零基礎學數據分析師能學嗎？
什麼人適合學？
數據分析一直也是比較熱的話題，零基礎是否可以學習。這個要根據背景來判斷是否適合學習並且做數據分析，我們學習的目的是為了入職，在這領域有更好發展。所以你的城市基因，行業特性，以往工作經驗，學歷，專業，年齡等等這些都需要去評估
可以參考一下下面的兩個內容，明確目標少走彎路
愛數據-橙子：零基礎轉行數據分析，如何規劃學習路徑？?zhuanlan.zhihu.com
我想學好數據分析，做一名數據分析師，應該在哪裡學習呢，學習一些什麼呢？?www.zhihu.com
希望以上回答對題主以及剛剛想步入數據領域的小夥伴有幫助，歡迎同樣困惑的小夥伴可以私信我。或者留言評論進橙子數據學習社群，加油小夥伴們~~~
零基礎學數據分析師當然是可行的，至於什麼人適合學，其實沒有哪一種特定的人群一定適合學數據分析，也沒有哪一種人一定不適合。一名優秀的數據分析師會有部分特質，比如旺盛的好奇心、邏輯清晰、喜歡數字，但更重要的還是後天的努力。
我用了一年的時間從零轉型到現在位元組跳動的數據分析師，用文章把我的學習歷程記錄了下來，望有所幫助
風清揚：我的數據分析師轉型之路，從零到位元組跳動數據分析師?zhuanlan.zhihu.com
數據分析最重要的可能並不是你熟悉的編程工bai具、分析軟體，或者統計學知識，而是清楚你所使用的統計知識（統計學、計量、時間序列、非參數等等）背後的原理、假設及其局限性，知道各種數據分析工具（例如數據挖掘）能帶來什麼，不能帶來什麼，看到一組統計檢驗的結果你能言說什麼，不能言說什麼。這一切的背後，需要一套完整的「科學」邏輯框架，讓你了解自己手中的工具的本質，你才能從數據中正確地發現有效的信息，而不是胡亂地使用一大堆自己都搞不清楚的工具來堆砌分析結果，這樣得到分析結果不僅無用，而且有害。
知道了這些後，希望成長為數據分析師，就需要著手訓練自己的能力和洞察力。既然是數據分析師，那就分別從數據和分析兩方面入手。
這裡為你提供一份學習視頻和資料，可以看下
數據分析師?uniu56bl7kgzt0uf.mikecrm.com可以的，我2016年底從產品經理轉行做數據分析師，17年中旬成為公司業績最好的數據分析師（當時大概30+個分析師吧）。18年2月份成為了一家500人公司的數據分析總監。這裡每一步都有千萬級增長的業績。
從這個行業快速脫穎而出沒有那麼困難。選擇好的企業，跟對合適的團隊，做正確的事，順便學習需要用到的理論知識。就可以做到了。
可定能的，只不過要多補充統計知識和計算機知識。
零基礎學數據分析，能學嗎？
答案是可以，入門是可以的，入門之後要提高就需要在行業紮根了。
數據分析的門檻沒有想的那麼高，零基礎也一樣可以學習。
首先看下數據分析的基本環節
從各環節來看，可以分成硬技能和軟技能兩類
第一層是硬的技能
數據提取、數據分析，裡面會涉及到excel、sql、資料庫的技能，進階的需要掌握python的數據分析庫，需要了解一些挖掘、演算法的初級知識；
產出報告，ppt跑不了，也有需要word的，看具體情況；
掌握這些技能，表示可以幹活，可以完成一個需求了。
第二層是軟的技能
明確分析目的、明確邏輯口徑，以及報告產出後，給需求方、業務方宣講，傳達觀點，需要有良好的溝通能力、演講能力
分析報告最重要的是觀點，沒有觀點的分析報告只能當成報表，而觀點的得出需要有獨立的思考力，對行業有深入的理解；
以上對數據分析做了我理解的拆解，零基礎能不能學，當然可以，路都在這，能不能走通就看自己的毅力和能力了。
在轉行數據分析的過程中，相信很多小夥伴都有這樣的困惑：
面對五花八門的學習資料，不知道從哪兒入手
不了解學習到什麼程度才可以去找工作沒有數據分析項目經驗，害怕找工作被拒
為了讓小夥伴們在轉行過程中少走一些彎路，今天我們就來聊聊0基礎入職數據分析究竟要怎麼找工作。
本期我們將分別從學習方式、學習內容、面試準備這三項內容展開介紹，那麼廢話不多說，我們開始進入正題。
一、學習方式
將學習方式劃分為2類：①裸辭學習 ②在職學習
一般情況我們不建議裸辭，因為裸辭的小夥伴在求職的時候會比較被動：
心態問題 ，如果長時間找不到工作，要承受很大的心理壓力；
HR壓制 ，這裡指HR會壓制你的薪資，比如面試官會問，什麼時間能到崗，你會很急切的回復說，「明天就可以！」相對應的，你的薪資也是「再降點也可以！」。
所以，如果目前的工作不會讓你3秒鐘就原地爆炸的話，真的不要裸辭！
二、學習內容
從初級數據分析師招聘要求的必須技能來看，主要包括理論知識和工具實踐兩部分內容。
理論部分
統計學：為什麼將統計學放在第一位呢？因為統計學是數據分析的基石，而且統計分析可以解決日常大部分的分析需求。統計學這部分內容需要學習描述統計、假設檢驗、貝葉斯、概率、分布、抽樣、線性回歸、時間序列等內容。
數據分析方法論：這裡要學習一些數據分析常用到分析方法，如趨勢分析法、對比分析法、多維分解法、用戶細查、漏斗分析、留存分析、AB測試法、4P理論、PESTEL理論、SWOT分析、5W2H理論、邏輯樹理論、用戶使用行為理論、AARRR模型等。
工具部分
Excel：它是最基礎的數據分析工具。在學習的Excel的時候需要重點掌握：常用函數的使用、快捷鍵操作、基礎圖表製作、數據透視表、Vlookup等。另外Excel還可以導入一些模板來使用，典型的包括數據分析模塊、做假設檢驗經常用到；規劃求解，做線性規劃和決策等問題非常有效。
SQL：它是數據分析的核心技能，SQL要重點學習Select，聚合函數、以及條件查詢（Where、Group by、Order by等）PPT：用來和業務部門交流需求，展示分析結果。Python：主要學習Numpy、Pandas、Matplotlib、Seaborn等內容。Python 的底層是用 C 語言寫的，很多標準庫和第三方庫也都是用 C 寫的，在處理數據時候運行速度非常快。
這裡需要注意的是不同公司對工具的要求也不同，例如有些公司要求會使用R語言、SPSS等，具體學哪一個工具可以參照JD要求，其中Excel、SQL和PPT是必備的基礎技能工具。
三、求職面試
這部分我們先來解答一下文章開頭提到的問題「學習到什麼程度可以去找工作」
其實這個問題要根據面試公司的崗位技能要求來確定，如果是面試初級的數據運營，只要具備基礎的數據分析技能就可以嘗試去找工作了。如果是面試數據分析師，要求則會更高一些。
技能掌握好之後，要根據自己的目標城市、個人愛好、專業優勢等因素確定目標行業。
數據分析是一個行業特徵很明顯的職業，如果你說自己想進入「互聯網」企業，那可能說明你還沒有想清楚自己到底要幹什麼。
因為互聯網的存在是為了解決某個行業的問題（互聯網+企業），比如滴滴、高德地圖是為了解決出行交通行業問題（互聯網+交通出行），比如美團餓了么解決的是餐飲生活類問題（互聯網+餐飲），比如vipkid是為了解決少兒英語學習問題（互聯網+教育），螞蟻金服解決的是金融行業問題（互聯網+金融）
這些行業都需要數據分析師，每個行業的業務知識也不一樣。所以只有確定了行業，才能深入研究這個行業究竟是什麼，對症下藥，這樣轉行的成功率會更大。
行業確定後，接下來要明確目標公司，這裡需要注意的是不同發展階段的企業在數據使用的深度上是不同的。
沉睡型的企業，基本就是用Excel做一些基礎統計和數據整理，做數據分析的人可能也是兼職，就是我們俗稱的「表哥表姐」
在起步階段，企業已經開始產生用數據報表的習慣，工具還是以Excel為主，資料庫為輔，這個階段的企業已經有少量的專職人員來維護資料庫了。
發展型的企業，數據應用深度逐漸轉向了業務，企業開始用數據規範工作，使用的工具變成了以資料庫和專業的分析工具為主，並且企業會有專業的團隊來負責數據工作。
成熟的企業特點更加鮮明，企業有成熟的基於業務場景的數據產品，數據類產品或服務是業務運營的核心組成部分。這時候企業運用的工具往往是數據平台或成熟的數據組件。
所以不同類型或者不同發展階段的的企業對於數據的資源儲備是有極大差異的，對數據人才的要求也不盡相同。
掌握了技能，明確好目標公司，然後就可以準備投遞簡歷了。
這裡建議小夥伴先跨過目標公司去海投，不斷的積累面試經驗。覺得自己OK了，再去投遞目標公司的崗位。
在面試過程中，其實大可不必擔心沒有項目經驗這個問題，既然改變不了這個事實，那我們可以另闢蹊徑，拿自己的技能取勝，這個技能其實就是「數據分析報告」。面試時提前準備好數據報告，能讓自己更好的把握面試節奏。
最後，給自己做一個職業規劃，了解不同層級的數據分析師要掌握什麼技能，想清楚自己未來的目標崗位，不斷的去學習和提升自己，再一步步朝著目標邁進。
肯定可以呀，我就是例子。16年畢業時完全不知道什麼是大數據，應聘進入了一家企業的大數據中心，成為了一名數據分析師，一直到現在，自認還算勝任。
零基礎面臨的困難有:首先是必須學會SQL語言，最好還掌握一門編程語言，Python、R、Java等都可以。其次，數學基礎必須有，數據分析肯定需要大量數據建模，機器學習，這些都離不開數學。不過也不必太擔心，僅僅簡單的高等數學就夠用了。
其實關鍵還是在於學習，不能停止，否則就會落後。
當然可以學。其實想要獲得一份初級數據分析師的工作，對於硬技能的要求並不高，只要你的思辨能力、溝通能力和代碼思維還可以，即使你的SQL能力只有20分，PYTHON能力只有5分，也還是有上崗機會的。
初級數據分析師的日常工作，我覺得可以分為數據建設和分析項目兩個方面，展開來講，數據建設包括指標體系建設和看板設計，主要考察個人對業務的理解能力和溝通協作能力，而分析項目的工作量則主要集中在SQL/PYTHON處理數據、EXCEL/TABLEAU整理數據、基於業務產出方案、PPT輸出結論。
所以轉行數據分析師，要學習的主要是數據處理能力、數據分析能力（注意這裡的重點是「分析」）、講故事的能力。
數據處理能力，是最容易學的；初級數據分析師其實不大會參與太多的建模的工作，大量的都是提取數據和處理數據，主要的工具就是SQL和PYTHON，現在各種自媒體和學習網站的資料都非常豐富，這兩門語言也比較簡單，所以只要你具備一定的代碼基礎，就很容易在比較短的時間內掌握。在這裡可以推薦一下https://www.w3school.com.cn/、廖雪峰老師、網易雲課堂上的大鵬老師系列python教程，再分享一個來自網易雲課堂的截圖。（此處不是廣告 and 侵刪）
數據分析能力和講故事的能力卻難很多，不是能一蹴而就的。一方面要求你理解業務，這樣才知道重點關注什麼，目標是什麼，也才能在龐雜的數據中剝絲抽繭，產出最有價值的結論；另一方面要求你有強大的思辨能力，一千個人中有一千個哈姆雷特，一份數據也可以有很多種不同的解讀，數據分析師需要從多個角度思考，來保證結論足夠solid，可以去說服別人；數據有了，結論靠譜了，還需要有講故事的能力，去說服各方，來讓方案真正落地。如果你不是一個粗心大馬虎，不是一個耿直boy/girl，這些能力也還是能夠依靠長期的堅持學習來積累的。這塊我也是新手，沒啥很有價值的東西來分享，所以推薦一本《金字塔》吧，也建議多看下艾瑞諮詢、Questmobile，多看一些報告。如果有其他推薦的，也歡迎大家回復我補充，共同學習。
最後想說一下，數據分析師是一個在國內火起來比較短的崗位，大家都在談大數據、數據賦能，數據分析師被定義為了一個又懂技術又懂業務的先進角色，但其實以當前國內各大互聯網公司對於數據分析師的定位來講，數據分析師在實際工作場景中的話語權是很弱的，如果你追求想法落地、產生效果、促進業務，那麼可能還是做產品或運營的成就感來的更快一些。供參考吧。
最後祝你學有所成。
沒有真正意義上零基礎的人，因為數據分析除了學習技術之外，還需要一些業務知識。
以職業能力結構的學習圖譜
目前就業市場第一層在5-8K；第二層年薪15-30萬；第三層50萬年薪以上
具體學習路徑與方法：
第一層通用技能
1、 通用技能是作為數據分析師必須具備的分析工具和大數據相關知識；
數據編程：數據編程工具有Python、R、SAS等，目前用的多的是Python,如果有語言基礎的小夥伴上手很快，語法、函數、面向對象這些都比較簡單，沒有基礎的小夥伴也可以自學，不是很難，推薦的學習九道門商業數據分析學院的小白python課，聽完後可以去阿里雲大學官網去做一些Clouder，增加對Python在項目中的使用場景理解，數據清洗、爬蟲、數據分析、數據可視化這些是工作中經常用到的。
建議書籍：《流暢的python》、《利用python進行數據分析》
2、 數據存儲：主要是資料庫、數據建模，分析師對數據倉庫需要了解，這些基礎課程完全可以自學，推薦優達學城裡面有這些課程，老師講的HIA不錯，也可以去九道門做些實驗項目，他們有時候搞活動是免費的；如果你覺得還是難，那就採用最基礎的學習路徑，直接買MYSQL關係型資料庫的書看，隨便到網上去找個免費的MYSQL課程聽；先解決會的問題。
建議書籍：《MySQL從入門到精通》、《高性能MySQL》
另外分散式存儲HDOOP需要簡單了解就可以了，如果能自己搭建3個節點跑通，覺得就OK了。
3、 雲計算：做為分析師對雲計算的技術作為了解就可以了，可以不做目前的強化學習內容。
4、 數據預處理：這個是數據分析師必須時刻記住的事情，這個行業有句行話叫垃圾進來垃圾出去，如果數據質量控制不好，後面做的再牛逼，也是垃圾；這個課程主要是看大家對數據的理解和質量控制的方法，目前市場上有專門的崗位就叫ETL數據清洗工程師；有專門的數據質量控制或者數據清洗的書。
建議閱讀：《python數據處理》、《乾淨的數據——數據清洗入門與實踐》、《ETL工具應用全套》
5、 數據可視化：如果不要求特別美工的話，先理解圖表，再研究研究儀錶板，阿里雲的Quich BI及DataV,百度的echarts都不錯，主要是展示的業務結構需要規劃。
6、 大數據技術:這個相對來說有些難度，如果是學數學統計類專業的小夥伴就非常有優勢了，其他專業的小夥伴也不用擔心，畢竟工作後還可以繼續學習，在工作中用的比較多的是聚類、關聯、決策樹、線性回歸等，如果你不去做模型和演算法工程師那麼只需要會用就可以了，實在不行有專業的工具讓我們用，比如第四範式的產品和阿里雲的機器學習PAN都是可以直接出結果的工具；
推薦書籍：《機器學習實戰》、《深度學習優化與識別》
7、 分析AI：這部分先了解數據分析的基本流程和分析手法；上面的如果都學了，可以到阿里雲大學上面去做幾個數據分析方面的案例，增加對數據分析的流程理解和相關技術應用，但是要注意的是阿里案例都是用阿里的工具來實現的，比較簡單，建議大家自己編程實現，也可以到天池大賽上去看一些案例，自己做做訓練。
或者看視頻案例
以上的工具學習如果自學覺得很難堅持，那就去報培訓班，需要提醒大家的是目前培訓機構魚龍混雜，在工具教學上有些機構還算馬馬虎虎，大部分培訓機構的老師根本沒做過商業分析項目，很多思維方式可能會誤導你。至於那個培訓機構好，看他們的課程設計。
第二層商業分析
學完通用技能後你是否能真正入門，到企業能幹活就看這一層了，在寫這篇學習路徑的時候我幫大家簡單做了中國培訓機構的調查分析，北風網、傳智播客、達內、千峰、兄弟連、容大、華信智原等稍微好點的能做第一層，第二層都做不了，主要原因分析真正做大數據商業諮詢人才都在名企，專業做數據諮詢的公司員工一是沒時間，二是價格高，培訓機構請不起。
我幫大家總結了，目前中國市場大部分企業招聘大數據分析師主要為四個層面服務；一為產品經理服務，國內產品經理不懂數據分析，而新產品的競爭情報分析、產品敏捷測試等都需要數據分析師幫助完成，後期產品迭代優化還是需要數據分析師採集用戶行為、習慣、評價等數據來完成。二是為運營服務，產品運營中的用戶流量、促銷、顧客關係管理等需要數據分析師幫助完成；三是公司數據制定和標準建設、各部門數據打通，數據化管理等工作需要數據分析師完成，四是數據情報和數據預測為高層服務。
從以上四個方面我們再去看第二層的商業分析能力和業務知識能力就顯得尤為重要，這個時候是考驗分析師的業務理解能力及通過數據為企業解決實際問題的能力了。比如分析師的分析流程、分析思維、分析技能、展示說服能力。
小夥伴們要想快速進入第二層只有三種方式：
一是鎖定一個行業，剛開始別嫌工資低，入行1年左右，拼的就是悟性和鑽勁，也能進入，如果運氣好找個專業做數據諮詢的公司那就很快，一個項目下來套路就明白了；
二是能遇到一個比較牛的師傅，人家願意教你；
第三種方法推薦去九道門商業數據分析學院，具體情況小夥伴可以去百度一下九道門。
第三層
上面我說在入行的時候建議大家選擇一個行業，不要輕易換行業，大數據商業分析師對行業的要求很高，本身如果你是行業專家有加上懂數據分析，那就是行業大數據商業分析大牛了，這個需要時間和項目沉澱，現在這種行業大牛在國內很少，因為數據分析行業中國才剛剛發展，企業才剛剛接受這個崗位！
九道門聊數據：小白快速入門大數據分析師行業的學習路徑?zhuanlan.zhihu.com
對計算機有一定了解的都可以學的。可以學習python和R等比較簡單的適合數據分析編程語言。另外需要學習MySQL等一門關係型資料庫。
大數據商業分析：小白快速入門大數據分析師行業的學習路徑?zhuanlan.zhihu.com
具體學習路徑與方法：
第一層通用技能
1、 通用技能是作為數據分析師必須具備的分析工具和大數據相關知識；
數據編程：數據編程工具有Python、R、SAS等，目前用的多的是Python,如果有語言基礎的小夥伴上手很快，語法、函數、面向對象這些都比較簡單，沒有基礎的小夥伴也可以自學，不是很難，推薦的學習《小象學院》每天學習一節課，聽完後可以去阿里雲大學官網去做一些Clouder，增加對Python在項目中的使用場景理解，數據清洗、爬蟲、數據分析、數據可視化這些是工作中經常用到的。
建議書籍：
2、 數據存儲：主要是資料庫、數據建模，分析師對數據倉庫需要了解，這些基礎課程完全可以自學，推薦優達學城裡面有這些課程，老師講的HIA不錯，也可以去九道門做些實驗項目，他們有時候搞活動是免費的；如果你覺得還是難，那就採用最基礎的學習路徑，直接買MYSQL關係型資料庫的書看，隨便到網上去找個免費的MYSQL課程聽；先解決會的問題。
建議書籍：
另外分散式存儲HDOOP需要簡單了解就可以了，如果能自己搭建3個節點跑通，個人覺得就OK了，
3、 雲計算：做為分析師對雲計算的技術作為了解就可以了，可以不做目前的強化學習內容
4、 數據預處理：這個是數據分析師必須時刻記住的事情，從我們這個行業有句行話，叫垃圾進來垃圾出去，如果數據質量控制不好，後面做的再牛逼，也是垃圾；這個課程主要是看大家對數據的理解和質量控制的方法，目前市場上有專門的崗位就叫ETL數據清洗工程師；有專門的數據質量控制或者數據清洗的書。
5、 數據可視化：數據可視化不是很難，如果不要求特別美工的話，大家先理解圖表，再研究研究儀錶板，阿里雲的Quich BI及DataV,百度的echarts都不錯，主要是展示的業務結構需要規劃。
6、 大數據技術:這個相對來說有些難度，如果是學數學統計類專業小夥伴就非常有優勢了，其他專業的小夥伴也不用擔心，畢竟工作後還可以繼續學習，在工作中用的比較多的是聚類、關聯、決策樹、線性回歸等，如果你不去做模型和演算法工程師那麼只需要會用就可以了，實在不行有專業的工具讓我們用，比如第四範式的產品和阿里雲的機器學習PAN都是可以直接出結果的工具；
推薦書籍：
7、 分析AI：這部分先了解數據分析的基本流程和分析手法；上面的如果都學了，可以到阿里雲大學上面去做幾個數據分析方面的案例，增加對數據分析的流程理解和相關技術應用，但是要注意的是阿里案例都是用阿里的工具來實現的，比較簡單，建議大家自己編程實現，也可以到天池大賽上去看一些案例，自己做做訓練。
以上的工具學習如果自學的小夥伴覺得很難堅持，那就只能去報培訓班了，需要提醒大家的是目前培訓機構愚弄混雜，在工具教學上有些機構還算馬馬虎虎，大部分培訓機構的老師根本沒做過商業分析項目，很多思維方式可能會誤導你。至於那個培訓機構好，我也不是很清楚，個人覺得自己堅持以上東西是可以自學的，做好規劃一步步往前，時間可能長點，需要恆心，哈哈！
第二層商業分析
學完通用技能後你是否能真正入門，到企業能幹活就看這一層了，在寫這篇學習路徑的時候我幫大家簡單做了中國培訓機構的調查分析，北風網、傳智播客、達內、千峰、兄弟連、容大、華信智原等稍微好點的能做第一層，第二層都做不了，主要原因分析真正做大數據商業諮詢人才都在名企，專業做數據諮詢的公司員工一是沒時間，二是價格高，培訓機構請不起。
我幫大家總結了，目前中國市場大部分企業招聘大數據分析師主要為四個層面服務；一為產品經理服務，國內產品經理不懂數據分析，而新產品的競爭情報分析、產品敏捷測試等都需要數據分析師幫助完成，後期產品迭代優化還是需要數據分析師採集用戶行為、習慣、評價等數據來完成。二是為運營服務，產品運營中的用戶流量、促銷、顧客關係管理等需要數據分析師幫助完成；三是公司數據制定和標準建設、各部門數據打通，數據化管理等工作需要數據分析師完成，四是數據情報和數據預測為高層服務。
從以上四個方面我們再去看第二層的商業分析能力和業務知識能力就顯得尤為重要，這個時候是考驗分析師的業務理解能力及通過數據為企業解決實際問題的能力了。比如分析師的分析流程、分析思維、分析技能、展示說服能力。
小夥伴們要想快速進入第二層只有三種方式，一是鎖定一個行業，剛開始別嫌工資低，入行1年左右，拼的就是悟性和鑽勁，也能進入，如果運氣好找個專業做數據諮詢的公司那就很快，一個項目下來套路就明白了；二是能遇到一個比較牛的師傅，人家願意教你，這個也很快，我就是遇到師傅的人，半年時間就完成第二層，不過本人原來做過教師，口才、文案這些軟性技能比較強；呵呵。第三種方法推薦去阿里合作夥伴決明科技，這家公司是專門做數據諮詢服務的，這家公司有一塊業務是做教育的，比如企業培訓（阿里的合作企業大數據商業培訓都是這家公司在交付），師資培訓（這家公司每年做二期高校大數據應用師資培訓），去年和前年做了二期大數據商業分析實訓，有的被他們公司留下了，其他學員被阿里系的企業一搶而空，聽說企業招聘一個人還給這個公司錢；不過他們招人實訓要求比較高，首先要本科及以上學歷，要會分析工具和資料庫相關知識；具體情況小夥伴可以去百度一下九道門就知道了。
第三層：上面我說在入行的時候建議大家選擇一個行業，不要輕易換行業，大數據商業分析師對行業的要求很高，本身如果你是行業專家有加上懂數據分析，那就是行業大數據商業分析大牛了，這個需要時間和項目沉澱，現在這種行業大牛在國內很少，因為數據分析行業中國才剛剛發展，企業才剛剛接受這個崗位！
這個行業非常不錯的，非常有潛力，偏商科，技術輔助；真正的大牛不數據分析技術，而是用數據幫助企業在產品、價格、促銷、顧客、流量、財務、廣告、流程、工藝等方面進行價值提升的人。主要是三個方面的分析，一是現狀分析、二是原因分析、三是預測分析。
洋洋洒洒寫了這麼多，希望對您有一些啟發和幫助！也希望我們以後在大數據商業分析的江湖上進行切磋相遇！祝您學業有成，儘快入行，加油！
可以的 ，不過你要考慮你去做什麼行業的數據分析，不結合行業或者你本身對行業不精通，你做的數據分析只會停留表面，所以在學習數據分析技能的時候，還是要選擇一個數據分析的領域
什麼人適合學？
---不討厭數字表格的普通人（可以不那麼熱愛，但是不要看到就想吐）
---溝通順暢的人（不要因為需求太多，和人劍拔弩張）
---持續學習的人（雖不比碼農學到掉發，但技術知識在更新，不能三天打魚三十天曬網）
我認為可以，數據分析並沒有那麼高大上，不要先被各種模型、算式等專業術語搞懵了，完全可以先從學習一些分析套路開始。下面這個公眾號中提到了對比、分類、細分、轉化四種思維模式。詳細可以讀原文，我這裡結合幾個案例說下。
數據分析四大思維?mp.weixin.qq.com
- 對比：數據沒有對比就沒有力量。例如我們如果發現這個月用戶量增長了10%，好還是不好呢？不對比是沒有任何說服里的。如果我們去年每個月平均增長了5%的用戶量，那這個月就很好。但是我們有發現這個月競品竟然增長了15%，這一方面說明競品增長更強勁，相比之下我們的增長就沒那麼好。也可能提示現在我們這類產品整個增長趨勢在變快，需要趕緊布局緊盯市場。你看一開始這個10%的增長需要跟多個數據對比才能發現更多意義，才能有更多洞察。
- 分類：同樣還是發現，用戶量增長了10%。那我們就要區分不同類別的用戶：男性和女性顧客分別漲了多少呢？不同年齡段的顧客長勢有差別嗎？不同地方的用戶長勢有差別嗎？通過多做這樣的分類，給能提示我們到底是哪一部分增長好，哪一部分增長差。例如我們通過這樣細分，發現男性用戶增長了25%，女性用戶只增長了5%。那就說明我們應該在女性用戶上多下功夫了。其實這個跟對比有點像，實際上就是先做分類，再對比。
- 細分：細拆影響指標的要素。比如，用戶量=新用戶+老用戶，這樣我們可以清楚得看到目前的用戶是以老用戶為主呢還是新用戶。如果老用戶居多的話，是需要拓展市場的，如果新用戶太多，那可能是老用戶用過一兩次就不怎麼用了，流失掉了，也是有問題的。
- 轉化：指的是把我們的一些指標分解為具體步驟，看看哪些步驟阻礙了指標。比如新用戶註冊要經歷如下步驟：打開官網??註冊??郵件鏈接驗證??點鏈接註冊成功，如果發現點擊鏈接註冊成功率很低，比如只有15%，那我們就要看這幾個步驟中哪個步驟流失的最多，比如我們發現從註冊的用戶中，只有30%的用戶操作了郵件鏈接驗證，那就說明郵件鏈接驗證是很有問題的，用戶不去點擊，是不是改成發簡訊驗證碼驗證更好呢？改成這樣也許註冊成功率就大大提升。
數據分析的套路無非就是上面這些，當你有了這些思維和方法之後，再去掌握幾個工具，比如Excel，SPSS等，就可以開始做數據分析工作，並且逐步深入。
零基礎轉行數據分析師可以嗎？需要學習什麼？
大數據的發展使得很多人看到了未來發展的趨勢，於是紛紛想去數據分析行業中分一杯羹，但是想進入數據分析行業沒有一身過硬的本事是不可能的，就算進入的數據分析行業，也會被打回原形，從而被淘汰。於是很多人比較關心如果我想轉行進入數據分析師行業，需要學習什麼知識，如果我基礎很差甚至是零基礎，這又該如何是好？估計這給很多沒有進入數據分析行業新人的困惑，那麼零基礎轉行數據分析師需要學習什麼知識呢？下面就由小編為大家一一道來。
首先需要給大家明確一點，那就是數據分析師需要對數據敏感，一般來說，數據分析師是企業的大腦，為運營和決策提供科學依據。需要具備豐富的行業知識以及營銷經濟、數據分析、運營管理等方面的能力。大家在進行學習數據分析知識的時候，首先需要清楚自己想在數據分析行業中做什麼職位。一般來說，數據分析行業有三種方向，第一種就是業餘數據分析方向，具體的職業有統計員、業務分析師、市場分析師等。第二種就是運算方向，具體的職業有數據挖掘工程師，數據建模工程師、數據演算法工程師等等。第三種方向就是管理方向，具體的職業有數據產品經理，項目經理等。
針對上面的職業，需要學習的東西也是逐漸深入的，業餘數據分析方向需要學習統計學、市場分析方法，同時還要學會使用統計分析工具，比如SPSS，一般的公祖要求就是能夠通過定性或者定量的分析，能夠回答運營管理中的問題，這些問題具體指的是用戶的體驗、新產品的開發、產品的定價、市場機會的分析的等等。運算方向需要學習上面提到的內容，還需要學習數據產品設計、能夠記性數據管理（比如MySQL的使用），同時還需要學習使用商業智能平台的操作（比如tableau的使用）。具體的要求就是能夠u獨立搭建企業級的商業智能系統平台，把數據分析工作沉澱下來，實現數據分析的自動化以及智能化。而第三個階段就是項目經理，如果不會機器學習原理、數據挖掘平台以及編程就不是一個合格的項目經理。能夠做到通過數據挖掘軟體對海量數據進行處理，從中發現數據的規律，這樣才是一個優秀的項目經理。 現在互聯網的飛速發展中已經湧現了大量的企業，很多行業已經實現了線上線下的雙運營，所以企業獲得的數據就會變得更容易，而且越來越多的企業已經開展了數據分析相關的業務工作，像零售、電商、金融、醫藥、科技等領域，都在全面鋪展數據分析崗位和產品。由此可見，數據分析師是一個熱門的職業之一。想了解更多演算法知識，和更多資料內容，請加AI小助手：kkb0826作者：CDA數據分析師培訓鏈接：https://www.jianshu.com/p/c2edb92b69b2
我覺得可以呀
先介紹下我自己，本科學的園林，研究生學的統計學，然後做了兩段數據分析的實習。
以我現在淺薄的人生閱歷角度來看，數據分析師的技能主要可以分為兩種，也無外乎硬技能和軟技能。
所謂硬技能，我覺得是可以通過理論性的聯習而獲得的，比如Excel+SQL+Python，可以作為三個入門必備軟體，網上有很多資料，可以自行學習。
軟技能方面，對於數據分析師來說，就是邏輯分析能力+數據思維能力。這兩項感覺很難突擊，需要在實踐中不斷的積累提升，如果要學習的話可以看一些實際的案例分析，或者一些關於數據運營產品的書籍，畢竟，其實數據分析也是為運營，產品，業務所服務的。
所以，其實，我感覺吧，沒有零基礎不可以學的東西，誰不是從零開始的呢？
可以的，推薦一開始按照視頻學習。
推薦秦璐七周的視頻。
牙牙學語的孩童能學會說話么？
數理基礎好的適合，對數據分析的興趣是核心驅動力。
推薦閱讀：
