100小時成為數據分析師

沒有數學基礎，沒有編程基礎，沒有項目經驗，但有一顆想成為數據分析師的心，有沒有辦法?

讓我們拋掉“一定要努力”的雞湯，扔掉“數據科學家必備”的書單，在本文中，我將給出一條方向明確，可操作的實現路徑。

開篇前的定義：

本文中的”100小時成為數據分析師“，指在0基礎(統計學基本不懂，代碼基本不會，數據分析經驗基本沒有)的前提下，使用平均100個小時(隨個人情況不同有所增減)左右的學習時間，獲得互聯網(包括電子商務)或零售等傳統行業(不包括金融)入門級數據分析相關工作(產品、運營、營銷等非技術類職位)的入職資格(入職僅僅是一個開始，真正的學習和挑戰在工作中)。

(溫馨提示：下文較長，如無耐心可只看目錄)

目錄：

一、整體了解數據分析——5小時

二、了解統計學知識——10小時

三、學習初級工具——20小時

四、提升PPT能力——10小時

五、了解數據庫和編程語言——10小時

六、學習高級工具——10小時

七、了解你想去的行業和職位——10+小時

八、做個報告——25小時

九、投簡歷，面試，入職——N小時

一、整體了解數據分析——5小時

新人們被”大數據“、”人工智能“、”21世紀是數據分析師的時代“等等信息吸引過來，立志成為一名數據分析師，于是問題來了，數據分析到底是干什么的?數據分析都包含什么內容?

市面上有很多講數據分析內容的書籍，在此我推薦《深入淺出數據分析》，此書對有基礎人士可稱消遣讀物， 但對新人們還是有一定的作用。閱讀時可不求甚解，重點了解數據分析的流程、應用場景、以及書中提到的若干數據分析工具，無需糾結分析模型的實現。5個小時，足夠你對數據分析工作建立初步的印象，消除陌生感。

二、了解統計學知識——10小時

15個小時只夠你了解一下統計學知識，作為入門足夠，但你要知道，今后隨著工作內容的深入，需要學習更多的統計知識。

本階段推薦書籍有二：《深入淺出統計學》《統計學：從數據到結論》，要了解常用數理統計模型(描述統計指標、聚類、決策樹、貝葉斯分類、回歸等)，重點放在學習模型的工作原理、輸入內容和輸出內容，至于具體的數學推導，學不會可暫放一邊，需要用的時候再回來看。

三、學習初級工具——20小時

對于非技術類數據分析人員，初級工具只推薦一個：EXCEL。推薦書籍為《誰說菜鳥不會數據分析》，基礎篇必須學習，提高篇不一定學(可用其他EXCEL進階書籍)，也可以學習網上的各種公開課。

本階段重點要學習的是EXCEL中級功能使用(數據透視表，函數，各類圖表適用場景及如何制作)，如有余力可學習VBA。

四、提升PPT能力——10小時

作為數據分析人員，PPT制作能力是極其重要的一項能力，因此需要花一點時間來了解如何做重點突出，信息明確的PPT，以及如何把各類圖表插入到PPT中而又便于更新數據。10個小時并不算多，但已經足夠(你從來沒做過PPT的話，需要再增加一些時間)。具體書籍和課程就不推薦了，網上一抓一大把，請自行搜索。

五、了解數據庫和編程語言——10小時

這個階段有兩個目標：學習基礎的數據庫和編程知識以提升你將來的工作效率，以及測試一下你適合學習哪一種高級數據分析工具。對于前者，數據庫建議學MySQL(雖然Hadoop很有用但你不是技術職位，初期用不到)，編程語言建議學Python(繼續安利《深入淺出Python》，我真沒收他們錢……)。數據庫學到聯合查詢就好，性能優化、備份那些內容用不到;Python則是能學多少學多少。

六、學習高級工具——10小時

雖然EXCEL可以解決70%以上的問題，但剩下30%還是需要高級工具來做(不信用EXCEL做個聚類)。高級分析工具有兩個選擇：SPSS和R。雖然R有各種各樣的好處，但我給的建議是根據你在上一步中的學習感覺來定學哪一個工具，要是學編程語言學的很痛苦，就學SPSS，要是學的很快樂，就學R。不管用哪一種工具，都要把你學統計學時候學會的重點模型跑一遍，學會建立模型和小幅優化模型即可。

七、了解你想去的行業和職位——10+小時

這里我在時間上寫了個”+“號，因為這一步并不一定要用整塊時間來學習，它是貫穿在你整個學習過程中的。數據分析師最需要不斷提升的能力就是行業和業務知識，沒有之一。你將來想投入哪個行業和哪個職位的方向，就要去學習相關的知識(比如你想做網站運營，那就要了解互聯網背景知識、網站運營指標體系、用戶運營知識等內容)。

八、做個報告——25小時

你學習了那么多內容，但現在出去的話你還是找不到好工作。所有的招聘人員都會問你一句話：你做過哪些實際項目?(即使你是應屆生也一樣) 如果你有相關的項目經驗或者實習經驗，當然可以拿出來，但是如果沒有，怎么辦?答案很簡單，做個報告給他們看，告訴招聘者：我已經有了數據分析入門級(甚至進階級)職位的能力。同時，做報告也會是你將來工作的主要內容，因此也有可能出現另外一種情況：你費盡心血做了一個報告，然后發現這不是你想要的生活，決定去干別的工作了……這也是件好事，有數據分析能力的人做其他工作也算有一項優勢。

在此只說做報告的幾個要點：

1、先定好分析目標，梳理好分析邏輯，然后再做其他工作，否則要么沒有結論，要么邏輯生硬不合理，要么多次返工……

2、數據來源：首選網上的各種公開數據庫和數據源，國外的數據比較規整，國內的數據背景學習成本相對低;

3、數據清洗整理：這項工作通常要占到40%-50%甚至更多的時間，請做好多次重來的心理準備。

4、工具使用：如無能夠解釋分析過程和結果的信心，請多用描述統計多作圖，少用聚類等分析模型，工具和模型是為分析目標服務的，不要為了使用而使用。

5、報告制作：注意三點：

(1)雖然”圖比表好，表比字好“，但前提是你能清楚的表達出想要表達的內容，該用文字的時候還是要用文字;

(2)分析一定要有結論，結論一定要有數據支持;

(3)如果使用了一些你當前所屬組織(公司或學校)的專有數據，請在具體的數值上打馬賽克，且最好不要標注具體來源(寫到某公司或某學校即可)，這是作為一個數據分析師的職業素養，面試時有加分。

6、做好多次修改完善報告的心理準備。

九、投簡歷，面試，入職——N小時

投簡歷的時候不要看見職位里帶”數據分析師“就投!帶這個關鍵字的，有錄入整理數據的最低級職位，也有需要寫代碼的開發人員(數據分析師，數據挖掘工程師，傻傻分不清楚)，看好職位描述再投!需要3年以上工作經驗的，可以投但不要抱希望;需要1年以上工作經驗的，你手里有做好的報告，請轉成PDF文件，然后向他們砸過去……很大幾率能中。

面試時候基本上會問一些”你認為數據分析都包含哪些工作“，”你之前做過什么數據分析項目“，”你印象最深刻的項目是哪一個“，”你覺得數據分析哪部分最重要“，”你在工作中碰到過什么難題“之類的問題，你已經做過一份完整報告所以這些問題應該都能答上來，基本都是開放式問題，沒有標準答案，不必緊張。如果碰上讓你寫代碼或者做算法題的，默默退了吧，他們要招的是開發……

N次面試之后，準備入職吧，正式開始你作為數據分析師的征程。