如何在业余时间学习数据分析？

全文共3646字，预计阅读时长8分钟

最近小芯发现，越来越多的互联网公司，在招聘要求里都加了这么一条：掌握数据分析技能。

比如腾讯某产品经理岗位的招聘要求：

具备一定的数据分析能力，至少能熟练使用Excel 的透视表和 vlookup。

要是你连Excel的透视表和vlookup函数都不清楚，那必然是会被拒之门外。

再比如去哪儿的运营实习岗位要求：

会使用 SQL（SQL is a must），精通 Excel 公式函数；

对数据敏感，能够发现关键数据、抓住核心问题；

你以为运营岗就是动动手指发条微博，没事和大家灌水聊天就好了？太天真了！你必须掌握SQL语句来操作数据库，此外，你还得精通excel的各类公式计算函数，对数据敏感，让数据来指导你下一阶段的运营工作。

不管是技术岗、产品岗还是运营岗，都或多或少地对求职者的数据分析能力提出了明确要求，拥有数据分析能力的同学，往往会在竞争中被HR优先录用。

所谓“技多不压身”，利用业余时间学好数据分析，不仅能为你的简历增添亮点，也能够帮助你解决生活和工作中的许多实际问题。

数据分析要学好哪些基本内容？

基础很重要，凡事先入门。对数据分析而言，统计知识、数据库语言、数据分析工具三大基本内容不可或缺。在这基础之上，你还可以继续选择数据可视化与数据挖掘的内容作为进阶学习哦。

1.理论基础

如果你是理工科学生，想必对概率论与数理统计、线性代数、离散数学三门课并不陌生，而它们也是和数据分析有着密切关系的数学基础。概率计算、回归分析、泊松分布、正态分布、置信区间、假设检验，这些知识点常常在数据分析中被运用，贝叶斯定理更是数据挖掘中分类器构建的基础。在入门数据分析以前，你可以重新巩固相关的数理知识点。

2.数据库语言

数据分析中的另一大基础是关系数据库标准语言SQL，这块内容也是计算机专业学生的必修知识。常用的SQL语句并不多，但都要求我们必须掌握！通过基础查询、聚合函数、嵌套查询、连接查询等知识的运用，我们可以有效过滤海量数据，同时对数据实现分组聚合。

3.  数据分析工具

Excel：也许你会对Excel嗤之以鼻，不就是个制作表格的吗？但其实Excel中许多隐藏技能是数据分析中的大杀器！你需要了解Excel的各类函数，如sum/count/if/rand/find/replace等；在Excel的诸多功能中，vlookup函数和数据透视表是极具性价比的学习重点，vlookup能够纵向查找，帮助你核对数据，数据透视表则可以让你轻松完成复杂数据的分类汇总。此外，应用于office中的编程语言VBA也可以让你实现许多意想不到的功能。

Python：作为一门简单高效的编程语言，Python在数据分析工作中备受欢迎，它拥有许多优秀的库，可以协助你的数据分析工作，譬如pandas能帮助你进行数据清洗与可视化，numpy可以简便数组计算，scipy能够实现不同的假设检验，scikit-learn则可以对完整的数据分析建模……如果你已经熟悉了Python的基本语法，不妨了解相关的库来简便数据分析问题。

4.数据可视化工具

觉得用表格展现数据结果太low？数据可视化工具分分钟让你的结果变得高大上！Tableau支持对数据进行不同维度的分析，而且提供了近百种不同的数据呈现方式，让你的数据结果更美观也更直观，发挥出其最大价值。

5.进阶之数据挖掘

如果你想在数据分析上有更深的造诣，那么不妨尝试一下数据挖掘的工作。这需要你熟练linux环境下的编程，学习更高级的机器学习算法，比如决策树、SVM、聚类、线性回归、随机森林、贝叶斯等内容，并了解Hadoop和Spark等大数据开源工具。

数据分析的流程是什么？

1.提出问题

数据分析不能为了分析而分析，而是要落到实处，去解决现实生活中某个问题。因此，提出问题是数据分析的第一步。比方说，你会想知道，知乎上热门答案的答主都来自哪些领域？学校图书馆里哪几类书籍被借阅的次数最多？为什么这个微信公众号能火？最近《复联3》上映了，观众的普遍评价是什么？明确了你想要解决的问题，也能够驱动你的研究兴趣。

2.数据获取

在明确了问题后，接下来则要收集解决问题所需的数据。你可以选用Python的爬虫框架Scrapy，采用编程的方式自定义数据来源与格式，抓取web站点中的结构化数据，通过爬取、解析、存储等过程，获得自己想要的数据，比如豆瓣9分以上的电影，知乎的高赞排行，某个行业的人群信息等等。

此外，一些数据平台也能够提供优质的开源数据，让你可以尽快启程数据分析之旅。比如数据分析与建模的竞赛平台Kaggle上就专门设有dataset板块，为你提供众多关于政府、医疗、科技、流行趋势的开源数据，类似的优质免费数据还可以从World Bank Open Data上获得。

3.数据处理

我们采用的数据可能存在重复、不一致、缺失、异常等情况，因此需要用Python Pandas来完成数据清洗。比如判断并清除数据中的异常值和重复值，针对数据缺失的情况进行数据补全，利用各种逻辑关系整合有关联的数据，由此得到完整正常的数据。

4.数据分析与输出

通过数据可视化的方式，我们把一行行的数据输出为美观的图表，让数据的占比、趋势走向与对比关系更加直观。结合这些可视化图表，我们还需要采用一些数据分析方法来总结数据内容，进行数据决策，最后撰写出一份数据分析报告。

如何训练数据分析的思维？

小芯在上文中介绍了许多数据分析的工具和方法，或许能帮助你在短时间入门，但如果想走得更远，还是要依赖于数据分析中最关键的核心——数据分析的思维。以下是一些思维技巧，可以帮助我们不断优化数据分析思路。

1.5w2h分析法——确定问题含义

对于一个被提出的问题，我们可以通过4w来搞清楚发生了什么，再通过why和how的询问来设想问题的原因和处理方案，通过5w2h的分析方法，我们能够确定数据指标的含义、统计时间和计算公式，帮助我们打下后续数据分析的地基。

2.结构分析法——建立问题结构

通过建立问题的树状结构，我们可以看到问题的各个部分在整体中的位置及占比，从而理解问题的轻重，哪部分内容是解决问题的关键。

3.对比分析法（横向）——判断问题大小

在判断问题大小的时候，我们可以设定关键性指标，与同领域或者类似产品做对比分析。比如对比不同的渠道来源、不同的产品内容、不同的版本、不同的用户群体，从而了解数据的真实情况。

4.趋势分析法（纵向）——看清问题缓急

单看静止的数据，我们难以得出想要的结论，如果能够加入时间纬度，就能更好地发现数据整体变化趋势。如果我们要对公众号月度数据进行分析，不妨将日阅读数据做成一个折线图，从而判断各阅读数据在整体数据中的位置，以及阅读趋势走向如何。

5.矩阵分析法——分析问题原因

在分析问题原因时，可以利用矩阵分析法，将问题分为四个象限去研究讨论，我们所熟知的SWOT就是矩阵分析方法的一种。从结果反推原因，也是数据分析中很重要的一环哦。

如何利用好业余时间？

还是大学生的你，或许时间会被课内学习、项目实验和论文所塞满，有的时候还要兼顾实习和社团活动，往往是信誓旦旦地说要开始学习数据分析，到头来却一事无成。那么，有没有一些高效的学习方法，能够帮助我们只利用业余时间也能掌握好数据分析呢？

1.列好一份数据分析的学习提纲。

在开始学习数据分析以前，你必须要明确自己短期的学习目标是什么，并将这个大目标分解成小目标，把每周和每天的任务具体化。假设你是一个数据分析小白，你的目标是在两个月内入门数据分析，那你需要列一个八周的学习提纲，确定每一周要攻克的学习重点，比如第一周掌握Excel，第二周学习SQL……用目标来激励自己，推动学习进度。

2.将碎片化时间用来阅读数据分析的资讯。

数据分析需要你能够系统化地学习实践，因此宜利用好大块的时间。这需要有意识地记录自己一天中的时间分配，从而寻找到可以利用的整段时间。而碎片化的时间更适合我们用来捡芝麻，比如刷刷知乎和公众号，了解数据分析技巧和学习思路。

3.学习时设定闹钟，关闭手机。

利用业余时间高效学习的关键，就是在学习过程中高度集中注意力，不要让其他事情割裂自己的整块时间。如果开始了今天的学习任务，就设定闹钟，关闭手机，在响铃前全身心的投入到学习中吧。

4.务必复习前一天的学习内容。

根据艾宾浩斯遗忘曲线理论，如果学习的知识没有在第二天及时复习，就会迅速被遗忘，因此需要你在开始第二天的学习任务前回头巩固学过的知识。比如你可以在脑海里回想：昨天在实践数据分析过程中，用到了哪些工具和算法？具体的操作流程又是哪些？以此来不断加深自己的记忆。

5.使用时间管理应用来提高效率

你可以尝试一些工具来帮助你利用好有限的时间。比如Forest，这是一款能帮助你专注于学习任务的app，你需要设置种树时间（即学习时间），单击开始种树，如果在这段时间里偷玩了手机，种的树就会枯萎，通过获得激励的方式让你摆脱手机依赖症。或者你还可以尝试一下Wunderlist app来列todo目标清单，使用Blocky Time时间块app来追踪自己一天的时间分配，使用XMIND来绘制思维导图、构建知识树。类似能够帮助你进行时间管理的app还有很多，可以根据自己的实际需要去选择。

读芯君开扒

数据分析让你的工作如虎添翼

小芯在开头也说到，数据分析在日常工作中应用广泛，如果能结合你未来的就职意向对症下药，针对性地去深挖数据分析技能，就能起到事半功倍的效果。

比如，如果你想从事前端开发，不妨在数据可视化方面稍加用力，深入学习d3.js和echart的内容；如果你想从事财务分析，那么学习BI(business intelligence)进行商业决策必不可少；如果你想做大数据开发工作，Hadoop2也是你要攻克的重点。

在制定了适合自己的学习计划后，不妨充分利用好业余时间，就此踏上数据分析学习之旅。小芯也祝大家学有所成，让未来的你感谢如今拼搏的自己！

留言 点赞 发个朋友圈

我们一起探讨AI落地的最后一公里

作者：蜜柑

参考文献链接：

https://www.zhihu.com/question/22119753/answer/303533823

如需转载，请后台留言，遵守转载规范

推荐文章阅读

长按识别二维码可添加关注

读芯君爱你