作者：秦路
鏈接：https://www.zhihu.com/question/29265587/answer/125091104
來源：知乎
第一周：Excel學(xué)習掌握
如果Excel玩的順溜，你可以略過這一周。不過介于我入行時也不會vlookup，所以有必要講下。
重點是了解各種函數(shù)，包括但不限于sum，count，sumif，countif，find，if，left/right，時間轉(zhuǎn)換等。
Excel函數(shù)不需要學(xué)全，重要的是學(xué)會搜索。即如何將遇到的問題在搜索引擎上描述清楚。
我認為掌握vlookup和數(shù)據(jù)透視表足夠，是最具性價比的兩個技巧。
學(xué)會vlookup，SQL中的join，Python中的merge很容易理解。
學(xué)會數(shù)據(jù)透視表，SQL中的group，Python中的pivot_table也是同理。
這兩個搞定，基本10萬條以內(nèi)的數(shù)據(jù)統(tǒng)計沒啥難度，80%的辦公室白領(lǐng)都能秒殺。
Excel是熟能生巧，多找練習題。還有需要養(yǎng)成好習慣，不要合并單元格，不要過于花哨。表格按照原始數(shù)據(jù)（sheet1）、加工數(shù)據(jù)（sheet2），圖表（sheet3）的類型管理。
專欄上寫了三篇Excel的文章，比較簡單，大體介紹了Excel應(yīng)用，可以作為職場新人的指南。
第一篇數(shù)據(jù)分析—函數(shù)篇。主要簡單講解常用的函數(shù)，以及與之對應(yīng)的SQL/Python函數(shù)。
第二篇數(shù)據(jù)分析—技巧篇。主要簡單講解我認為很有新價比的功能，提高工作效率。
第三篇數(shù)據(jù)分析—實戰(zhàn)篇。主要將前兩篇的內(nèi)容以實戰(zhàn)方式進行，簡單地進行了一次數(shù)據(jù)分析。數(shù)據(jù)源采用了真實的爬蟲數(shù)據(jù)，是5000行數(shù)據(jù)分析師崗位數(shù)據(jù)。
下面是為了以后更好的基礎(chǔ)而附加的學(xué)習任務(wù)。
了解單元格格式，后期的數(shù)據(jù)類型包括各類timestamp，date，string，int，bigint，char，factor，float等。
了解數(shù)組，以及怎么用（excel的數(shù)組挺難用），Python和R也會涉及到 list。
了解函數(shù)和參數(shù)，當進階為編程型的數(shù)據(jù)分析師時，會讓你更快的掌握。
了解中文編碼，UTF8和ASCII，包括CSV的delimiter等，以后你會回來感謝我的。
養(yǎng)成一個好習慣，不要合并單元格，不要過于花哨。表格按照原始數(shù)據(jù)、加工數(shù)據(jù)，圖表的類型管理。
如果時間還有剩余，可以看大數(shù)據(jù)時代 (豆瓣)，培養(yǎng)職業(yè)興趣。
再來一道練習題，我給你1000個身份證號碼，告訴我里面有多少男女，各省市人口的分布，這些人的年齡和星座。（身份證號碼規(guī)律可以網(wǎng)上搜索）
第二周：數(shù)據(jù)可視化
數(shù)據(jù)分析界有一句經(jīng)典名言，字不如表，表不如圖。數(shù)據(jù)可視化是數(shù)據(jù)分析的主要方向之一。除掉數(shù)據(jù)挖掘這類高級分析，不少數(shù)據(jù)分析就是監(jiān)控數(shù)據(jù)觀察數(shù)據(jù)。
數(shù)據(jù)分析的最終都是要兜售自己的觀點和結(jié)論的。兜售的最好方式就是做出觀點清晰數(shù)據(jù)詳實的PPT給老板看。如果沒人認同分析結(jié)果，那么分析也不會被改進和優(yōu)化，不落地的數(shù)據(jù)分析價值又在哪里？
首先要了解常用的圖表：
各類圖表的詳細介紹可以查看第四篇文章：數(shù)據(jù)可視化：你想知道的經(jīng)典圖表全在這
了解圖表后，還應(yīng)該學(xué)會報表制作，這里準備了第五篇：數(shù)據(jù)可視化：打造高端的數(shù)據(jù)報表。將教會大家Excel的高級圖表用法。
如果還不過癮，我們得掌握信息圖和BI，下圖就是微軟的Power BI：
BI（商業(yè)智能）和圖表的區(qū)別在于BI擅長交互和報表，更擅長解釋已經(jīng)發(fā)生和正在發(fā)生的數(shù)據(jù)。將要發(fā)生的數(shù)據(jù)是數(shù)據(jù)挖掘的方向。
BI的好處在于很大程度解放數(shù)據(jù)分析師的工作，推動全部門的數(shù)據(jù)意識，另外降低其他部門的數(shù)據(jù)需求（萬惡的導(dǎo)數(shù)據(jù)）。
BI市面上的產(chǎn)品很多，基本都是建立儀表盤Dashboard，通過維度的聯(lián)動和鉆取，獲得可視化的分析。第六篇：數(shù)據(jù)可視化：深入淺出BI將以第一周的實戰(zhàn)數(shù)據(jù)學(xué)習BI，上圖的就是學(xué)習后的成果。
數(shù)據(jù)可視化的學(xué)習就是三個過程，了解數(shù)據(jù)（圖表），整合數(shù)據(jù)（BI），展示數(shù)據(jù)（信息化）。
可視化也和審美息息相關(guān)，很多直男代表并不擅長做圖，沒關(guān)系，抽空可以看書：數(shù)據(jù)之美 (豆瓣)
PPT也別落下，Excel作圖多練習，不會有壞處的。
第三周：分析思維的訓(xùn)練
這周我們輕松一下，學(xué)學(xué)理論知識。
分析思維首推大名鼎鼎的金字塔原理 (豆瓣)，幫助數(shù)據(jù)分析師結(jié)構(gòu)化思維。如果金字塔原理讓你醍醐灌頂，那么就可以學(xué)思維導(dǎo)圖，下載一個XMind中文網(wǎng)站，或者在線用百度腦圖（百度難得不被罵的產(chǎn)品）。
如果不想看金字塔原理，那么就看第七篇文章：如何培養(yǎng)麥肯錫式的分析思維。將書本的內(nèi)容提煉了大部分。
再了解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架。這些框架都是大巧不工的經(jīng)典。你要快速成為數(shù)據(jù)分析師，思考方式也得跟著改變。網(wǎng)上搜咨詢公司的面試題，搜Case Book。題目用新學(xué)的思維導(dǎo)圖做，先套那些經(jīng)典框架，做一遍，然后去看答案對比。
等思維框架建立好，我們應(yīng)該往里面塞點數(shù)據(jù)分析的思維了，如何建立數(shù)據(jù)分析的思維框架。兩篇文章相結(jié)合，就能出師了。
這里送三條金句：
一個業(yè)務(wù)沒有指標，則不能增長和分析
好的指標應(yīng)該是比率或比例
好的分析應(yīng)該對比或關(guān)聯(lián)。
舉一個例子：我告訴你一家超市今天有1000人的客流量，你會怎么分析？
這1000人的數(shù)量，和附件其他超市比是多是少？（對比）
這1000人的數(shù)量比昨天多還是少？（對比）
1000人有多少產(chǎn)生了實際購買？（轉(zhuǎn)化比例）
路過超市，超市外的人流是多少？（轉(zhuǎn)化比例）
這是一個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結(jié)果。
優(yōu)秀的數(shù)據(jù)分析師會拷問別人的數(shù)據(jù)，而他本身的分析也是經(jīng)得起拷問，這就是分析思維能力。需要確切明白的是，一周時間鍛煉不出數(shù)據(jù)思維，只能做到了解。數(shù)據(jù)思維是不斷練習的結(jié)果，我只是盡量縮短這個過程。
這本書太啰嗦了，我看到一半放棄了…但推薦人不少，可以快速翻看一下。
第四周：數(shù)據(jù)庫學(xué)習
Excel對十萬條以內(nèi)的數(shù)據(jù)處理起來沒有問題，但是互聯(lián)網(wǎng)行業(yè)就是不缺數(shù)據(jù)。但凡產(chǎn)品有一點規(guī)模，數(shù)據(jù)都是百萬起。這時候就需要學(xué)習數(shù)據(jù)庫。
數(shù)據(jù)庫入門看這篇文章：寫給新人的數(shù)據(jù)庫指南
越來越多的產(chǎn)品和運營崗位，會在招聘條件中，將會SQL作為優(yōu)先的加分項。
SQL是數(shù)據(jù)分析的核心技能之一，從Excel到SQL絕對是數(shù)據(jù)處理效率的一大進步。
學(xué)習圍繞Select展開。增刪改、約束、索引、數(shù)據(jù)庫范式均可以跳過。SQL學(xué)習不需要買書，W3C學(xué)習就行了，SQL 教程。大多數(shù)互聯(lián)網(wǎng)公司都是MySQL，我也建議學(xué)，性價比最高。
主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉(zhuǎn)換函數(shù)等。
如果想要跟進一步，可以學(xué)習row_number，substr，convert，contact等。另外不同數(shù)據(jù)平臺的函數(shù)會有差異，例如Presto和phpMyAdmin。
你看，和Excel的函數(shù)都差不多。按照SQL，從入門到熟練SQL，從熟練到掌握這兩篇的內(nèi)容學(xué)習。雖然沒有實戰(zhàn)的打磨，但是了解一個大概夠了。
期間你不需要考慮優(yōu)化和寫法丑陋，查詢幾秒和幾分鐘對數(shù)據(jù)分析師沒區(qū)別，跑數(shù)據(jù)時喝杯咖啡唄，以后你跑個SVM都能去吃飯了。
網(wǎng)上也能搜索SQL相關(guān)的練習題，刷一遍就行。也能自己下載數(shù)據(jù)庫管理工具，找些數(shù)據(jù)練習。我用的是Sequel Pro。
附加學(xué)習：
如果這周的學(xué)習充裕，可以了解MapReduce原理。
來一道練習題，表A是用戶的注冊時間表，表B是用戶所在地，寫出各地區(qū)每月新注冊用戶的查詢SQL。掌握到這個程度，基本夠用，雖然往后工作中會有更多變態(tài)數(shù)據(jù)需求。
第五周：統(tǒng)計知識學(xué)習
很遺憾，統(tǒng)計知識是我最薄弱的地方，也是數(shù)據(jù)分析的基礎(chǔ)之一。
統(tǒng)計知識會要求我們以另一個角度看待數(shù)據(jù)。當你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。
這一周努力掌握描述性統(tǒng)計，包括均值、中位數(shù)、標準差、方差、概率、假設(shè)檢驗、顯著性、總體和抽樣等概念。詳細的數(shù)學(xué)推導(dǎo)不用細看，誰讓我們是速成呢，只要看到數(shù)據(jù)，知道不能怎么樣，而是應(yīng)該這樣分析即可。
Excel中有一個分析工具庫，簡單強大。對列1的各名詞做到了解。如果是多變量多樣本，學(xué)會各種檢驗。
（圖片網(wǎng)上找來的）
休閑讀物，有趣的案例可以讓我們避免很多數(shù)據(jù)陷阱。
還是經(jīng)典的HeadFirst系列，適應(yīng)它一貫的啰嗦吧。
多說一句，老板和非分析師不會有興趣知道背后的統(tǒng)計學(xué)原理，通常要的是分析后的是與否，二元答案。不要告訴他們P值什么的，告訴他們活動有效果，或者沒效果。
第六周：業(yè)務(wù)學(xué)習（用戶行為、產(chǎn)品、運營）
這一周需要了解業(yè)務(wù)。對于數(shù)據(jù)分析師來說，業(yè)務(wù)的了解比數(shù)據(jù)方法論更重要。當然很遺憾，業(yè)務(wù)學(xué)習沒有捷徑。
我舉一個數(shù)據(jù)沙龍上的例子，一家O2O配送公司發(fā)現(xiàn)在重慶地區(qū)，外賣員的送貨效率低于其他城市，導(dǎo)致用戶的好評率降低?？偛康臄?shù)據(jù)分析師建立了各個指標去分析原因，都沒有找出來問題。后來在訪談中發(fā)覺，因為重慶是山城，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導(dǎo)致送貨效率慢。
這個案例中，我們只知道送貨員的送貨水平距離，數(shù)據(jù)上根本不可能知道垂直距離這個指標。這就是數(shù)據(jù)的局限，也是只會看數(shù)據(jù)的分析師和接地氣分析師的最大差異。
對于業(yè)務(wù)市場的了解是數(shù)據(jù)分析師工作經(jīng)驗上最大優(yōu)勢之一。既然是零經(jīng)驗面試，公司肯定也知道剛?cè)腴T分析師不會有太多業(yè)務(wù)經(jīng)驗，不會以這個卡人。所以簡單花一周了解行業(yè)的各指標。
以知乎最多的互聯(lián)網(wǎng)行業(yè)為例。至少了解活躍用戶數(shù)，活躍用戶率，留存率，流失率，傳播系數(shù)等通用概念。
數(shù)據(jù)驅(qū)動業(yè)務(wù)的典型，里面包含產(chǎn)品運營最經(jīng)典的AAARR框架。部分非數(shù)據(jù)的營銷案例，如果時間不夠可以略過。此外產(chǎn)品和運營的入門讀物也能看，這里就不推薦了。
如果應(yīng)聘的公司涉及Web產(chǎn)品，可以了解流量的概念。書中案例以Google Analytics為主。其實現(xiàn)在是APP+Web的復(fù)合框架，比如朋友圈的傳播活動肯定需要用到網(wǎng)頁的指標去分析。
互聯(lián)網(wǎng)數(shù)據(jù)分析的入門書籍，歸納總結(jié)了幾個常用的分析框架。比較遺憾的是案例都是歐美。
還有一個小建議，現(xiàn)在有不少第三方的數(shù)據(jù)應(yīng)用，囊括了不少產(chǎn)品領(lǐng)域的數(shù)據(jù)分析和統(tǒng)計。自學(xué)黨們即使沒有生產(chǎn)環(huán)境的數(shù)據(jù)，也可以看一下應(yīng)用Demo，有好處的。
除了業(yè)務(wù)知識，業(yè)務(wù)層面溝通也需要掌握。另外建議在面試前幾天收集該行業(yè)的業(yè)務(wù)強化一下。
第七周：Python/R 學(xué)習
終于到第七周，也是最痛苦的一周。這時應(yīng)該學(xué)習編程技巧。
是否具備編程能力，是初級數(shù)據(jù)分析和高級數(shù)據(jù)分析的風水嶺。數(shù)據(jù)挖掘，爬蟲，可視化報表都需要用到編程能力。掌握一門優(yōu)秀的編程語言，可以讓數(shù)據(jù)分析師事半功倍，升職加薪，迎娶白富美。（SAS/SPSS我不了解，所以不做指導(dǎo)）
這里有兩條支線，學(xué)習R語言或Python。速成只要學(xué)習一條，以后再補上另外一門。
我剛好兩類都學(xué)過。R的優(yōu)點是統(tǒng)計學(xué)家編寫的，缺點也是統(tǒng)計學(xué)家編寫。如果是各類統(tǒng)計函數(shù)的調(diào)用，繪圖，分析的前驗性論證，R無疑有優(yōu)勢。但是大數(shù)據(jù)量的處理力有不逮，學(xué)習曲線比較陡峭。Python則是萬能的膠水語言，適用性強，可以將各類分析的過程腳本化。Pandas，sklearn等各包也已經(jīng)追平R。
如果學(xué)習R，我建議看R語言實戰(zhàn) (豆瓣)， 照著書本打一遍代碼，一星期綽綽有余。另外還有一本統(tǒng)計學(xué) (豆瓣)，偏知識理論，可以復(fù)習前面的統(tǒng)計學(xué)知識。
R學(xué)習和熟悉各種包。知道描述性統(tǒng)計的函數(shù)。掌握DataFrame。如果時間有余?？梢栽偃W(xué)習ggplot2。
Python擁有很多分支，我們專注數(shù)據(jù)分析這塊，入門可以學(xué)習深入淺出Python（影印版） (豆瓣)。也是把代碼寫一遍。
需要學(xué)會條件判斷，字典，切片，循環(huán)，迭代，自定義函數(shù)等。知道數(shù)據(jù)領(lǐng)域最經(jīng)典的包Pandas+Numpy。
在速成后的很長一段時間，我們都要做調(diào)包俠。
這兩門語言最好安裝IDE，R語言我建議用RStudio，Python我建議用Anaconda。都是數(shù)據(jù)分析的利器。
Mac自帶Python2.7，但現(xiàn)在Python 3已經(jīng)比幾年前成熟，而且沒有編碼問題。各類教程也足夠多，不要抱成守舊了。Win的電腦，安裝Python會有環(huán)境變量的問題，是個大坑（R的中文編碼也是天坑）。
到這里，剛剛好是七周。如果還需要第八周+，則是把上面的鞏固和融會貫通，畢竟速成是以轉(zhuǎn)崗或拿offer為目的。
成為數(shù)據(jù)分析師后，坑才剛剛開始，努力吧。
