数据分析学习指南V2.0
共 1772字，需浏览 4分钟
·
2021-07-15 02:35
本文首发于 2019 年 1 月，做了比较大的修订，所以版本号升级为V2.0。
由于我平时比较爱分享，所以经常有读者问我一些问题，比如说：
学习数据分析有哪些方法？
做数据分析师需要学习哪些内容？
数据分析的学习路径是怎么样的？
在解答这些问题的过程中，我自己的能力也得到提升，其实这正是我学习的一种方法。
以教为学，比自己埋头苦学更高效。
下面这份简单的数据分析学习指南，希望能够对你有所帮助。
1. 学习方法
我的学习方法，概括起来就是「三多」：多维度、多提问、多分享。
多维度，是指当我们面对一个很难理解的事物时，不妨换个纬度想一想，也许就豁然开朗了，因为知识往往都是相通的。
多提问，是指当我们遇到难题的时候，可以问搜索引擎，也可以问别人，还可以反过来问自己。
如今网络资源非常丰富，提炼好的关键词，善用搜索引擎，很多问题都能找到多种解决方案。
如果是问别人，应在充分思考的基础上，注意提问的技巧，把问题准确地描述清楚。
参考：有效提问的 3 个技巧
如果是问自己，推荐使用 5W2H 分析法，又叫七问分析法，简单实用。
•What：是什么？目的是什么？做什么工作？•Why：为什么要做？可不可以不做？有没有替代方案？•Who：谁？由谁来做？•When：何时？什么时间做？什么时机最适宜？•Where：何处？在哪里做？•How ：怎么做？如何提高效率？如何实施？方法是什么？•How mutch：多少？做到什么程度？数量如何？质量水平如何？费用产出如何？
多分享，是指当我们解决问题之后，把答案分享出来，这样在帮助别人的同时，还能巩固自己所学的知识，并提高自己的专业影响力。
分享的方法包括：公开自己的学习笔记、发表微信公众号文章、给同事和朋友讲解、在社群进行分享、制作视频课程等等。
2. 学习内容
数据分析学习的主要内容包括基础概念、业务逻辑、分析思维和分析工具等等。
基础概念，包括一些数学、统计学、经济学、心理学等方面的基础知识。
积极与懂业务的人多沟通交流，可以加深你对业务逻辑的理解。
关于分析思维和分析工具，参考：
俗话说：「磨刀不误砍柴工」，利用好数据分析工具，往往能够事半功倍，但是要注意灵活运用，不要把时间花在磨刀背上，而要把时间花在磨刀刃上。
我们始终要记住，数据分析是为业务服务的，重点是要满足业务的需求。
所以，我们要在理解业务逻辑的基础上，运用数据分析的思维和工具，想方设法为业务赋能。
3. 学习路径
我在网上看到 IBM 的架构师绘制的一张图片：
这张数据科学家的地铁线路图，总共包含 10 条线路：
1.基础原理（例如：矩阵和线性代数等）2.统计学（例如：描述统计和贝叶斯理论等）3.编程（例如：Python和R等）4.机器学习（例如：决策树和神经网络等）5.文本挖掘（例如：支持向量机和关联规则等）6.数据可视化（例如：D3.js和Tableau等）7.大数据（例如：Hadoop和MongoDB等）8.数据获取（例如：数据调查和ETL等）9.数据清理（例如：主成分分析和分层抽样等）10.常用工具（例如：Excel和Python等）
其中每条路深入走下去都不容易，如果每个领域都深入学习，恐怕一辈子都学不完，世界上很少有人能精通多个领域。
而且，以上这些都属于硬技能，但事实上，职场中更重要的是软技能，比如写作能力，就属于非常重要的软技能。
最后的话
在快速变化的工作环境中，建议你树立终身学习的理念，努力提升自己的硬技能和软技能。
学习数据分析，首先应该确立数据分析的目标，然后熟悉一些基本概念和业务逻辑，逐步培养数据分析思维，再利用数据分析工具去实现目标，在实践中不断积累数据分析的经验，从而丰富和完善自己的数据分析知识体系。
相关文章：高效学习的 36 种思维
关注林骥，更多干货早知道。