如何学习数据分析？
在此之后你可以动手用Python去尝试实现数据挖掘的算法：数据挖掘算法实现以及其他相关经典DM算法对于自学数据分析，很多零基础的小伙伴都有以下的疑问。
深入浅出数据分析_深入浅出数据分析pdf
深入浅出数据分析_深入浅出数据分析pdf
01 理由
“我数学不好身，可以学习数据分析吗？”
请点击输入描述“我英语不好，可以成为数据分析师吗？”
“我没有编程基础可以学习数据分析吗？”
......
其实学习数据分析要比想象中容易得多，通常一提到数据分析就会想到各种数据和编程，让人头大，让很多零基础的小伙伴不知道如何下手学习。但是在IT行业中，数据分析往往是最容易入门和学习的，薪资也是比较高的，很多零基础的小伙伴被数据分析吓到劝退往往是不知道怎么样高效学习，没有找到适合自己的方法。想要了解更多，点击下方链接就能找到我。
接下来就讲讲如何自学数据分析，学习步骤如下
自学数据分析书籍
数据分析常用的工具
数据分析常见面试问题
一些小建议
1.自学数据分析书籍
入门篇
对于刚走上数据分析这条路的小白们，面对每天的工作可能已经手忙脚乱，但工作后面的逻辑及工具的应用，真的已经了解了吗？
从事数据分析的小白们，很多都和一样是半路出家，甚至有些文科的小伙伴，也对数据分析非常感兴趣。但是喜欢归喜欢，基础的知识还是得必备。
这本书可以说是很多数据分析师的启蒙书籍。
怎么提升销量、怎么分析a门店比b门店好、怎么进行细分分析和对比分析......在读完这本书之后，跟着Acme在重重挑战之下，对数据分析有了一个整体认识。
2. 《深入浅出统计学》
什么是统计？什么是众数、异常值、四分位数？几何分布，泊松分布，二项分布又是什么？如何对数据进行预测？预测数据和置信区间又有什么关系？
这些名词是不是很可怕？没事，这本书写得非常浅显易懂，很多和对话，像看漫画书一样，把统计学学了。
3. 《谁说菜鸟不会数据分析》
牛老板和应届生小白之间的职场小故事，像看一本一样，但是其中会告诉你什么是数据分析，处理数据的技巧，提升图表之美，如何建立结构化思维等等。和本书类似，看书也是多多益善嘛~
这本书真的是以漫画的形式来讲统计学了，在诙谐的人物肢体和幽默的对话之间，传达统计知识，让无聊的数字变得生动有趣。
这本书可以在闲暇又不想学习的时候来打发时间呀，既学到了知识，又没那么累。
进阶篇
想必这段时间，小白们也有了一定的工作经验，对于数据分析有了稍微具体的认识。这时的目标是学习更加系统的数据思维。
5. 《商务与经济统计》
戴维 R.安德森的这本书，把数据处理、数据分析、业务三者相结合，还有不少统计学的知识。
记得以前看这本书的时候，拿着赠送的数据一边模拟作，一边学习。在实践中对处理方法更加熟练，也对业务当中的数据分析有了更加立体的认识。
6. 《机器学习》
周志华先生写的这本《机器学习》，俗称西瓜书，是用西瓜的例子来一个又一个算法的介绍及应用。
跟着这本书，倒是学会了用Python编了个聚类算法，哈哈。不过这本书比较难，没有一定的统计基础和编程基础，还是就了解了解吧。想要学习更多数据分析知识，点击下方链接找到我。
2.数据分析常用的工具
(一)、常见数据分析工具
①、EXCEL
EXCEL可以说是数据分析师最常用的统计分析工具，它
使用广泛，容易上手，小规模数据的处理成本低，样式处理方便。
应该说只有学会了Vlookup，数据和基本公式才算EXCEL入门。
②、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，在要求中，sql也是很多数据分析岗位的能力要求之一。
SQL具有行业通用的优势，它的语法简单，于数据库本身。
③、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。它主要用于做一些像数据挖掘的项目，或者说一些数据可视化等等。
④、PPT
那么，数据呈现，分析报告主要就是由PPT来实现，它是将分析关键结果传递给其他的重要手段。
学好PPT可以提升沟通和消息传递效率，也是数据分析师必备的技能。
怎样进行大数据的入门级学习？
作者是广受好评的pandas库的开发者。读完这本书，可以对用Python做数据分析涉及到的一些工具、怎样用pandas、怎样做数据可视化有比较详尽的了解。一、整体了解数据分析——5小时x0dx0a新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容?x0dx0a市面上有很多讲数据分析内容的书籍，在此我《深入浅出数据分析》，此书对有基础人士可称消遣读物， 但对新人们还是有一定的作用。阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。x0dx0a二、了解统计学知识——10小时x0dx0a15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。x0dx0a本阶段书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。x0dx0a三、学习初级工具——20小时x0dx0a对于非技术类数据分析人员，初级工具只一个：EXCEL。书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。x0dx0a本阶段重点要学习的是EXCEL中级功能使用(数据表，函数，各类图表适用场景及如何制作)，如有余力可学习VBA。x0dx0a四、提升PPT能力——10小时x0dx0a作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。具体书籍和课程就不了，网上一抓一大把，请自行搜索。x0dx0a五、了解数据库和编程语言——10小时x0dx0a这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱??)。数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。x0dx0a六、学习高级工具——10小时x0dx0a虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择：SPSS和R。虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。x0dx0a七、了解你想去的行业和职位——10+小时x0dx0a这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。x0dx0a八、做个报告——25小时x0dx0a你学习了那么多内容，但现在出去的话你还是找不到好工作。所有的人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?很简单，做个报告给他们看，告诉者：我已经有了数据分析入门级(甚至进阶级)职位的能力。同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了??这也是件好事，有数据分析能力的人做其他工作也算有一项优势。
1. 《深入浅出数《精益数据分析》据分析》考数据分析师需要什么书
3、Python学习数据分析师考试必看的书籍有这些：
一、《数据之魅：基于开源工具的数据分析》：本书展现了在高科技行业的各个公司中从事数据工作所获得用Excel做排列图的经验。它汇聚了所发现的许多最有用的概念和技术，包括希望自己能够早点知道的主题——然而没有。
二、《深入浅出数据分析》：《深入浅出数据分析》写得漂亮，读者可以学到分析现实问题的系统性方法。从卖咖啡到开橡皮玩具厂，再到要求老板涨工资，此书告诉我们如何发现和解密数据在日常生活中的强大作用。
数据分析师考试必看的书籍有这些：
CDA LEVEL I 参考教材：
[1]王英英.MySQL 8从入门到精通[M].清华大学出版社,2019.（选读）
[2]MICK.SQL基础教程[M].SQL进阶教程[M].邮电出版社2017.（选读）
[3]黄缙华.MySQL入门很简单[M].清华大学出版社,2011.（选读）
[4]斯蒂芬森,晋劳,琼斯.SQL入门经典（第5版）[M].邮电出版社,2011.（选读）
[5]贾俊平,何晓群,金勇进.统计学（第7版）[M].大学出版社,2018.（选读）
[6]黄成明.数据化管理（第1版）[M].电子工业出版社,2014.（选读）
[8]刘宝红,赵玲等.《谁说菜鸟不会数据分析》《一本书学会做数据分析》《深入浅出数据分析》《Exce12007公式，函数与图表》《EXCEL数据处理与分析实战技巧精粹》《Excel VBA从入门到精通》等等。供应链的三道防线（第1版）[M].机械工业出版社,2020.（选读）
[9]陈哲.活用数据:驱动业务的数据分析实战（第1版）[M].电子工业出版社,2019.（选读）
[10]顾生宝.数据决策:企业数据的管理、分析与应用（第1版）[M].电子工业出版社,2020.（选读） 想要了解更多关于数据分析的问题，可以咨询一下CDA认证中心。全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。
想要了解更多关于数据分析的问题，可以咨询一下CDA认证中心。全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。
你是想考哪个数据分析师呢，如果是CPDA项目数据分析师，教材是内部使用的，在外面是买不到的！
教材分别为：《数据分析基础》《量化投资》《量化经营》
另外，还有讲义，再有一本《企业战略管理》这本书是可以在外面买到的，但是这个不讲！
提高数据分析能力必读书籍
我先打个前哨，想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。入门数据分析类
师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。
从0到1:《数据之美深入浅出数据分析》
为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”
01 内容
以类似“章回”的活泼形式，生动地向读者展现的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。
02 理由
书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。
经典小黄书：《谁说菜鸟不会数据分析》
是本很好的书，但看过之后，这本书就真一文不值了。
01 内容
很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。
02 理由
数据分析的入门，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。
分析工具类
与数据分析相关的工具非常之多，我们常用的有Excel、PPT、SQL等。如果您想精通他们，直接在哔哩哔哩搜索聚数云海，即可找到相关优质课程。
1.Excel
大家常说的Excel，但是不要以为你很会Excel！Excel是所有职场人必备的办公软件。Excel功能非常强大，在数据量不是很大的情况下，基本上都能用Excel实现数据分析。如下书籍：
《Excel高效办公数据处理与分析》
01 内容
根据现代企业决策和管理工作的主要特点，从实际应用出发，介绍了Excel强大的数据处理与分析功能在企业决策和管理工作中的具体应用。
02 理由
本书同时提供了大量需要你做的实例，学而不练是不存在的！
《别怕，Excel函数其实很简单》
01 内容
《别怕，Excel 函数其实很简单》用浅显易懂的图文、生动形象的比喻以及大量实际工作中的经典案例，介绍了Excel最常用的一部分函数的计算原理和应用技巧,还介绍了数据的科学管理方法，以避免从数据源头就产生问题。
02 理由
2. SQL
介绍了关系数据库以及用来作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。
本书107张图表+209段代码+88个法则，是零基础进阶人士必备！
SQL进阶：《SQL进阶教程》
本书是为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，去探索新发现。旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。
本书不适合小白！适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。
SQL辅导书籍
本书是麻省理工学院、伊利诺伊大学等众多大学的参考教材，由浅入深地讲解了SQL的内容，实例丰富，便于查阅。本书没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。
有一定SQL基础的人士可以将它当做一本字典使用，遇到问题可以查找相应内用。
3.Python
“人生苦短，我用Python”。Python编程语言是最容易学习,并且功能强大的语言。但是很多人声称自己精通Python,自己却写不出Pythonic的代码，对很多常用的包不是很了解。万丈高楼平地起，咱们先从Python中最最基础的开始。
《Python编程，从入门到实践》
本书的特点就是零基础完全不懂编程的小白也能够学习，新手想学习选它错不了。知识点由浅入深循循渐进，并配有视频教程手把手教学,同时所需的软件也是免费的。本书也配有相关辅导书籍，有兴趣的话可以去看看，但是请记住，这本书是最核心的。
《利用Python进行数据分析》
不像别的编程书一样，从开天辟地开始讲起。这本书是直接应用到数据分析的，所以很多在数据分析上应用不那么频繁的模块也就没有讲。
本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。
4.R语言
R是用于统计分析、绘图的语言和作环境。但是R是有一定难度的，没有基础的话请谨慎尝试！书籍：
《R语言入门与实践》
案例提升类
《活用数据：驱动业务的数据分析实战什么是数据分析师证书?》
如何快速入门数据分析
初级：首先我说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：
1. SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能，零基础学习SQL可以阅读这里：SQL教程_w3cschool
2. 统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些在公开课上倒是有不错的教程：堡社区大学公开课：统计学入门_全24集_公开课
3.Python或者R的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。至于学习资料：R语言我不太清楚，Python方向可以在廖雪峰廖老师的博客里看Python教程，面向零基础。
再说说两者有区别的技能树：
《高性能MySQL(第3版）》：跟《MySQL必知必会》相似的书籍，主要讲解了MySQL的理论和实践知识；1.数据挖掘向
所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法，可以在这里一探究竟：如何学习数据结构？
2.产品向
产品向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常的岗位是：商业分析、数据运营、用户研究、策略分析等等。这方面的学习书籍就很多，看得越多掌握的方法越多，我说几本我看过的或者很多人的书籍：《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒数据分析思维和方法与尿布》、《数据之魅》、《Stoing with Data》
如何自学成为数据分析师
建议在B站找视频观看,有很多,我们就有同名号定期上传学习视频哦。如果想要练习的话，可以从SQLZoo去练习，在线版的SQL练习教程。书的话《SQL必知必会》还不错，很精简，基本可以满足日常表的查询和维护了，想要不仅满足于查询的话，还可以参考《深入浅出MySQL》，数据库开发、优化与管理，600多页。以下一些从入门到精通——关于学习数据分析的书籍清单！
入《深入浅出数据分析》，真正的深入浅出，可谓是经典的入门书之一。门篇
《深入浅出数据分析》：大头书，HeadFirst系列，内容很浅，比较适合没有基础的人作为科普读物，适合快速入门；
《统计数字会撒谎》：本文不涉及枯燥的数学公式与推理过程，通俗易懂，其实讲的都是统计学最基本的常识，可是却往往容易被人所忽视；
《谁说菜鸟不会数据分析》：不错的工具类书籍。比较浅显，适合完全没有Excel或对Excel似懂非懂的人。 讲了一些方的东西，但是非常的简单，不太适合对Excel熟悉的读者；
《深入浅出统计学》
：帮你快速了解统计学相关的知识。
进阶篇
《MySQL 必知必会》：不到页的小册子，实践性很强，基本没有什么理论的堆砌，完完全全就是一本实践指南，教会你怎么用SQL语句作MySQL；
《数据化管理：洞悉零售及电子商务运营》：讲解在企业中应用数据的例子，读完受益匪浅，里面举的很多例子都很接地气，很值得数据分析师阅读学习。
4. 《漫画统计学》高级篇
《统计学》（贾俊平，何晓群，金勇进著）：统计比较通用的入门教材了，也算是兼顾数学证明和应用，可读性没有上面强，但是也非常的通俗易懂，有很多统计学专业的起始教材也会选择这本。
《Python数据挖掘入门与实践》：作为一个专业的数据分析师，实际上很多时候都需要用到模型。这本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，还是挺不错的一本书。
自学数据分析需要看哪些书的
SQL大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。
SQL是数据分析的基础，是想要学会数据分析能力的必备技能。那这里我只给大家介绍三本书，本书零基础入门，第二是进阶，第三本是SQL中的字典，话不多说，我们直接上架。第三大类：应用类。 应用层面的书籍，比如《数据挖掘技术》 、《基于SPSS的数据分析》等等。 这一类的书籍，主要是指应用技术类，告诉你如何应用工具和方法，从海量数据中提取有用的信息，来解决真实的业务问题。这类书籍，适合于业务部门、市场营销部门及与业务结合比较紧密的人员。他们更关注业务问题的解决，围绕业务问题来构建分析和解决方案。
是一本用数据来帮助企业业务难题的实书，有理论、有方法、有实战案例。具有业务驱动、案例闭环、思维先导、实战还原4大特色，同时在思路上清晰连贯，在表达上深入浅出，既能帮助数据分析从业者入门和提升，也能辅助企业各业务部门和各级管理人员做量化决策。不过光看书还不够，数据分析软件也可以同步上手作，可以先从国内作简单点的入手，像帆软的FineReport感觉相对来说比较容易，可以向excel一样 进行拖拽式处理
数据分析如何入行？
打好概率与《数据挖掘与数据化运营实战》，这本书对业务与数据分析怎么结合有很详细的说明和实例。统计的基础
概率与统计是数据分析的基石，像一些概率分布、抽样、线性回归、时间序列都是数据分析当中经常会用到的，可以说日常碰到的大部分的分析需求都可以用统计分析来解决。
理工科专业的同学大多在本科期间就学过概率与统计这门课，这部分的基础应该还是比较扎实的。对于没有基础的同学，有一本叫《深入浅出统计学》的书非常值得一读，豆瓣上的评分8.5分
这本书非常通俗易懂，讲理论知识的时候结合了很多案例，把统计学应用到解决实际问题当中，让原本枯燥的统计学原理变得有趣起来，适合非专业人士入门学习。
掌握数据库技能
做数据分析离不开查询数据库，这里主要涉及的是SQL。对于传统的数据库如MySQL，SQL，Oracle，或者大数据平台Hadoop，都可以通过SQL查询的方式来获取数据。入门SQL的书一本《MySQL必知必会》，豆瓣评分8.4分。
这本书实践性很强，教你怎么用SQL语句作MySQL。可以自己在电脑上装一个MySQL，跟着书中的案例作一遍。
掌握Python或者适合希望提高办公效率的职场人士，特别是经常需要处理分析大量数据并制作统计报表的相关人员，以及相关专业的高校师生阅读,小白需谨慎！R
Python和R是数据分析当中最常用的两门语言。R是为数据分析而生的一门语言，但Python在数据分析方面有后来居上的趋势。公司里的数据科学团队在几年前还是用R做的分析，最近一年已经转向Python了，身边的朋友也听到很多R转Python的。性能上来说，Python的速度更快，可以处理上G的数据，而R不行。所以长远来说，我还是看好Python的。
讲Python基础的有一本《AbyteofPython》非常，我当初就是看这本书入门的，读起来很轻松，两三天就可以读完。网上已经有人把这本书翻成中文
数据分析相关的，这本《利用Python进行数据分析》，豆瓣评分8.5分。
机器学习
数据分析如果继续深入的话，可以学习机器学习。机器学习涉及的理论主要是分类、回归、聚类、决策树、贝叶斯定理等。机器学习相关的书强烈一本《机器学习实战》，豆瓣评分8.2分。
这本书介绍了机器学习中最常用的几种算法，对算法背后的数学原理也有介绍，对于理解机器学习的算法非常有帮助。书中的代码和例子都是用Python实现，非常适合有python基础的同学学习。
如果自己以前接触过入行还是蛮容易的，但基础想从事这类就得找专业靠谱的机构学习了，CDA做数据分析培训比较早，在数据分析行业内参考书籍《深入浅出数据分析》，把道理方法讲的很透彻的一本书，对于深入理解底层逻辑很友好。《谁说菜鸟不会数据分析》系列，主要是对于方法和工具使用的学习。可参考之前的文章 数据分析方 来大概了解。有一定的影响力，有一定的含金量，相对权威，对于目前的情况来说，现在大家对CDA数据分析师的认知还比较少，但是对着的发展，CDA数据分析师需求会越来越来，CDA数据分析师也会越多越被人认可。
1.高薪不是普遍状态，新进分析师也就一个温饱水平。2.工作很辛苦，加班和出就不用说了，还不能出错，压力比较大。3.青春饭算不上，因为行业的机会还是很多的，当然做的太也没前途。
想学习数据分析，有哪些书籍或资料参考学习
作为数据分析师，有需要经典的数据分析书籍本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的6. AlteryxAlteryx是一种自助服务分析工具。用户可以快速混合和准备数据，即便没有任何编程能力的人，也可以在Alteryx中构建数据工作流。同时，Alteryx的运行速度也非常快。使用拖放式工作流程和数据清理技术，仅需几分钟，你就能得到输出结果。以下是Alteryx的其他优点：（1）能够融合数据。（2）易于采购。（3）可以建立工作流程。创业心得和宝贵经验，值得每位创业家和企业家一读。需要我们仔细阅读。按照难度，可以分为三个难度：入门篇、进阶篇以及高级篇。数据分析需要掌握哪些知识?
Excel提到Excel大家都不陌生，很多小白非常喜欢用Excel来进行数据分析。即使是专业的分析人员，他们也会使用Excel处理聚合数据。因为Excel具备非常多的优点，例如：（1）使用方便（2）简单易学（3）能够查看每个步骤的结果（4）无需编程基础
2. SQL语言SQL（结构化查询语言）是一种用于处理和检索关系数据库中存储的数据的计算机语言，是关系数据库管理系统的标准语言。它具备很多优点，例如：（1）速度快。输入你要进行的作，仅需几秒，作就能完成。（2）不需要你具备很强的编程能力。（3）语言简单易学。
3. 可视化工具将数据可视化可以让人更加理解数据。人类都是视觉动物，图形往往比密密麻麻的文字更易于理解。在这里，我顺便给大家几款好用的可视化工具：（1）Cognos：Cognos拥有强大的数据库平台。但是Cognos并不适合小白，因为它需要用户有很好的数据分析基础。（2）Tableau：Tableau的可视化功能非常能打，作也简单。用户只需在简单配置，拖拖拽拽就可以完成数据分析。（3）FineBI：Cognos和Tableau的确非常好用，但是它们是两款国外软件，相关的学习资料比较少。而FineBI是一款国内软件，我们可以在各大平台找到海量的学习教程。同时，运用FineBI进行部署非常方便。
4. PythonTableau、FineBI这一类的可视化工具，的确可以自动生成报告。但是，如果想要进行更深入的探索，你需要学习Python来进行数据挖掘。Python是一种面向对象的高级编程语言，主要用于Web以及应用程序的开发。Python拥有图形和可视化工具、以及扩展的分析工具包，能够更好地帮助我们进行数据分析。以下是Python的一些优点：（1）语法清晰，简单易学。（2）开源且免费。（3）库量非常大。
5. SASSAS（统计分析软件）是一套模块化的大型集成应用软件系统。它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等等。因此，SAS能够对数据进行深层次的挖掘和分析。
7. “软”实力光懂技术还不行，数据分析师还必须具备以下几种“软”技能：（1）很强的沟通能力。如果数据分析师不能将自己的分析结果表达清楚，那么他的分析结果将一文不值。（2）熟悉业务内容。我们学习数据分析的最终目的，就是就业。因此，每个数据分析师都必须做到熟悉业务。（3）快准狠地分析出解决方案。了解了业务之后，数据分析师要找出最有效的数据分析方法，来对数据进行分析。
首先，大数据专业是一个非常典型的交叉学科，在课程体系的设置上通常采用3加N的设置方式，3代表的是3大主干知识体系，涉及到数学、统计学和计算机，而这里面的N则涉及到金融学、经济学、学、医学等辅助学科，不同学校会根据自身的教育资源整合情况来进行具体的设置，比如财经类大学通常会更注重金融学和经济学课程的设置。
从大数据专业的课程设置上来看，大数据专业的知识量是比较大的，学生的学习压力也相对大一些，如果没有一个较好的学习规划，也很容易导致学得杂而不精这种情况。从目前大数据领域的岗位划分情况来看，大数据专业的同学可以选择大数据开发方向，也可以选择大数据分析方向。
主攻大数据开发方向的同学要重视三方面内容，其一是程序设计能力的培养，可以重点关注一下Ja语言，其二是重视大数据平台的学习，要熟悉常见大数据平台的开发方式，能够基于大数据平台来完成一些具体的开发任务，其三是要重视行业场景知识的学习。
，大数据专业的学习除了要本书通过三个精心挑选的例子，深入浅出地讲解如何使用R语言玩转数据。将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。重视理论知识的学习以外，还需要重视实践，可以通过参加专业比赛或者参加老师的课题组来积累实践经验。
学习路线
技术：
Excel
可视化
理论：
统计学
对业务的理解
四、书籍/网站
1、Excel学习：
没有什么的书籍和网站，网上有很多大神的教程，如果时间充裕，就系统的学习一下，如果时间紧张，就用临阵用度娘也是可以解决问题的，当然，学什么都能够系统地学习。要记住一点，我们是用Excel进行数据分析的，所以应当从数据获取、数据处理、数据分析和输出几个方面来学习Excel。
2、SQL学习
4、可视化
有很多可视化的工具，用Excel可以实现可视化，powerBI、Tableau、Python也可以可视化。工具的3.到这里你应该基本了解什么是数据分析了，你就可以开始进阶学习一些统计方法：诸如回归分析、置信度等等...这些东西先不急，你把前两个先搞定再说。这时候你对书籍的选择就有自己的方法态度了，如果非要一本入门书，《大嘴巴漫谈数据挖掘》不错，其实到这里才是数据分析的真正开始，不过这时候你的目标和方向已经很明确了，如何提升自己无需别人多说了。选择是一方面，另一方面是对于图表的理解，什么场合适用什么样的图表。
5、数据分3、Python学习析的思维和方法
6、统计学
《深入浅出统计学》非常棒的一本书，对于统计学的基本概念的解释非常直白到位，让小白能够清楚地理解这个公式为什么是这样子的，而不是直接摆公式。底层逻辑明白后，可以参考李航的《统计学习方法》，这是大学课本，有时间的话还是应该好好研究一下系统逻辑的。
7、对业务的理解
在数据分析，挖掘方面，有哪些好书值得
主攻大数据分析方向的同学也要重视三方面内容，其一是重视编程语言知识的学习，可以重点关注一下Python语言，其二是重视机器学习知识的学习，其三是重视大数据平台的学习，要能够借助于大数据平台来完成具体的数据分析任务。与大数据开发岗位不同，大数据分析岗位对于统计学知识的要求也更高一些。建议先从统计学的书开始 例如统计学精要等 然后再看一些算法类的数 例如微积分、概率论等 这之后你看一些关于模型的数 例如数据挖掘精要 如果有必要数据库基础这样的书也要看一看呀 -
有三个级别入门：
深入浅出数据分析
啤酒与尿布
数据分析：
SciPy and NumPy
Python for Data Analysis
Bad Data Handbook
集体智慧编程
Machine Learning in Action
Build对于非程序员出身的新手小白来说入门很简单，精通还是不容易的。如果你仅仅是停留在用Python进行数据处理和分析的阶段上，建议《利用Python进行数据分析》这本书非常不错，不要去学python开发、python编程之类的书，Python可以用来做很多事情，但对于数据分析师而言，我们可能不需要用Python来开发什么游戏、网站等，我们只需要进行数据控制、处理、整理和分析即可，系统地学一下python中的数据科学库是非常有必要的，如：Numpy、pandas等。ing Machine Learning Systems with Python
数据挖掘导论
Machine Learning for Hackers
Introduction to Semi-Supervised Learn专业级：ing
Learning to Rank for Information Retrieval
Learning to Rank for Information Retrieval and Natural Language Processing