从入门到进阶，那些让你看了以后大呼过瘾的数据分析六件套
平时经常收到邀请回答或者微信私下询问，数据分析该怎么去学、我要转行数据分析该学习什么书籍、我是否适合从事数据分析这个岗位、数据分析进阶方法、…。
看到这些提问后感慨万千，自己也是两眼一抹黑的走上了数据领域这条道路，从业务运营，到数据分析、数据挖掘，数据处理工具也从传统方法：Excel、Access(估计这个知道的不多了)， 到大数据处理框架：Hadoop、Spark、Flink、Storm，一路走来非常不易。平时工作虽忙，也会抽点时间去回答一下询问，希望能对准备入行、转行、进阶的朋友有所帮助。
数据分析是什么
数据分析是指用适当的分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程，它可以帮助人们作出正确的判断，以便采取适当行动。
如何成为一名数据分析师
从转行去做数据分析师到面试其他同学加入数据分析团队，我将结合自己的工作经验来谈一谈数据分析应该具备那些条件。
硬能力
1.统计学知识
- 基本的统计量：均值、中位数、众数、方差、标准差、百分位数等；
- 概率分布：几何分布、二项分布、泊松分布、正态分布等；
- 总体和样本：了解基本概念，抽样的方法等；
- 置信区间与假设检验：如何进行验证分析等；
- 相关性与回归分析：多重共线性、逻辑回归等；
2.分析工具
数据分析过来人都会说80％的时间都在做数据处理工作，所以数据处理能力是必须的，常用的数据处理工具：Excel、SQL、Python、BI工具、大数据处理框架(加分项)、数据挖掘(加分项)。
软能力
1.熟悉业务知识
很多数据分析师都会告诉你“业务知识很重要”，因为大家踩了坑之后才恍然大悟，遇到的很多难题问题都源于对业务的不了解、脱离了业务实际，真正的数据分析师是比业务人员还懂业务的。
2.沟通能力
数据分析师是经常要和业务方(运营、产品等)打交道的，良好的沟通能力，有助于业务需求梳理、解决业务的痛点。
看了以后大呼过瘾的数据分析书
数据分析的书籍非常的多，稂莠不齐。书在于精，不在于多，不好的书既浪费时间，也浪费金钱。我将大致从入门、进阶、工具等维度进行梳理，推荐大家几本优秀的书，文末提供免费获取方式。
入门
推荐理由：深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。可以作为入门书籍去看，但是不足之处是讲的比较浅，仅仅适合入门。
推荐理由：依旧保持深入浅出系列的简单风格，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。书本注重应用和趣味性，数学推理一般。适合非专业人士的统计学入门，书中的很多案例和习题比较好，能从简单的角度阐述复杂的概率统计的理论知识。
进阶
推荐理由：本书讲解了创业公司该如何确定指标体系，如何用数据指导产品和运营，对于业务模式的归纳和业务成长阶段的归纳非常到位。后面列举了大量的场景和案例，几乎都是基于精益创业，定位非常明确，仔细品读的话，你一定会收获很多知识。
推荐理由：增长黑客在国内即是数据分析+运营/产品的复合型人才。这本书好的地方在于拓展思路，告诉我们数据能够做什么，尤其是数据驱动业务的这个概念，对我影响甚大。
工具推荐理由：本书的作者Wes McKinney是pandas的主要作者，作者有多年的Python数据分析工作经验。除了pandas之外，作者对本书覆盖的这NumPy，pandas，matpotlib等也都有着很深的理解，是一本不错的python数据分析入门书籍。
推荐理由：本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。
书籍获取地址：
推荐阅读
更多精彩内容，关注微信公众号『Python学习与数据挖掘』
为方便技术交流，本号开通了技术交流群，有问题请添加小助手微信号：connect_we，备注:加群来自CSDN，欢迎转载，收藏，码字不易，喜欢文章就点赞一下！谢啦