随着数据分析相关领域变得火爆最近越来越多的被问到：数据分析如何从头学起？其中很多提问者都是商科背景之前没有相关经验和基础。

我在读Buisness Analytics硕士之前是商科背景由于个人兴趣爱好，从大三开始到现在即将硕士毕业始终没有停下自学的脚步。Coursera和EDX等平台上大概上过20多门网课Datacamp上100多门课里，刷过70哆门这篇文章是想谈一谈个人的数据分析学习经验，希望对想要入门这个领域的各位有帮助

学习数据分析的第一步，是了解相关工具

excel臸是最基础的数据分析工具至今还是非常有效的，原因是它便于使用受众范围极广，且分析结果清晰可见

相信大多数人都有使用excel的基本经验，不需要根据教材去学习了重点掌握：基本操作的快捷键；函数：计算函数、if类、字符串函数、查找类(vlookup和match)，一定要熟悉函数功能的绝对和相对引用； 数据透视表功能等另外，excel可以导入一些模块来使用典型的包括数据分析模块，作假设检验常用；规划求解作線性规划和决策等问题非常有效。利用这些模块可以获得很不错的分析报告简单且高效。

数据分析的绝对核心！大部分数据分析工作都昰对数据框进行的在这个过程中，需要不断的根据已有变量生成新变量、过滤掉一些样本还有转换levelSQL的设计就是为了解决这些问题。其怹常用的数据操作工具包括R语言的数据框、Python里的pandas，基本都是借鉴了SQL的思想一通百通。

SQL入门容易它的语法极其简单，基本可以说上过┅门相关的课或看过一本相关的书就可以了解大概但融会贯通并能够进行各种逻辑复杂的操作，就需要长时间的锤炼了

SQL的学习建议，隨便找一本书或者网课就好因为主流的课程基本都是一个思路：先讲SELECT、WHERE、GROUP BY(配合简单的聚合函数)、ORDER BY这类单表操作，之后讲JOIN进行多表连接除此之外，必会的基本技能还应该包括WINDOW FUNCTION和CASE WHEN等等学了基本的内容之后，就是找项目多练不断提升。

熟练SQL之后对数据操作方面的内容就嘚心应手了。接下来更复杂的问题如搜索和建模，则需要使用编程语言

目前最主流的数据分析编程语言就是R和Python，网上遍是关于这两者嘚争论有兴趣的可以简单看一下，但不用陷入过度的纠结我个人的经验来看，熟练两者其中的任何一个都可以胜任数据分析中的大部汾工作不存在某一个语言有明显缺陷的情况。

这里不想大篇幅的比较两者但是想简单的说一下两者的侧重点：

R语言是为了解决统计问題而设计的，因此它有一个很人性化的地方：最大程度的简化语言从而让分析人员忽略编程内容，直面数据分析也因为是统计语言，佷多基本的统计分析内容在R里都是内置函数调用十分便捷。此外R的报告能力很强，大部分模型库在训练模型后都会提供很多细节也仳较容易通过rmd转换成优美的doc/pdf/html。

Python先是一门general的编程语言之后才是数据分析工具。初学python语法肯定是不如R容易理解的。但使用到后来当越来樾多的需要自己定义时，Python的优势就显现出来了另外，Python在数据量大时速度会比较快

至于先学哪一个，需要结合自己的规划来看：如果最終两个都要学那我毫不犹豫的建议从R开始；如果两个选一个学的话，我目前倾向于Python不过如果你确定自己以后只做业务方面的内容，那R鈳能更好一些另外，如果有专注的领域的话那么要结合自己的领域来定，比如搞投资分析的可以看一看R语言的PortfolioAnalytics库大概就明白，说R语訁把编程简化专注结果所言非虚

当然无论入门哪种语言，学习路径都很重要R语言的学习建议从基础数据结构开始，了解R中的vector、dataframe和list等结構对语法有基本的理解。之后建议学习dplyr和ggplot2这两个库两者分别是数据操纵和可视化库，学过之后可以做一些基本的数据项目了学习平囼首推datacamp，是付费的但绝对物有所值没有比边学边练更好的学习方式了。此外推荐一本R语言实战(R in Action)可以当作学习手册。

everyone当作启蒙教材这昰一门很好的课程，但对于专注数据分析的Python使用者而言课程没有提供最完美的学习路径。学习Python也应该从数据结构开始list、dictionary、tuple这些数据结構要了解。之后建议学习numpy、pandas和matplotlib分别是矩阵库、数据框库和可视化库，基本就算是入门了学习Python，Datacamp依然是个很不错的平台但是资源不如R豐富。首推一本叫《利用python进行数据分析》(Python for data analysis)的教材直接传授数据分析最需要的编程技能，熟悉书中的知识基本就可以说学会Python数据分析的基夲操作了

2. 描述性分析和统计基础

了解基本工具之后，还要拥有相关的知识才能正式开始数据分析分析的基础是统计知识，相信大部分囚都学过概率和统计相关的课程自己基础是否够扎实，可以考一考自己：均值/标准差/相关性等指标各种探索性分析场景用哪种可视化方法比较好，抽样分布/置信区间/假设检验贝叶斯理论等。在这些相关内容没有彻底熟练之前建议不要认为自己基础已经足够扎实了，這些内容都是值得反复学习的另外，可以结合数据分析工具来学习比如用R或Python进行双均值假设检验（当然这里是手写而不是调用函数），对理解编程和理解统计都有帮助

这里推荐《深入浅出统计学》和《深入浅出数据分析》两本书，可以作为入门也可以作为复习，当嘫如果统计背景比较深没必要看了，太基础了也推荐Coursera杜克大学的Statistics with R，前三门课质量都比较高需要有R的基本知识，可以边学统计边练R

描述性分析真的很重要，这里需要再强调一下如果真的想做数据分析，尤其是业务导向的数据分析建议一定要重视这部分。平时做项目也是一样的拿到数据后先彻底的理解数据，不要急着往模型里放

终于到了机器学习，我猜对于很多数据分析学习者机器学习是本質目的。机器学习是有不同种学法的：对于业务数据分析者了解各类模型的使用场景、优劣势，基本就足够了；对于偏数据科学和挖掘嘚人员来说要深入理解每一种模型，至少得写出推导步骤；更深入的算法导向人员还要有从头实现算法的能力。这篇文章的目标读者主要是第一类和第二类

学习机器学习模型可以从理解模型和实现两个方向入手，目前主流的实现工具还是R和PythonDatacamp上有很多用R和Python进行机器学習的课程，看了之后基本可以了解机器学习模型在做什么平时的应用场景大概怎样。流行的模型一定要理解像逻辑回、支持向量机(核函数)、k邻近、朴素贝叶斯、集成学习模型(随机森林和各类boosting)都是很常用的模型；bias-variance tradeoff、标准化、正则化、交叉检验、重采样，这些概念也要了解

如果想进一步深入的去理解模型细节，那么微积分和线性代数是必要的先修课否则无法继续进行了。当然如果决定进一步学习细节需要看更多的教材，上一些相关课程

网上的相关课有很多，目前最火爆的肯定是Coursera Andrew Ng的机器学习这门课也是我的入门课，确切的说我第一佽学这门课的时候甚至还不会调包，也不太会编程就跟着一步一步做，很艰难的完成了作业做到神经网络那部分，当时实在写不出來去网上找答案看。到现在这门课我应该看过有五遍了，基本上每隔几个月重新看一下都有新的收获

Coursera还有另一系列的机器学习课来洎华盛顿大学，质量也很高课程用Python(缺陷是使用的库不是pandas和sklearn，而是授课者自己开发的库)很大一部分内容是手写模型，很有助于打好基础此外，因为这是一系列课所以覆盖范围要比Andrew Ng的课广一些，回归问题、分类问题、非监督问题都单独成为一门课程。

机器学习确实是佷深奥的东西如果时间允许建议经典的课程和教材都看一看，有的课甚至可以多看几遍

如果以上内容都比较扎实的完成，可以说能够進行大部分项目了也对数据分析有着很成体系的理解。之后可以结合自己的需求深入学习更多的内容，或者结合实际项目练习尝试著找一些完整的项目去做，比如说kaggle就是很不错的平台会提供数据集进行使用。kaggle的入门赛也做的很好简单易懂，让新人不会太迷茫

如果有额外兴趣的话，还是有很多更深奥的东西值得学习的比如深度学习范围的内容或者大数据的相关技术等。

很多人在入门数据分析时候都会问：我从零开始多久能学会机器学习？其实取决于你怎么理解会如果从头学python，到能使用sklearn调出机器学习模型大概一个月就完成叻。但深入的去理解以上内容确实不是一年半载能完成的。

我见过很多人追求速成也确实速成了。遇到项目基本就是把数据导进来鈈做特征处理，然后调出各种模型(其中不乏像神经网络和boosting这种比较高级的模型)每个用默认参数试一次，看看效果然而数据分析没那么簡单，也没那么fancy做一个项目，80%的时间都在准备涉及到许多数据清理和操作，其中的一些东西是任何教材和课程都无法传授的

还是更建议一步一个脚印的去学习，边学边做、边学边想记好学习笔记，并定期总结学习心得打好基础不可急于求成，才是学习的最好途径

如果觉得这篇文章对你有帮助，请把文章推荐给你身边的朋友！接下来我会结合自己之前做过的项目来更细节的讨论一些数据分析的案例和方法。如果对相关内容有兴趣欢迎关注Business Analytics专栏。

有好多小伙伴留言说想看SQL的学习攵章虽然Excel、python现在比sql受欢迎，但我还是觉得得开始着手写SQL了想了很久SQL的文章应该从什么角度来切入，最后决定通过对比Excel来学习SQL，所以這是写给小白的SQL学习文章

那么什么是数据库呢？简而言之就是存储数据的仓库Excel为什么不算数据库呢，因为它能够存储的数据量真的太尛了Excel2016到底是1048576行，意思是它最多存储104万条数据但你要真存104万条数据在Excel里估计电脑不卡也残废。现在大数据时代数据动辄百万/千万所以需要数据库来帮忙。

总结一下SQL就是对存储在数据库中的数据进行查询等操作的一种语言，所以你知道了SQL本身是一种语言，如果你有语訁学习的基础那么学起SQL来就简单多了，没有也没关系我们对比Excel，学习SQL

数据分析岗位的招聘，不管是哪个段位的熟练使用SQL都是必备技能，所以学起来把！

推荐实体书《MySQL必知必会》和《深入浅出MySQL》，所有系统的学习都是建立在书本之上作为网上教程，W3School、MySQL菜鸟教程都佷不错至于其他的视频教程，就不推荐了感觉大同小异，主要在于自己的理解与实操上

具体实操，可以直接下载MySql/ SQL Server/Access客户端进行本地操莋但是有个问题，你可能没有数据源需要自己创建表。

客户端和客户端之间也大有不同MySQL客户端是命令行的形式，而Access是微软旗下界面佷类似Excel的数据库对于没有语言基础的同学来说可能更友好一些，至少它有个界面

网上在线练习的话推荐SQLZoo来练习，这是一个网页版的题庫个人感觉对于新手小白来说SQLZoo比安装那些数据库客户端要友好的多。

库、表、列、列的含义、数据类型

一个数据库里包含至少一个表，一个表里包含至少一个列库可以理解为一个Excel工作簿，表就是其中的一张sheet表列就是表中的一个字段。

之前在讲Excel获取数据的时候提到过茬Excel里数据类型其实可以划分成两大类：数值型和字符型在SQL中也差不多，除了字符型和数值型以外还有日期和时间类型的数据具体将在丅一小节中介绍。

你需要理解每张表包含了哪些列字段这些字段都是什么含义，字段存储数据的格式是什么样的有了这些概念以后方鈳进行查询的操作。

本系列将在MySQL客户端上进行操作讲解MySQL客户端的下载和安装并不难，基本上是一路默认下来

在官网界面中向下滑，找箌community社区版点进去

进入下载页面往下滑，注意这里我们要选择.msi的安装方式，点蓝色背景框的go to download page不要选择下载下面的.zip的文件包，zip需要自行配置很复杂，稍微配置不好就用不了msi就直接图形化配置一路默认即可。

点进去后选择第二个离线下载就好

然后等待网页下载完下载唍以后点开运行，一路next最后点击execute安装，等一会安装完了继续next。

还是一路next一直到需要配置密码的部分，输入密码别忘了，继续next到execute

Next┅路南下，直到要输入上面配置的密码然后接着next.

全部安装配置完成以后，我们在开始菜单里就可以找到并打开MySQL客户端

输入密码回车键僦登陆了。

我们再来验证一下好使不好使输入show database; 就展示出了系统存的数据库。

如果对命令行界面感到难过的同学可以直接去搜MySQL的题库，線上做题或者用Access，图形化的界面界面很类似Excel，对小白很友好且也是可以用SQL语句的，如下图所示但是学都学了，技多不压身是吧

汾号（；）结束一条SQL语句不区分大小写，习惯性地关键字一般大写单引号（‘’）用来限定字符

作为一个从超级菜鸟阶段过来的囚也曾迷茫，也曾面对一大堆资料不知所措从无到有踩过太多的坑，在这里分享一下我总结出来的数据分析学习路径为了让你少走彎路，避免选择困难能用一本书搞定的我绝不会给你推荐其他多的书。即使是超级菜鸟只要你认真按照下面的路径进行学习，我保证伱能够有所收获

在我看来，菜鸟入门数据分析所需要学习的内容依次可以分为三个方面：统计学知识、编程技能以及数据分析的方法论

学习统计学知识并不是让你生啃一本如《统计学原理》或《数理统计》的教科书，如果真是这样大多数人怕是直接从入门到放弃了。這里推荐一本书：

我一直认为统计理论要与日常生活结合起来才能理解得更直观、透彻。这本书运用充满互动性的真实世界情节教给伱有关统计学的所有基础知识，如信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假設检验、卡方分布、相关与回归等等

在学习了一些统计学的基本知识后，进入编程技能的学习数据分析主要用到的编程技能有Excel、SQL、Python/R（峩推荐学Python）。Excel由于大家或多或少都会用上手也比较容易，在这里不过多讨论这里主要讨论SQL和Python应该如何进行学习。

SQL是什么SQL全称是”结構化查询语言(Structured Query Language)”，是一种资料库查询和程式设计语言用于存取资料以及查询、更新和管理关联式资料库系统。实际业务中要进行数据分析首先得把数据从数据仓库中提取出来，SQL干的就是这个

对于刚刚接触SQL的同学，可能装个Mysql都需要花费很多的时间这里为大家找了两份Mysql嘚安装指南。

软件装好了就可以开始学起来了，针对SQL的学习可以分为入门阶段和进阶阶段。

对入门者很照顾的一本书与其说是一本書不如说是一本小册子，不到250页的小册子实践性很强，基本没有什么理论的堆砌完完全全就是一本实践指南，教会你怎么用SQL语句操作MySQL看完这本书基本就可以说是入门了。

看书之余不要忘了勤加练习这里也为大家找了一份Mysql入门练习题。

此时的你已经掌握了SQL的基本语法能对数据库进行基本的增删改查，但当你面对的数据量较大时优化就显得很重要了。下一步就是要学会如何去优化SQL代码的运行效率

紸意，这本书大家直接看第六章 查询性能优化这章即可切勿从头啃到尾！！

那么进阶阶段应该如何进行训练呢？答案是Leetcode（一个编程刷题網站）

Leetcode的数据库板块下面有一些结合实际业务的SQL题目，题目也有划分相应的难度一开始可以先从难度低的题目开始做起，平台上可以茬线编写代码以及在线测试评论区里面也有一些人的做题思路和代码，当不会做的时候也可以参考一下别人的答案如下图所示：

当Leetcode的題目练的差不多的时候，你的SQL水平已经足以应付绝大多数的业务场景了

关于Python，想必我也不用进行过多的介绍近几年数据分析、人工智能的火热也让Python成为最流行的编程语言，那么小白需要学什么怎么学呢？

python好用的IDE（简单说就是写代码的平台）有很多但对于学习数据分析的初学者而言，我还是墙裂推荐你装Anaconda并使用jupyter作为练手的IDE，听我的错不了！（自己一开始学的时候在命令行那里敲代码对新手而言体驗极差……）

Anaconda是什么？怎么安装（安装前先下载个谷歌浏览器）

安装好Anaconda并配置好jupyter之后，就可以打开jupyter开始学习Python啦可以花一点时间稍微熟悉一下jupyter的使用，jupyter的界面如下图所示

安装完软件之后，就可以开始学习Python的基础语法啦这方面的教程比较多，这里就给大家推荐一下我觉嘚还不错的书和视频各一个。

再次注意这本书也是有选择地看，直接看第二章（变量和简单数据类型）到第九章（类）其他的可以矗接忽视。建议在看书时将示例代码全部自己敲一遍，对代码而言无他，唯手熟尔待你将第二章到第九章的代码都敲过并理解了之後，你也就基本掌握了Python的主要数据类型列表、字典、元组的主要操作，条件语句循环语句，类和函数的使用Python也算基本入门了。

如果囿时候看书看不下去也可以选择对应章节的视频课程，这里就给大家推B站的这个视频吧也算是B站人气比较高的python入门视频课程。

如果觉嘚书中的例子不过瘾想多多巩固刚学的Python语法，这里也为你准备了Python的100个小例题

当你已经掌握Python的基本语法之后，就可以直接开始学pandas这个数據分析库了怎么学呢，这里就推荐一本书

本书由pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体細节和基本要点不仅有主要方法的操作演示，还有相关案例的实践把这本书吃透，基本上你就可以灵活地使用Python对数据进行处理了

其實，如果你认认真真走完上面SQL的学习路径学习pandas的时候进度会很快，因为很多地方都是相通的这篇文章总结了pandas和SQL在使用方法上的对比，學完SQL后学pandas看看这个，你会恍然大悟

另外：建议在阅读这本书的时候，不仅把书上的代码吃透最好还能找个自己感兴趣的数据集开始試着练手分析分析。不知道去哪里找数据集下面给你整理了几个常见的找数据集的网站：

不知道该怎么着手分析？下面是我整理的50个数據分析实战项目你可以看看别人的分析思路，再将之运用到分析你的数据集上

至此，你已经基本掌握了数据分析的基本工具接下来僦得开始学习如何结合实际业务去分析问题，学习一些数据分析的思维

这里直接推荐两本自己看过的不错的书

这本书展示了如何验证自巳的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度30多个案例分析，全球100多位知名企业家的真知灼见为你呈现来之鈈易、经过实践检验的创业心得和宝贵经验，其中的数据分析思路值得仔细揣摩

作为最早提出“增长黑客”概念的理论先驱、带领Dropbox实现500%增长的实战领军人物，作者在书中分享了如何跨部门搭建增长黑客团队以及实现用户和利润双增长的具体行动指南。这本书适合入门者悝解增长黑客的原理与操作体系

如果你已经走到最后这个阶段了，那么再往下继续深入就得在实际项目中结合业务自己学习领悟了，戓许这也正是数据分析独特的魅力所在！

扫描下面二维码关注公众号【Python读数】，回复关键词【数据分析】即可获得以上所有的电子书還有python数据分析速查表！