL中的group，Python中的pivot_table也是同理。
&/p&&p&&br&&/p&&p&这两个搞定，基本10万条以内的数据统计没啥难度，80%的办公室白领都能秒杀。&/p&&p&&br&&/p&&p&Excel是熟能生巧，多找练习题。还有需要养成好习惯，不要合并单元格，不要过于花哨。表格按照原始数据（sheet1）、加工数据（sheet2），图表（sheet3）的类型管理。&/p&&p&&br&&/p&&p&专栏上写了三篇Excel的文章，比较简单，大体介绍了Excel应用，可以作为职场新人的指南。&/p&&p&&br&&/p&&p&第一篇&a href=&/p/& class=&internal&&数据分析—函数篇&/a&。主要简单讲解常用的函数，以及与之对应的SQL/Python函数。&/p&&p&&br&&/p&&p&第二篇&a href=&/p/& class=&internal&&数据分析—技巧篇&/a&。主要简单讲解我认为很有新价比的功能，提高工作效率。&/p&&p&&br&&/p&&p&第三篇&a href=&/p/& class=&internal&&数据分析—实战篇&/a&。主要将前两篇的内容以实战方式进行，简单地进行了一次数据分析。数据源采用了真实的爬虫数据，是5000行数据分析师岗位数据。&/p&&p&&br&&/p&&p&下面是为了以后更好的基础而附加的学习任务。&/p&&p&&br&&/p&&p&了解单元格格式，后期的数据类型包括各类timestamp，date，string，int，bigint，char，factor，float等。&/p&&p&&br&&/p&&p&了解数组，以及怎么用（excel的数组挺难用），Python和R也会涉及到 list。&/p&&p&&br&&/p&&p&了解函数和参数，当进阶为编程型的数据分析师时，会让你更快的掌握。&/p&&p&&br&&/p&&p&了解中文编码，UTF8和ASCII，包括CSV的delimiter等，以后你会回来感谢我的。&/p&&p&&br&&/p&&p&养成一个好习惯，不要合并单元格，不要过于花哨。表格按照原始数据、加工数据，图表的类型管理。&/p&&p&&br&&/p&&p&如果时间还有剩余，可以看&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据时代 (豆瓣)&i class=&icon-external&&&/i&&/a&，培养职业兴趣。&/p&&p&&br&&/p&&p&再来一道练习题，我给你1000个身份证号码，告诉我里面有多少男女，各省市人口的分布，这些人的年龄和星座。（身份证号码规律可以网上搜索）&/p&&figure&&img src=&/e48d25ababf941e4afacc1_b.png& data-rawwidth=&425& data-rawheight=&247& class=&origin_image zh-lightbox-thumb& width=&425& data-original=&/e48d25ababf941e4afacc1_r.png&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&b&第二周：数据可视化&/b&&/p&&p&&br&&/p&&p&数据分析界有一句经典名言，字不如表，表不如图。数据可视化是数据分析的主要方向之一。除掉数据挖掘这类高级分析，不少数据分析就是监控数据观察数据。&/p&&p&&br&&/p&&p&数据分析的最终都是要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果，那么分析也不会被改进和优化，不落地的数据分析价值又在哪里？&/p&&p&&br&&/p&&p&首先要了解常用的图表：&/p&&p&&br&&/p&&figure&&img src=&/v2-15e812e7de4c1ddd26cf0_b.jpg& data-rawwidth=&1280& data-rawheight=&959& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-15e812e7de4c1ddd26cf0_r.jpg&&&/figure&&p&&br&&/p&&p&各类图表的详细介绍可以查看第四篇文章：&a href=&/p/& class=&internal&&数据可视化：你想知道的经典图表全在这&/a&&/p&&p&&br&&/p&&p&了解图表后，还应该学会报表制作，这里准备了第五篇：&a href=&/p/& class=&internal&&数据可视化：打造高端的数据报表&/a&。将教会大家Excel的高级图表用法。&/p&&p&&br&&/p&&figure&&img src=&/v2-90e7cf2f3977c66c6821e_b.png& data-rawwidth=&950& data-rawheight=&1118& class=&origin_image zh-lightbox-thumb& width=&950& data-original=&/v2-90e7cf2f3977c66c6821e_r.png&&&/figure&&p&&br&&/p&&p&如果还不过瘾，我们得掌握信息图和BI，下图就是微软的Power BI：&/p&&p&&br&&/p&&figure&&img src=&/v2-f79c7d413fd311e4dc105b7f_b.png& data-rawwidth=&600& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-f79c7d413fd311e4dc105b7f_r.png&&&/figure&&p&&br&&/p&&p&BI（商业智能）和图表的区别在于BI擅长交互和报表，更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向。&/p&&p&&br&&/p&&p&BI的好处在于很大程度解放数据分析师的工作，推动全部门的数据意识，另外降低其他部门的数据需求（万恶的导数据）。&/p&&p&&br&&/p&&p&BI市面上的产品很多，基本都是建立仪表盘Dashboard，通过维度的联动和钻取，获得可视化的分析。第六篇：&a href=&/p/& class=&internal&&数据可视化：深入浅出BI&/a& 将以第一周的实战数据学习BI，上图的就是学习后的成果。&/p&&p&&br&&/p&&p&数据可视化的学习就是三个过程，了解数据（图表），整合数据（BI），展示数据（信息化）。&/p&&p&&br&&/p&&p&可视化也和审美息息相关，很多直男代表并不擅长做图，没关系，抽空可以看书：&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据之美 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&&br&&/p&&p&PPT也别落下，Excel作图多练习，不会有坏处的。&/p&&p&&br&&/p&&p&&a href=&/topic//hot& class=&internal&&PPT - 热门问答&/a&&/p&&p&&br&&/p&&p&&a href=&/topic//hot& class=&internal&&Excel 图表绘制 - 热门问答&/a&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第三周：分析思维的训练&/b&&/p&&p&&br&&/p&&p&这周我们轻松一下，学学理论知识。&/p&&p&&br&&/p&&p&分析思维首推大名鼎鼎的&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&金字塔原理 (豆瓣)&i class=&icon-external&&&/i&&/a&，帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶，那么就可以学思维导图，下载一个&a href=&///?target=http%3A//www.xmindchina.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&XMind中文网站&i class=&icon-external&&&/i&&/a&，或者在线用百度脑图（百度难得不被骂的产品）。&/p&&p&&br&&/p&&p&如果不想看金字塔原理，那么就看第七篇文章：&a href=&/p/& class=&internal&&如何培养麦肯锡式的分析思维&/a&。将书本的内容提炼了大部分。&/p&&p&&br&&/p&&p&再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师，思考方式也得跟着改变。网上搜咨询公司的面试题，搜Case Book。题目用新学的思维导图做，先套那些经典框架，做一遍，然后去看答案对比。&/p&&p&&br&&/p&&p&等思维框架建立好，我们应该往里面塞点数据分析的思维了，&a href=&/p/& class=&internal&&如何建立数据分析的思维框架&/a&。两篇文章相结合，就能出师了。&/p&&p&&br&&/p&&p&这里送三条金句：&/p&&p&&br&&/p&&p&一个业务没有指标，则不能增长和分析&/p&&p&&br&&/p&&p&好的指标应该是比率或比例&/p&&p&&br&&/p&&p&好的分析应该对比或关联。&/p&&p&&br&&/p&&p&举一个例子：我告诉你一家超市今天有1000人的客流量，你会怎么分析？&/p&&p&&br&&/p&&p&这1000人的数量，和附件其他超市比是多是少？（对比）&/p&&p&&br&&/p&&p&这1000人的数量比昨天多还是少？（对比）&/p&&p&&br&&/p&&p&1000人有多少产生了实际购买？（转化比例）&/p&&p&&br&&/p&&p&路过超市，超市外的人流是多少？（转化比例）&/p&&p&&br&&/p&&p&这是一个快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何结果。&/p&&p&&br&&/p&&p&优秀的数据分析师会拷问别人的数据，而他本身的分析也是经得起拷问，这就是分析思维能力。需要确切明白的是，一周时间锻炼不出数据思维，只能做到了解。&b&数据思维是不断练习的结果&/b&，我只是尽量缩短这个过程。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/5257905/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出数据分析 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&这本书太啰嗦了，我看到一半放弃了…但推荐人不少，可以快速翻看一下。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第四周：数据库学习&/b&&/p&&p&&br&&/p&&p&Excel对十万条以内的数据处理起来没有问题，但是互联网行业就是不缺数据。但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。&/p&&p&&br&&/p&&p&数据库入门看这篇文章：&a href=&/p/& class=&internal&&写给新人的数据库指南&/a&&/p&&p&&br&&/p&&p&越来越多的产品和运营岗位，会在招聘条件中，将会SQL作为优先的加分项。&/p&&p&&br&&/p&&p&SQL是数据分析的核心技能之一，从Excel到SQL绝对是数据处理效率的一大进步。&/p&&p&&br&&/p&&p&学习围绕Select展开。增删改、约束、索引、数据库范式均可以跳过。SQL学习不需要买书，W3C学习就行了，&a href=&///?target=http%3A//.cn/sql/index.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL 教程&i class=&icon-external&&&/i&&/a&。大多数互联网公司都是MySQL，我也建议学，性价比最高。&/p&&p&&br&&/p&&p&主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。&/p&&p&&br&&/p&&p&如果想要跟进一步，可以学习row_number，substr，convert，contact等。另外不同数据平台的函数会有差异，例如Presto和phpMyAdmin。&/p&&p&&br&&/p&&p&你看，和Excel的函数都差不多。按照&a href=&/p/& class=&internal&&SQL，从入门到熟练&/a&&a href=&/p/& class=&internal&&SQL，从熟练到掌握&/a&这两篇的内容学习。虽然没有实战的打磨，但是了解一个大概够了。&/p&&p&&br&&/p&&p&期间你不需要考虑优化和写法丑陋，查询几秒和几分钟对数据分析师没区别，跑数据时喝杯咖啡呗，以后你跑个SVM都能去吃饭了。&/p&&p&&br&&/p&&p&网上也能搜索SQL相关的练习题，刷一遍就行。也能自己下载数据库管理工具，找些数据练习。我用的是Sequel Pro。&/p&&p&&br&&/p&&p&&b&附加学习：&/b&&/p&&p&如果这周的学习充裕，可以了解MapReduce原理。&/p&&p&&br&&/p&&p&来一道练习题，表A是用户的注册时间表，表B是用户所在地，写出各地区每月新注册用户的查询SQL。掌握到这个程度，基本够用，虽然往后工作中会有更多变态数据需求。&/p&&figure&&img src=&/a52ede0cd1c809d9dba0cf_b.png& data-rawwidth=&428& data-rawheight=&196& class=&origin_image zh-lightbox-thumb& width=&428& data-original=&/a52ede0cd1c809d9dba0cf_r.png&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&b&第五周：统计知识学习&/b&&/p&&p&很遗憾，统计知识是我最薄弱的地方，也是数据分析的基础之一。&/p&&p&&br&&/p&&p&统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。&/p&&p&&br&&/p&&p&这一周努力掌握描述性统计，包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看，谁让我们是速成呢，只要看到数据，知道不能怎么样，而是应该这样分析即可。&/p&&p&&br&&/p&&p&Excel中有一个分析工具库，简单强大。对列1的各名词做到了解。如果是多变量多样本，学会各种检验。&/p&&figure&&img src=&/9cce8bdc0d228dd77822e_b.png& data-rawwidth=&475& data-rawheight=&331& class=&origin_image zh-lightbox-thumb& width=&475& data-original=&/9cce8bdc0d228dd77822e_r.png&&&/figure&&p&&br&&/p&&p&（图片网上找来的）&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/3595095/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&统计数字会撒谎 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&休闲读物，有趣的案例可以让我们避免很多数据陷阱。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/7056708/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出统计学 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&还是经典的HeadFirst系列，适应它一贯的啰嗦吧。&/p&&p&&br&&/p&&p&多说一句，老板和非分析师不会有兴趣知道背后的统计学原理，通常要的是分析后的是与否，二元答案。不要告诉他们P值什么的，告诉他们活动有效果，或者没效果。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第六周：业务学习（用户行为、产品、运营）&/b&&/p&&p&&br&&/p&&p&这一周需要了解业务。对于数据分析师来说，&b&业务的了解比数据方法论更重要。&/b&当然很遗憾，业务学习没有捷径。&/p&&p&&br&&/p&&p&我举一个数据沙龙上的例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。&/p&&p&&br&&/p&&p&这个案例中，我们只知道送货员的送货水平距离，数据上根本不可能知道垂直距离这个指标。这就是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。&/p&&p&&br&&/p&&p&对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试，公司肯定也知道刚入门分析师不会有太多业务经验，不会以这个卡人。所以简单花一周了解行业的各指标。&/p&&p&&br&&/p&&p&以知乎最多的互联网行业为例。至少了解活跃用户数，活跃用户率，留存率，流失率，传播系数等通用概念。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&增长黑客 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&数据驱动业务的典型，里面包含产品运营最经典的AAARR框架。部分非数据的营销案例，如果时间不够可以略过。此外产品和运营的入门读物也能看，这里就不推荐了。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&网站分析实战 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&如果应聘的公司涉及Web产品，可以了解流量的概念。书中案例以Google Analytics为主。其实现在是APP+Web的复合框架，比如朋友圈的传播活动肯定需要用到网页的指标去分析。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&精益数据分析 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&互联网数据分析的入门书籍，归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。&/p&&p&&br&&/p&&p&还有一个小建议，现在有不少第三方的数据应用，囊括了不少产品领域的数据分析和统计。自学党们即使没有生产环境的数据，也可以看一下应用Demo，有好处的。&/p&&p&&br&&/p&&p&除了业务知识，业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第七周：Python/R 学习&/b&&/p&&p&&br&&/p&&p&终于到第七周，也是最痛苦的一周。这时应该学习编程技巧。&/p&&p&&br&&/p&&p&是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘，爬虫，可视化报表都需要用到编程能力。掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，迎娶白富美。（SAS/SPSS我不了解，所以不做指导）&/p&&p&&br&&/p&&p&这里有两条支线，学习R语言或Python。速成只要学习一条，以后再补上另外一门。&/p&&p&&br&&/p&&p&我刚好两类都学过。R的优点是统计学家编写的，缺点也是统计学家编写。如果是各类统计函数的调用，绘图，分析的前验性论证，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。Python则是万能的胶水语言，适用性强，可以将各类分析的过程脚本化。Pandas，sklearn等各包也已经追平R。&/p&&p&&br&&/p&&p&如果学习R，我建议看&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&R语言实战 (豆瓣)&i class=&icon-external&&&/i&&/a&， 照着书本打一遍代码，一星期绰绰有余。另外还有一本 &a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&统计学 (豆瓣)&i class=&icon-external&&&/i&&/a&
，偏知识理论，可以复习前面的统计学知识。&/p&&p&&br&&/p&&p&R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。如果时间有余。可以再去学习ggplot2。&/p&&p&&br&&/p&&p&Python拥有很多分支，我们专注数据分析这块，入门可以学习 &a href=&///?target=https%3A///subject/6892016/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出Python（影印版） (豆瓣)&i class=&icon-external&&&/i&&/a& 。也是把代码写一遍。&/p&&p&&br&&/p&&p&需要学会条件判断，字典，切片，循环，迭代，自定义函数等。知道数据领域最经典的包Pandas+Numpy。&/p&&p&&br&&/p&&p&在速成后的很长一段时间，我们都要做调包侠。&/p&&p&&br&&/p&&p&这两门语言最好安装IDE，R语言我建议用RStudio，Python我建议用 &a href=&///?target=https%3A//www.continuum.io/downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Anaconda&i class=&icon-external&&&/i&&/a&。都是数据分析的利器。&/p&&p&&br&&/p&&p&Mac自带Python2.7，但现在Python 3已经比几年前成熟，而且没有编码问题。各类教程也足够多，不要抱成守旧了。Win的电脑，安装Python会有环境变量的问题，是个大坑（R的中文编码也是天坑）。&/p&&p&&br&&/p&&p&到这里，刚刚好是七周。如果还需要第八周+，则是把上面的巩固和融会贯通，毕竟速成是以转岗或拿offer为目的。&/p&&p&&br&&/p&&p&成为数据分析师后，坑才刚刚开始，努力吧。&/p&&p&&br&&/p&&p&所有内容都已经更新完毕了，因为知乎现在不允许帖链接，所以这里不放了。大家可以看专栏，或者关注公众号。&/p&&p&&br&&/p&&p&——我是无耻的软广——&/p&&p&欢迎关注我的公众号（tracykanc），粉丝稀少，急需关爱。更新内容以运营和数据为主。&/p&
说来我正式接触数据分析也快一年，对速成还是有一些心得。优秀的数据分析师是不能速成的，但是零经验也有零经验的捷径。 以上的前提针对入门，目的是达到数据分析师的门槛，顺利拿到一份offer，不涉及数据挖掘等高级技巧。我的方法倾向互联网领域，不论是分…
&figure&&img src=&/v2-d1afc7c3c5c_b.jpg& data-rawwidth=&640& data-rawheight=&426& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-d1afc7c3c5c_r.jpg&&&/figure&&blockquote&本文是&a href=&/question//answer/& class=&internal&&《如何快速成为数据分析师》&/a&的第四篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据可视化，大可不必再看这篇文章，或只挑选部分。&/blockquote&&p&Excel的课程告一段落，今天开始第二周的内容，数据可视化阶段。&/p&&p&数据可视化是一个热门的概念，是分析师手中的优秀工具。好的可视化是会讲故事的，它向我们揭示了数据背后的规律。&/p&&p&大家对可视化的使用认知或许来源于下面这张图。虽然结构很清晰，但它更多针对Excel的图表，不够丰富。本文会结合数据分析师的使用场景展示更多的可视化案例。&/p&&figure&&img src=&/v2-15e812e7de4c1ddd26cf0_b.jpg& data-rawwidth=&1280& data-rawheight=&959& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-15e812e7de4c1ddd26cf0_r.jpg&&&/figure&&br&&blockquote&为方便演示，文中绝大多数图表为ECharts.js的范例。&/blockquote&&p&了解可视化前，先知悉基础概念。&/p&&p&&b&维度&/b&&/p&&br&&p&数据分析中经常会提及维度。维度是观察数据的角度和对数据的描述。我们可以说地区是一种维度，这个维度包含上海北京这些城市。也可以认为销售额是一个维度，里面有各类销售数据。&/p&&p&维度可以用时间、数值表示，也可以用文本，文本常作为类别。数据分析的本质是各种维度的组合，我想了解和分析全国各地的销售额，就需要将地区维度和销售维度结合，如果想知道各个年份的变化，那么再加入时间维度。&/p&&p&说的再透彻点，Excel首行各字段就可以理解成维度。&br&&figure&&img src=&/v2-fcb839d1a0d5fed04b0dbb3fe56adf6f_b.png& data-rawwidth=&1106& data-rawheight=&462& class=&origin_image zh-lightbox-thumb& width=&1106& data-original=&/v2-fcb839d1a0d5fed04b0dbb3fe56adf6f_r.png&&&/figure&&/p&&p&互联网行业的PV、UV、活跃数也能算作维度。&/p&&p&图表的绘制依赖多个维度的组合。&/p&&p&&b&维度类型和转换&/b&&/p&&p&维度主要是三大类的数据结构：文本、时间、数值。地区的上海、北京就是文本维度（也可以称为类别维度），销售额度就是数值维度，时间更好理解了。不同图表有维度使用限制。&/p&&p&数值维度可以通过其他维度加工计算得出，例如按地区维度，count出有多少是上海的，有多少是北京的。&/p&&p&维度可以互相转换。比如年龄原本是数值型的维度，但是可以通过对年龄的划分，将其分类为小孩、青年、老年三个年龄段，此时就转换为文本维度。具体按照分析场景使用。&/p&&p&接下来介绍主要的可视化图表。&/p&&p&————&/p&&br&&b&散点图 &/b&&p&散点图在报表中不常用到，但是在数据分析中可以算出镜率最高的。散点图通过坐标轴，表示两个变量之间的关系。绘制它依赖大量数据点的分布。&/p&&p&散点图的优势是揭示数据间的关系，发觉变量与变量之间的关联。&/p&&p&散点图需要两个数值维度表示X轴、Y轴，下图范例就是身高和体重两个维度。&/p&&figure&&img src=&/v2-aa2aeda42db9becd_b.png& data-rawwidth=&1026& data-rawheight=&968& class=&origin_image zh-lightbox-thumb& width=&1026& data-original=&/v2-aa2aeda42db9becd_r.png&&&/figure&&p&为了进行分析，该图又引入性别维度，通过颜色来区分。&/p&&p&当我们想知道两个指标互相之间有没有关系，散点图是最好的工具之一。因为它直观。尤其是大数据量，散点图会有更精准的结果。&/p&&p&后续的学习中，我们也会多次借用到散点图，比如统计中的回归分析，比如数据挖掘中的聚类。&/p&&br&&br&&p&&b&折线图&/b&&/p&&p&折线图是观察数据的趋势，它和时间是好基友，当我们想要了解某一维度在时间上的规律或者趋势时，就用折线图吧。&/p&&figure&&img src=&/v2-1c12fdba06c4b5f0acc1ca5b5c79b6f4_b.png& data-rawwidth=&993& data-rawheight=&953& class=&origin_image zh-lightbox-thumb& width=&993& data-original=&/v2-1c12