零基础如何系统进阶数据科学技能？
如果你打算成为一名数据分析师，希望能提升数据获取、数据分析、数据可视化的水平。但是网上资料一大堆，完全零基础的你该从哪开始学习？视频下载了很多，无法坚持学习？经常遇到问题，却得不到及时解决，浪费大量宝贵时间。本文将针对零基础学员介绍数据分析的学习流程。
第一阶段 |
Excel数据分析 |
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
对于没有经验的你，Excel是一款必须熟练的工具。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。CDA数据分析老师整理了excel在数据分析中主要用到的功能如下图：
第二阶段 |
SQL数据库语言 |
作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。
DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。
会在招聘条件中，越来越多的产品和运营岗位，将会SQL作为优先的加分项。SQL是数据分析的核心技能之一，从Excel到SQL是数据处理效率的一大进步。
主要了解数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。
学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习。客户端这里推荐MYSQL。
推荐书籍：
《MYSQL必知必会》
第三阶段 |
数据可视化&商业智能 |
数据可视化不仅是一门技术，也是一门艺术，同样的数据在不同人的手中，展现出来的效果会千差万别，掌握这门技术会成为职场的加分项。可视化的工具有很多，这里我推荐微软的Power BI或者Tableau。这两款都不要编程功底，实现起来简单，功能强大。下图是Power BI工作的示例：（产品销售报表）
推荐书籍：
《用图表说话》-麦肯锡
第四阶段 |
数理统计学 |
统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。
统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。
这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
推荐书籍：
《从零进阶 数据分析的统计基础》-曹正凤
《统计学》-贾俊平
第五阶段 |
数据分析与软件应用 |
SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。
SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。
学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。
推荐书籍：
《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚
《胸有成竹 数据分析的SPSS／SAS EG进阶》-常国珍
《SPSS统计分析基础教程+高级教程》-张文彤
第六阶段 |
数据挖掘与软件应用 |
数据挖掘，英文是Data Mining 也叫作数据勘探，类似于采矿，但是数据是贫矿。我们需要结合行业课题，利用数据挖掘工具，建置数据挖掘模型，发掘规律和商业价值。另外数据挖掘是交叉学科，涉及统计学、计算机、机器学习、运筹学等多门学科，是一个运用广泛和富有前景的学科领域。
学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。
对于工具，这一阶段，建议选择一门编程语言来学习。
Python或者R语言，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。
对于R和Python，我们应该使用哪种语言，已经争论很多年了，至今没有定论...... 事实大概是Python的主要功能是编程，除了单纯的数据分析，在很多领域还有广泛利用，所以就业市场上对Python的需求是远大于R。
R主要侧重统计功能，在统计方面显示出了很多的优势，用R做单纯的数据分析还是妥妥的稳稳的。但是往数据科学方向走的话，R就有点顶不住了，轮到Python扬眉吐气了......
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。以下以python介绍语言学习的路径：
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。Python学习导图：
推荐书籍：
《Python数据科学手册》
《利用Python进行数据分析》
《机器学习实战》
《数据挖掘实战》
第七阶段 |
数据分析行业应用和数据分析思维 |
对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。
推荐书籍：
《增长黑客》
《精益数据分析》
以上就是商业数据分析师的完整进阶路线，如果你沿着此路线学习，相信你在数据分析道路上有所收获。
end.
长
按
关
注
CDA 课程咨询
联系人：史老师
联系电话：18080942131