知乎热榜问题：如何快速成为数据分析师？

数据分析现在已经是烂大街的名词，成为培训机构们招揽生意的头牌，但很多培训其实是挂羊头卖狗肉，培训的不是数据分析，而是编程、软件。

如果你问我数据分析师最重要的能力是什么，我的回答是数据驱动决策，这是数据分析师最值钱的能力，没有之一。

因为数据的价值在于挖掘，与业务和市场进行关联，找到机会点。抛开这个，数据本身一文不值，还浪费服务器和人工成本。

一个数据分析师要是没法通过数据发现，为企业带来增长，那所有的其他技能都是扯淡。

说上面这段话是想给准备从事数据分析师的小伙伴打打预防针，如果你考虑问题很少参照数据，看到数字极不敏感、甚至头疼，那还是不要做这行，即使精通Python、R、SAS、SPSS等各种工具，也不适合数据分析师这个岗位。

另外刚毕业的学生，建议不要立马做数据分析岗，因为缺乏业务锻炼，对数据的思考过于单薄。可以在业务岗锻炼两三年，再考虑做数据。

如果你对数据驱动决策仍然感觉到难以理解，建议看看《精益数据分析》这本书，就能大概理解数据怎么产生价值了。作者讲了如何通过数据验证自己的设想、找到真正的客户、打造能赚钱的产品，做大做强公司。

有了大前提，接下来我想从四个方面去讨论如何快速成为数据分析师。

1、学历；2、业务；3、理论；4、技术

学历仍然是必不可少的敲门砖

数据分析岗按照我的理解，一般只有互联网或者传统行业中大型公司才会有专门的坑位，因为一般的小企业不需要数据分析，多是拉拉excel表，谁都可以干。

既然是有一定的门槛的职位，必然会有学历要求，大多数公司招聘上都会写本科及以上，理工科优先。这可能也是目前数据分析岗的写照，平均学历只会比招聘启示要求的高，而且学历越来越卷，在一线城市待过的人会知道。

当然不是说本科以下没法从事这个岗位，只不过从分布来看要少很多，幸存者偏差现象很明显。所以如果看到这篇文章的你是高中生，将来想从事数据岗，请务必好好读书考个好大学，这是初入社会最好的背书。

对于学历的建议只能是努力努力再努力了。

没有业务积累的数据分析都是空谈

前面也说过应届生不适合一开始就做数据分析岗，因为毫无业务经验，分析不出个啥。那么同样适用于社招求职，如果你想做数据分析，一定要在自己熟悉的行业去投简历，这样业务经验+数据能力才能帮你拿到offer。

不要说你一个搞五年机械的说要干游戏数据分析，这很难很难很难，除非你真的热爱游戏行业并愿意花大量的时间去学习。

就拿汽车市场数据分析来说，如果你不懂汽车营销行业，便不知道如何设计数据标签、如何搭建漏斗模型、如何做竞品分析、如何提升到店成交等等，因为这些数据都和汽车营销领域业务息息相关，不是光懂编程、算法就能实现的。

提升业务能力除了工作积累外，也可以通过看行业内的资料来实现。

比如说数据营销领域，有宋星老师的《数据赋能 : 数字化营销与运营新实战》

电信领域，有《掘金大数据 : 电信数据金矿详解、挖掘及应用》

电商零售领域，有《数据化管理 : 洞悉零售及电子商务运营》

游戏领域，有《游戏数据分析的艺术》

大家可以自己去找自己领域大佬写的书或者博客，撒开膀子学，一定会有很大收获的。

不要忽略了理论知识

数据分析需要有专业的理论知识，这其中主要是统计学、概率论，还有模型思维。

这也是很多人忽略的方面，做数据分析却对正态分布、抽样统计、置信区间等基础统计理论一窍不通，会导致会很多笑话，因为你没法对数据做出科学的处理，不知道什么样的指标适合去做分析。

统计学中涉及的信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归几乎都是数据分析建模过程中常用的知识，请务必要重视，特别那些大学数学知识没学好的同志。

我之前看过两个还不错的统计入门书，都是结合着实践案例来讲，大家可以去看看。

第一本是《深入浅出统计学》，相信很多人都听过，也算是网红书了。

第二本是《商务与经济统计》，相比前一本虽然更像教科书，但内容很实用，不信你去看看。

除了统计学知识外，模型思维也必不可少。

因为数据分析是分析商业领域的东西，所以各种商业分析模型是很有用的分析手段，比如说波特五力模型、SWOT分析模型、SPACE矩阵、SCP分析模型等等，这些经典的模型久经考验，既能帮你全面思考问题，还能为你的分析提供很好的理论支持，更容易说服别人。

模型思维说到底就是智慧，你把你的经验、知识、理论总结成模型，可以举一反三、反复利用，这基本等于要赢麻的节奏。

想要练就模型思维可不简单，需要大量的操练，和不断的复盘，才能积累起来。大家可以去看看书，补充基础理论。比如斯科特·佩奇的《模型思维》，就很不错。

总之，把模型用起来，你的数据分析报告会更加的迷人。

技术是充分不必要条件

看很多的人在大喊数据分析要学Python、R、SAS等等，我觉得其实都不是必要的，哪怕你只会excel，也能做一位NB的数据分析师。

那既然说到技术，我觉得在精力能力允许的情况下，是可以多学些工具，毕竟技多不压身，但要注意技术只是数据分析手段，切莫沉迷忘了主次。

下面推荐几个我觉得可以尝试去学的工具，也是工作中用的最多的。

首先是Excel，这是最重要的工具，请各位数据分析师记住！！！Excel功能非常强大，而精通它的人凤毛麟角，数据分析师需要多研究Excel的各种函数、模型用法，这样能节省很多时间。

为什么说Excel最重要，因为你的同事领导都在用，公司里收发表格都是Excel，Excel的沟通成本最小；而且Excel能处理几乎90%以上的数据建模工作，除非你的数据很大，而且用到复杂的机器学习模型，不然都可以用Excel解决。

Excel的学习资源很多，我推荐大家去微软的官方网站去学习，内容最丰富，也最准确。

也可以看看市场的Excel书籍，有的也蛮不错。

其次是Tableau、PowerBI这两个BI工具，选择一个学即可。现在BI应用越来越多，我觉得掌握一门BI工具还是蛮有用的，大家可以去这两个的官网去学习。

PowerBI

Tableau

最后还有个Python，也是目前热度最高的数据分析工具，因为Python生态里有Pandas、Numpy、sklearn、keras等众多明星数据分析库，帮助它几乎可以处理所有数据问题。

学习Python我是建议可以买一两本书看看，先把语法搞会，再不断练习。

选Python书，市场认可的书自然是卖的的最好的，京东上搜一下python，爆款书都排在前面（广告除外）。

爆款技术书内容质量可能不是最好的，但一定是最适合入门者学习的，而且架构合理，错误率低，版本更新快。

作者牛逼，书自然也不会差到哪去。比如说《利用Python进行数据分析》的作者Wes McKinney，他是开源分析库pandas的主要作者；

还有《Think Python》的作者Allen B. Downey，Think系列大牛；其他像《effctive python》、《python cookbook》的作者都是python社区的重量级人物。这些大佬的书值得一读。

初学者可以先看《Python编程，从入门到实践》

这应该是世界上最畅销的Python编程书，没有之一。英文名叫作《Python crash course》，作者Eric Matthes是一名高中老师，正是有着丰富的教学经验才会写出这样深得人心的书。

该书的特点是一半基础（语法知识），一半游戏（案例练习），所谓寓教于乐，通过案例练习的方式巩固基础知识。这里的练习和高中数学枯燥的课后练习可不一样，作者把代码放到一个个场景里，学习者在写个小游戏的过程中就把语法掌握了。

看了本书的目录，基本把python的核心语法都讲到了，学完之后可以搞点小事情，比如数据分析、可视化编程、web开发等。

小结

最后，祝看到这里的你顺利找到数据分析工作！