数据分析在工作和学习中用到的越来越多，以前也成体系的分享了一些内容，详情参考链接：数据分析系列 1/32 | 数据分析入门理解。在之前的分享内容里，是为了让大家更快上手入门去学习使用的，本次内容合计里，每个模块会介绍的相对更加细节一些，同时也会更深入一些，希望对大家有帮助。大家有建议也可以给我留言反馈。
01成长路径拆解
一、数据分析的思维和方法
为什么数据分析思维很重要? 如果我们在分析一个问题前，思维缺失的时候，往往不知道问题从哪里下手，即使拿到数据也是一脸懵逼。所以我把分析思维放到了第一步。
二、统计学
统计学是数据分析师必备的基础知识之一，是一组用于汇总数据和量化给定观测样本域属性的工具。单独的原始观察数据只是数据，还不能变为我们想要的信息或知识。有了原始数据，那么接下来的问题是：
- 什么是最常见或可预期的观测？
- 观测的限制条件是什么？
- 数据是什么样子的？
回答这些问题，我们需要借助一些统计工具来得出一些结论。借助统计学，你的分析深度、专业度和科学性都会有很大提升。
三、EXCEL
学习Excel是一个循序渐进的过程，这也是很多人工作中必备的工具，EXCEL学好了，日常的数据处理基本都能搞定。平常多思考如何用 excel 来解决问题，善用插件。函数和数据透视表是两个重点，结合业务场景来学习，可参考《谁说菜鸟不会数据分析》。
四、SQL
做数据分析，数据从哪里来？数据库！怎么取数据？写 SQL！做数据分析，取数、清洗数据，基本都要依赖 SQL。初入门阶段，只需了解常用的数据库类型，能够在现有的表格里面查询出数据，知道怎么用和处理数据，把数据变得规整就行。
五、数据可视化
俗话说字不如表，表不如图，一图胜千言。可视化看似是简单的步骤，但也是有造诣的。可视化说白了是一种表达，数据分析结果表达的是否到位，领导是否认同，工资涨不涨，全靠这一纸 dashboard（当然还有你“讲故事”的功力）。
六、业务分析
以上相关内容学习了一些之后，我们可以从业务的视角来结合实际情况去模拟一些业务分析场景。
基于一些数据分析方法，如象限法、多维法、假设法、指数法、二八法、对比法、漏斗法，在特定业务场景下，还衍生了通用的业务分析模型，常用的有购物篮分析模型，RFM 模型，漏斗分析模型，客户生命周期，以及预测、聚类分析等挖掘模型。
七、Python
本着提升自己，以及加大自己求职和面试的筹码，掌握 Python 或 R 绝对是加分项。有关数据分析的编程语言有 Python 和 R 语言。R 语言倾向于统计分析、绘图等。统计学家或者学统计学的喜欢用 R 语言，从流行度、可用性还是学习难度来讲，Python是比较好的入门语言，Python 有很多分支，但我们学习的主题是数据分析。
️八、机器学习
这一部分我们会接触到一些概念，比如聚类、关联分析，Adaboost算法等等，你可能对这些概念还是一知半解，没有关系，后续会详细介绍。
️九、书籍
这里推荐的书包括但不限于数据分析相关的书籍。读书，能解决80%以上的迷茫，从书中可以学习到别人的思路，同时也会给你一定的方向感，我们一起读万卷书行万里路。
02资料分享
️分析模型：35个数据分析必备模型
链接: https://pan.baidu.com/s/1zbyR5NTl-o05SLWckS8gKA 提取码: bsn6 复制这段内容后打开百度网盘手机App，操作更方便哦。
运营必备11大数据分析模型_易观方舟：
链接: https://pan.baidu.com/s/1w27NL-XgBT5fYxpBhttxbQ 提取码: mg1m 复制这段内容后打开百度网盘手机App，操作更方便哦
数据分析思维指南：
链接: https://pan.baidu.com/s/1ytTokc8jsta8g_FKa_PVNQ 提取码: rc6n 复制这段内容后打开百度网盘手机App，操作更方便哦
其他更多书籍和报告等相关资料，可以给我留言或者加我微信帮大家搜集。
以上就是今天我今天的分享，希望能对大家有所帮助。
欢迎关注VX公众号，访问更多精彩：数据之魅。
如需转载，请联系授权，谢谢合作。
