零基础学数据分析师能学吗？
什么人适合学？
数据分析一直也是比较热的话题，零基础是否可以学习。这个要根据背景来判断是否适合学习并且做数据分析，我们学习的目的是为了入职，在这领域有更好发展。所以你的城市基因，行业特性，以往工作经验，学历，专业，年龄等等这些都需要去评估
可以参考一下下面的两个内容，明确目标少走弯路
爱数据-橙子：零基础转行数据分析，如何规划学习路径？?zhuanlan.zhihu.com
我想学好数据分析，做一名数据分析师，应该在哪里学习呢，学习一些什么呢？?www.zhihu.com
希望以上回答对题主以及刚刚想步入数据领域的小伙伴有帮助，欢迎同样困惑的小伙伴可以私信我。或者留言评论进橙子数据学习社群，加油小伙伴们~~~
零基础学数据分析师当然是可行的，至于什么人适合学，其实没有哪一种特定的人群一定适合学数据分析，也没有哪一种人一定不适合。一名优秀的数据分析师会有部分特质，比如旺盛的好奇心、逻辑清晰、喜欢数字，但更重要的还是后天的努力。
我用了一年的时间从零转型到现在位元组跳动的数据分析师，用文章把我的学习历程记录了下来，望有所帮助
风清扬：我的数据分析师转型之路，从零到位元组跳动数据分析师?zhuanlan.zhihu.com
数据分析最重要的可能并不是你熟悉的编程工bai具、分析软体，或者统计学知识，而是清楚你所使用的统计知识（统计学、计量、时间序列、非参数等等）背后的原理、假设及其局限性，知道各种数据分析工具（例如数据挖掘）能带来什么，不能带来什么，看到一组统计检验的结果你能言说什么，不能言说什么。这一切的背后，需要一套完整的「科学」逻辑框架，让你了解自己手中的工具的本质，你才能从数据中正确地发现有效的信息，而不是胡乱地使用一大堆自己都搞不清楚的工具来堆砌分析结果，这样得到分析结果不仅无用，而且有害。
知道了这些后，希望成长为数据分析师，就需要著手训练自己的能力和洞察力。既然是数据分析师，那就分别从数据和分析两方面入手。
这里为你提供一份学习视频和资料，可以看下
数据分析师?uniu56bl7kgzt0uf.mikecrm.com可以的，我2016年底从产品经理转行做数据分析师，17年中旬成为公司业绩最好的数据分析师（当时大概30+个分析师吧）。18年2月份成为了一家500人公司的数据分析总监。这里每一步都有千万级增长的业绩。
从这个行业快速脱颖而出没有那么困难。选择好的企业，跟对合适的团队，做正确的事，顺便学习需要用到的理论知识。就可以做到了。
可定能的，只不过要多补充统计知识和计算机知识。
零基础学数据分析，能学吗？
答案是可以，入门是可以的，入门之后要提高就需要在行业扎根了。
数据分析的门槛没有想的那么高，零基础也一样可以学习。
首先看下数据分析的基本环节
从各环节来看，可以分成硬技能和软技能两类
第一层是硬的技能
数据提取、数据分析，里面会涉及到excel、sql、资料库的技能，进阶的需要掌握python的数据分析库，需要了解一些挖掘、演算法的初级知识；
产出报告，ppt跑不了，也有需要word的，看具体情况；
掌握这些技能，表示可以干活，可以完成一个需求了。
第二层是软的技能
明确分析目的、明确逻辑口径，以及报告产出后，给需求方、业务方宣讲，传达观点，需要有良好的沟通能力、演讲能力
分析报告最重要的是观点，没有观点的分析报告只能当成报表，而观点的得出需要有独立的思考力，对行业有深入的理解；
以上对数据分析做了我理解的拆解，零基础能不能学，当然可以，路都在这，能不能走通就看自己的毅力和能力了。
在转行数据分析的过程中，相信很多小伙伴都有这样的困惑：
面对五花八门的学习资料，不知道从哪儿入手
不了解学习到什么程度才可以去找工作没有数据分析项目经验，害怕找工作被拒
为了让小伙伴们在转行过程中少走一些弯路，今天我们就来聊聊0基础入职数据分析究竟要怎么找工作。
本期我们将分别从学习方式、学习内容、面试准备这三项内容展开介绍，那么废话不多说，我们开始进入正题。
一、学习方式
将学习方式划分为2类：①裸辞学习 ②在职学习
一般情况我们不建议裸辞，因为裸辞的小伙伴在求职的时候会比较被动：
心态问题 ，如果长时间找不到工作，要承受很大的心理压力；
HR压制 ，这里指HR会压制你的薪资，比如面试官会问，什么时间能到岗，你会很急切的回复说，「明天就可以！」相对应的，你的薪资也是「再降点也可以！」。
所以，如果目前的工作不会让你3秒钟就原地爆炸的话，真的不要裸辞！
二、学习内容
从初级数据分析师招聘要求的必须技能来看，主要包括理论知识和工具实践两部分内容。
理论部分
统计学：为什么将统计学放在第一位呢？因为统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、贝叶斯、概率、分布、抽样、线性回归、时间序列等内容。
数据分析方法论：这里要学习一些数据分析常用到分析方法，如趋势分析法、对比分析法、多维分解法、用户细查、漏斗分析、留存分析、AB测试法、4P理论、PESTEL理论、SWOT分析、5W2H理论、逻辑树理论、用户使用行为理论、AARRR模型等。
工具部分
Excel：它是最基础的数据分析工具。在学习的Excel的时候需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据透视表、Vlookup等。另外Excel还可以导入一些模板来使用，典型的包括数据分析模块、做假设检验经常用到；规划求解，做线性规划和决策等问题非常有效。
SQL：它是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）PPT：用来和业务部门交流需求，展示分析结果。Python：主要学习Numpy、Pandas、Matplotlib、Seaborn等内容。Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，在处理数据时候运行速度非常快。
这里需要注意的是不同公司对工具的要求也不同，例如有些公司要求会使用R语言、SPSS等，具体学哪一个工具可以参照JD要求，其中Excel、SQL和PPT是必备的基础技能工具。
三、求职面试
这部分我们先来解答一下文章开头提到的问题「学习到什么程度可以去找工作」
其实这个问题要根据面试公司的岗位技能要求来确定，如果是面试初级的数据运营，只要具备基础的数据分析技能就可以尝试去找工作了。如果是面试数据分析师，要求则会更高一些。
技能掌握好之后，要根据自己的目标城市、个人爱好、专业优势等因素确定目标行业。
数据分析是一个行业特征很明显的职业，如果你说自己想进入「互联网」企业，那可能说明你还没有想清楚自己到底要干什么。
因为互联网的存在是为了解决某个行业的问题（互联网+企业），比如滴滴、高德地图是为了解决出行交通行业问题（互联网+交通出行），比如美团饿了么解决的是餐饮生活类问题（互联网+餐饮），比如vipkid是为了解决少儿英语学习问题（互联网+教育），蚂蚁金服解决的是金融行业问题（互联网+金融）
这些行业都需要数据分析师，每个行业的业务知识也不一样。所以只有确定了行业，才能深入研究这个行业究竟是什么，对症下药，这样转行的成功率会更大。
行业确定后，接下来要明确目标公司，这里需要注意的是不同发展阶段的企业在数据使用的深度上是不同的。
沉睡型的企业，基本就是用Excel做一些基础统计和数据整理，做数据分析的人可能也是兼职，就是我们俗称的「表哥表姐」
在起步阶段，企业已经开始产生用数据报表的习惯，工具还是以Excel为主，资料库为辅，这个阶段的企业已经有少量的专职人员来维护资料库了。
发展型的企业，数据应用深度逐渐转向了业务，企业开始用数据规范工作，使用的工具变成了以资料库和专业的分析工具为主，并且企业会有专业的团队来负责数据工作。
成熟的企业特点更加鲜明，企业有成熟的基于业务场景的数据产品，数据类产品或服务是业务运营的核心组成部分。这时候企业运用的工具往往是数据平台或成熟的数据组件。
所以不同类型或者不同发展阶段的的企业对于数据的资源储备是有极大差异的，对数据人才的要求也不尽相同。
掌握了技能，明确好目标公司，然后就可以准备投递简历了。
这里建议小伙伴先跨过目标公司去海投，不断的积累面试经验。觉得自己OK了，再去投递目标公司的岗位。
在面试过程中，其实大可不必担心没有项目经验这个问题，既然改变不了这个事实，那我们可以另辟蹊径，拿自己的技能取胜，这个技能其实就是「数据分析报告」。面试时提前准备好数据报告，能让自己更好的把握面试节奏。
最后，给自己做一个职业规划，了解不同层级的数据分析师要掌握什么技能，想清楚自己未来的目标岗位，不断的去学习和提升自己，再一步步朝著目标迈进。
肯定可以呀，我就是例子。16年毕业时完全不知道什么是大数据，应聘进入了一家企业的大数据中心，成为了一名数据分析师，一直到现在，自认还算胜任。
零基础面临的困难有:首先是必须学会SQL语言，最好还掌握一门编程语言，Python、R、Java等都可以。其次，数学基础必须有，数据分析肯定需要大量数据建模，机器学习，这些都离不开数学。不过也不必太担心，仅仅简单的高等数学就够用了。
其实关键还是在于学习，不能停止，否则就会落后。
当然可以学。其实想要获得一份初级数据分析师的工作，对于硬技能的要求并不高，只要你的思辨能力、沟通能力和代码思维还可以，即使你的SQL能力只有20分，PYTHON能力只有5分，也还是有上岗机会的。
初级数据分析师的日常工作，我觉得可以分为数据建设和分析项目两个方面，展开来讲，数据建设包括指标体系建设和看板设计，主要考察个人对业务的理解能力和沟通协作能力，而分析项目的工作量则主要集中在SQL/PYTHON处理数据、EXCEL/TABLEAU整理数据、基于业务产出方案、PPT输出结论。
所以转行数据分析师，要学习的主要是数据处理能力、数据分析能力（注意这里的重点是「分析」）、讲故事的能力。
数据处理能力，是最容易学的；初级数据分析师其实不大会参与太多的建模的工作，大量的都是提取数据和处理数据，主要的工具就是SQL和PYTHON，现在各种自媒体和学习网站的资料都非常丰富，这两门语言也比较简单，所以只要你具备一定的代码基础，就很容易在比较短的时间内掌握。在这里可以推荐一下https://www.w3school.com.cn/、廖雪峰老师、网易云课堂上的大鹏老师系列python教程，再分享一个来自网易云课堂的截图。（此处不是广告 and 侵删）
数据分析能力和讲故事的能力却难很多，不是能一蹴而就的。一方面要求你理解业务，这样才知道重点关注什么，目标是什么，也才能在庞杂的数据中剥丝抽茧，产出最有价值的结论；另一方面要求你有强大的思辨能力，一千个人中有一千个哈姆雷特，一份数据也可以有很多种不同的解读，数据分析师需要从多个角度思考，来保证结论足够solid，可以去说服别人；数据有了，结论靠谱了，还需要有讲故事的能力，去说服各方，来让方案真正落地。如果你不是一个粗心大马虎，不是一个耿直boy/girl，这些能力也还是能够依靠长期的坚持学习来积累的。这块我也是新手，没啥很有价值的东西来分享，所以推荐一本《金字塔》吧，也建议多看下艾瑞咨询、Questmobile，多看一些报告。如果有其他推荐的，也欢迎大家回复我补充，共同学习。
最后想说一下，数据分析师是一个在国内火起来比较短的岗位，大家都在谈大数据、数据赋能，数据分析师被定义为了一个又懂技术又懂业务的先进角色，但其实以当前国内各大互联网公司对于数据分析师的定位来讲，数据分析师在实际工作场景中的话语权是很弱的，如果你追求想法落地、产生效果、促进业务，那么可能还是做产品或运营的成就感来的更快一些。供参考吧。
最后祝你学有所成。
没有真正意义上零基础的人，因为数据分析除了学习技术之外，还需要一些业务知识。
以职业能力结构的学习图谱
目前就业市场第一层在5-8K；第二层年薪15-30万；第三层50万年薪以上
具体学习路径与方法：
第一层通用技能
1、 通用技能是作为数据分析师必须具备的分析工具和大数据相关知识；
数据编程：数据编程工具有Python、R、SAS等，目前用的多的是Python,如果有语言基础的小伙伴上手很快，语法、函数、面向对象这些都比较简单，没有基础的小伙伴也可以自学，不是很难，推荐的学习九道门商业数据分析学院的小白python课，听完后可以去阿里云大学官网去做一些Clouder，增加对Python在项目中的使用场景理解，数据清洗、爬虫、数据分析、数据可视化这些是工作中经常用到的。
建议书籍：《流畅的python》、《利用python进行数据分析》
2、 数据存储：主要是资料库、数据建模，分析师对数据仓库需要了解，这些基础课程完全可以自学，推荐优达学城里面有这些课程，老师讲的HIA不错，也可以去九道门做些实验项目，他们有时候搞活动是免费的；如果你觉得还是难，那就采用最基础的学习路径，直接买MYSQL关系型资料库的书看，随便到网上去找个免费的MYSQL课程听；先解决会的问题。
建议书籍：《MySQL从入门到精通》、《高性能MySQL》
另外分散式存储HDOOP需要简单了解就可以了，如果能自己搭建3个节点跑通，觉得就OK了。
3、 云计算：做为分析师对云计算的技术作为了解就可以了，可以不做目前的强化学习内容。
4、 数据预处理：这个是数据分析师必须时刻记住的事情，这个行业有句行话叫垃圾进来垃圾出去，如果数据质量控制不好，后面做的再牛逼，也是垃圾；这个课程主要是看大家对数据的理解和质量控制的方法，目前市场上有专门的岗位就叫ETL数据清洗工程师；有专门的数据质量控制或者数据清洗的书。
建议阅读：《python数据处理》、《干净的数据——数据清洗入门与实践》、《ETL工具应用全套》
5、 数据可视化：如果不要求特别美工的话，先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划。
6、 大数据技术:这个相对来说有些难度，如果是学数学统计类专业的小伙伴就非常有优势了，其他专业的小伙伴也不用担心，毕竟工作后还可以继续学习，在工作中用的比较多的是聚类、关联、决策树、线性回归等，如果你不去做模型和演算法工程师那么只需要会用就可以了，实在不行有专业的工具让我们用，比如第四范式的产品和阿里云的机器学习PAN都是可以直接出结果的工具；
推荐书籍：《机器学习实战》、《深度学习优化与识别》
7、 分析AI：这部分先了解数据分析的基本流程和分析手法；上面的如果都学了，可以到阿里云大学上面去做几个数据分析方面的案例，增加对数据分析的流程理解和相关技术应用，但是要注意的是阿里案例都是用阿里的工具来实现的，比较简单，建议大家自己编程实现，也可以到天池大赛上去看一些案例，自己做做训练。
或者看视频案例
以上的工具学习如果自学觉得很难坚持，那就去报培训班，需要提醒大家的是目前培训机构鱼龙混杂，在工具教学上有些机构还算马马虎虎，大部分培训机构的老师根本没做过商业分析项目，很多思维方式可能会误导你。至于那个培训机构好，看他们的课程设计。
第二层商业分析
学完通用技能后你是否能真正入门，到企业能干活就看这一层了，在写这篇学习路径的时候我帮大家简单做了中国培训机构的调查分析，北风网、传智播客、达内、千峰、兄弟连、容大、华信智原等稍微好点的能做第一层，第二层都做不了，主要原因分析真正做大数据商业咨询人才都在名企，专业做数据咨询的公司员工一是没时间，二是价格高，培训机构请不起。
我帮大家总结了，目前中国市场大部分企业招聘大数据分析师主要为四个层面服务；一为产品经理服务，国内产品经理不懂数据分析，而新产品的竞争情报分析、产品敏捷测试等都需要数据分析师帮助完成，后期产品迭代优化还是需要数据分析师采集用户行为、习惯、评价等数据来完成。二是为运营服务，产品运营中的用户流量、促销、顾客关系管理等需要数据分析师帮助完成；三是公司数据制定和标准建设、各部门数据打通，数据化管理等工作需要数据分析师完成，四是数据情报和数据预测为高层服务。
从以上四个方面我们再去看第二层的商业分析能力和业务知识能力就显得尤为重要，这个时候是考验分析师的业务理解能力及通过数据为企业解决实际问题的能力了。比如分析师的分析流程、分析思维、分析技能、展示说服能力。
小伙伴们要想快速进入第二层只有三种方式：
一是锁定一个行业，刚开始别嫌工资低，入行1年左右，拼的就是悟性和钻劲，也能进入，如果运气好找个专业做数据咨询的公司那就很快，一个项目下来套路就明白了；
二是能遇到一个比较牛的师傅，人家愿意教你；
第三种方法推荐去九道门商业数据分析学院，具体情况小伙伴可以去百度一下九道门。
第三层
上面我说在入行的时候建议大家选择一个行业，不要轻易换行业，大数据商业分析师对行业的要求很高，本身如果你是行业专家有加上懂数据分析，那就是行业大数据商业分析大牛了，这个需要时间和项目沉淀，现在这种行业大牛在国内很少，因为数据分析行业中国才刚刚发展，企业才刚刚接受这个岗位！
九道门聊数据：小白快速入门大数据分析师行业的学习路径?zhuanlan.zhihu.com
对计算机有一定了解的都可以学的。可以学习python和R等比较简单的适合数据分析编程语言。另外需要学习MySQL等一门关系型资料库。
大数据商业分析：小白快速入门大数据分析师行业的学习路径?zhuanlan.zhihu.com
具体学习路径与方法：
第一层通用技能
1、 通用技能是作为数据分析师必须具备的分析工具和大数据相关知识；
数据编程：数据编程工具有Python、R、SAS等，目前用的多的是Python,如果有语言基础的小伙伴上手很快，语法、函数、面向对象这些都比较简单，没有基础的小伙伴也可以自学，不是很难，推荐的学习《小象学院》每天学习一节课，听完后可以去阿里云大学官网去做一些Clouder，增加对Python在项目中的使用场景理解，数据清洗、爬虫、数据分析、数据可视化这些是工作中经常用到的。
建议书籍：
2、 数据存储：主要是资料库、数据建模，分析师对数据仓库需要了解，这些基础课程完全可以自学，推荐优达学城里面有这些课程，老师讲的HIA不错，也可以去九道门做些实验项目，他们有时候搞活动是免费的；如果你觉得还是难，那就采用最基础的学习路径，直接买MYSQL关系型资料库的书看，随便到网上去找个免费的MYSQL课程听；先解决会的问题。
建议书籍：
另外分散式存储HDOOP需要简单了解就可以了，如果能自己搭建3个节点跑通，个人觉得就OK了，
3、 云计算：做为分析师对云计算的技术作为了解就可以了，可以不做目前的强化学习内容
4、 数据预处理：这个是数据分析师必须时刻记住的事情，从我们这个行业有句行话，叫垃圾进来垃圾出去，如果数据质量控制不好，后面做的再牛逼，也是垃圾；这个课程主要是看大家对数据的理解和质量控制的方法，目前市场上有专门的岗位就叫ETL数据清洗工程师；有专门的数据质量控制或者数据清洗的书。
5、 数据可视化：数据可视化不是很难，如果不要求特别美工的话，大家先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划。
6、 大数据技术:这个相对来说有些难度，如果是学数学统计类专业小伙伴就非常有优势了，其他专业的小伙伴也不用担心，毕竟工作后还可以继续学习，在工作中用的比较多的是聚类、关联、决策树、线性回归等，如果你不去做模型和演算法工程师那么只需要会用就可以了，实在不行有专业的工具让我们用，比如第四范式的产品和阿里云的机器学习PAN都是可以直接出结果的工具；
推荐书籍：
7、 分析AI：这部分先了解数据分析的基本流程和分析手法；上面的如果都学了，可以到阿里云大学上面去做几个数据分析方面的案例，增加对数据分析的流程理解和相关技术应用，但是要注意的是阿里案例都是用阿里的工具来实现的，比较简单，建议大家自己编程实现，也可以到天池大赛上去看一些案例，自己做做训练。
以上的工具学习如果自学的小伙伴觉得很难坚持，那就只能去报培训班了，需要提醒大家的是目前培训机构愚弄混杂，在工具教学上有些机构还算马马虎虎，大部分培训机构的老师根本没做过商业分析项目，很多思维方式可能会误导你。至于那个培训机构好，我也不是很清楚，个人觉得自己坚持以上东西是可以自学的，做好规划一步步往前，时间可能长点，需要恒心，哈哈！
第二层商业分析
学完通用技能后你是否能真正入门，到企业能干活就看这一层了，在写这篇学习路径的时候我帮大家简单做了中国培训机构的调查分析，北风网、传智播客、达内、千峰、兄弟连、容大、华信智原等稍微好点的能做第一层，第二层都做不了，主要原因分析真正做大数据商业咨询人才都在名企，专业做数据咨询的公司员工一是没时间，二是价格高，培训机构请不起。
我帮大家总结了，目前中国市场大部分企业招聘大数据分析师主要为四个层面服务；一为产品经理服务，国内产品经理不懂数据分析，而新产品的竞争情报分析、产品敏捷测试等都需要数据分析师帮助完成，后期产品迭代优化还是需要数据分析师采集用户行为、习惯、评价等数据来完成。二是为运营服务，产品运营中的用户流量、促销、顾客关系管理等需要数据分析师帮助完成；三是公司数据制定和标准建设、各部门数据打通，数据化管理等工作需要数据分析师完成，四是数据情报和数据预测为高层服务。
从以上四个方面我们再去看第二层的商业分析能力和业务知识能力就显得尤为重要，这个时候是考验分析师的业务理解能力及通过数据为企业解决实际问题的能力了。比如分析师的分析流程、分析思维、分析技能、展示说服能力。
小伙伴们要想快速进入第二层只有三种方式，一是锁定一个行业，刚开始别嫌工资低，入行1年左右，拼的就是悟性和钻劲，也能进入，如果运气好找个专业做数据咨询的公司那就很快，一个项目下来套路就明白了；二是能遇到一个比较牛的师傅，人家愿意教你，这个也很快，我就是遇到师傅的人，半年时间就完成第二层，不过本人原来做过教师，口才、文案这些软性技能比较强；呵呵。第三种方法推荐去阿里合作伙伴决明科技，这家公司是专门做数据咨询服务的，这家公司有一块业务是做教育的，比如企业培训（阿里的合作企业大数据商业培训都是这家公司在交付），师资培训（这家公司每年做二期高校大数据应用师资培训），去年和前年做了二期大数据商业分析实训，有的被他们公司留下了，其他学员被阿里系的企业一抢而空，听说企业招聘一个人还给这个公司钱；不过他们招人实训要求比较高，首先要本科及以上学历，要会分析工具和资料库相关知识；具体情况小伙伴可以去百度一下九道门就知道了。
第三层：上面我说在入行的时候建议大家选择一个行业，不要轻易换行业，大数据商业分析师对行业的要求很高，本身如果你是行业专家有加上懂数据分析，那就是行业大数据商业分析大牛了，这个需要时间和项目沉淀，现在这种行业大牛在国内很少，因为数据分析行业中国才刚刚发展，企业才刚刚接受这个岗位！
这个行业非常不错的，非常有潜力，偏商科，技术辅助；真正的大牛不数据分析技术，而是用数据帮助企业在产品、价格、促销、顾客、流量、财务、广告、流程、工艺等方面进行价值提升的人。主要是三个方面的分析，一是现状分析、二是原因分析、三是预测分析。
洋洋洒洒写了这么多，希望对您有一些启发和帮助！也希望我们以后在大数据商业分析的江湖上进行切磋相遇！祝您学业有成，尽快入行，加油！
可以的 ，不过你要考虑你去做什么行业的数据分析，不结合行业或者你本身对行业不精通，你做的数据分析只会停留表面，所以在学习数据分析技能的时候，还是要选择一个数据分析的领域
什么人适合学？
---不讨厌数字表格的普通人（可以不那么热爱，但是不要看到就想吐）
---沟通顺畅的人（不要因为需求太多，和人剑拔弩张）
---持续学习的人（虽不比码农学到掉发，但技术知识在更新，不能三天打鱼三十天晒网）
我认为可以，数据分析并没有那么高大上，不要先被各种模型、算式等专业术语搞懵了，完全可以先从学习一些分析套路开始。下面这个公众号中提到了对比、分类、细分、转化四种思维模式。详细可以读原文，我这里结合几个案例说下。
数据分析四大思维?mp.weixin.qq.com
- 对比：数据没有对比就没有力量。例如我们如果发现这个月用户量增长了10%，好还是不好呢？不对比是没有任何说服里的。如果我们去年每个月平均增长了5%的用户量，那这个月就很好。但是我们有发现这个月竞品竟然增长了15%，这一方面说明竞品增长更强劲，相比之下我们的增长就没那么好。也可能提示现在我们这类产品整个增长趋势在变快，需要赶紧布局紧盯市场。你看一开始这个10%的增长需要跟多个数据对比才能发现更多意义，才能有更多洞察。
- 分类：同样还是发现，用户量增长了10%。那我们就要区分不同类别的用户：男性和女性顾客分别涨了多少呢？不同年龄段的顾客长势有差别吗？不同地方的用户长势有差别吗？通过多做这样的分类，给能提示我们到底是哪一部分增长好，哪一部分增长差。例如我们通过这样细分，发现男性用户增长了25%，女性用户只增长了5%。那就说明我们应该在女性用户上多下功夫了。其实这个跟对比有点像，实际上就是先做分类，再对比。
- 细分：细拆影响指标的要素。比如，用户量=新用户+老用户，这样我们可以清楚得看到目前的用户是以老用户为主呢还是新用户。如果老用户居多的话，是需要拓展市场的，如果新用户太多，那可能是老用户用过一两次就不怎么用了，流失掉了，也是有问题的。
- 转化：指的是把我们的一些指标分解为具体步骤，看看哪些步骤阻碍了指标。比如新用户注册要经历如下步骤：打开官网??注册??邮件链接验证??点链接注册成功，如果发现点击链接注册成功率很低，比如只有15%，那我们就要看这几个步骤中哪个步骤流失的最多，比如我们发现从注册的用户中，只有30%的用户操作了邮件链接验证，那就说明邮件链接验证是很有问题的，用户不去点击，是不是改成发简讯验证码验证更好呢？改成这样也许注册成功率就大大提升。
数据分析的套路无非就是上面这些，当你有了这些思维和方法之后，再去掌握几个工具，比如Excel，SPSS等，就可以开始做数据分析工作，并且逐步深入。
零基础转行数据分析师可以吗？需要学习什么？
大数据的发展使得很多人看到了未来发展的趋势，于是纷纷想去数据分析行业中分一杯羹，但是想进入数据分析行业没有一身过硬的本事是不可能的，就算进入的数据分析行业，也会被打回原形，从而被淘汰。于是很多人比较关心如果我想转行进入数据分析师行业，需要学习什么知识，如果我基础很差甚至是零基础，这又该如何是好？估计这给很多没有进入数据分析行业新人的困惑，那么零基础转行数据分析师需要学习什么知识呢？下面就由小编为大家一一道来。
首先需要给大家明确一点，那就是数据分析师需要对数据敏感，一般来说，数据分析师是企业的大脑，为运营和决策提供科学依据。需要具备丰富的行业知识以及营销经济、数据分析、运营管理等方面的能力。大家在进行学习数据分析知识的时候，首先需要清楚自己想在数据分析行业中做什么职位。一般来说，数据分析行业有三种方向，第一种就是业余数据分析方向，具体的职业有统计员、业务分析师、市场分析师等。第二种就是运算方向，具体的职业有数据挖掘工程师，数据建模工程师、数据演算法工程师等等。第三种方向就是管理方向，具体的职业有数据产品经理，项目经理等。
针对上面的职业，需要学习的东西也是逐渐深入的，业余数据分析方向需要学习统计学、市场分析方法，同时还要学会使用统计分析工具，比如SPSS，一般的公祖要求就是能够通过定性或者定量的分析，能够回答运营管理中的问题，这些问题具体指的是用户的体验、新产品的开发、产品的定价、市场机会的分析的等等。运算方向需要学习上面提到的内容，还需要学习数据产品设计、能够记性数据管理（比如MySQL的使用），同时还需要学习使用商业智能平台的操作（比如tableau的使用）。具体的要求就是能够u独立搭建企业级的商业智能系统平台，把数据分析工作沉淀下来，实现数据分析的自动化以及智能化。而第三个阶段就是项目经理，如果不会机器学习原理、数据挖掘平台以及编程就不是一个合格的项目经理。能够做到通过数据挖掘软体对海量数据进行处理，从中发现数据的规律，这样才是一个优秀的项目经理。 现在互联网的飞速发展中已经涌现了大量的企业，很多行业已经实现了线上线下的双运营，所以企业获得的数据就会变得更容易，而且越来越多的企业已经开展了数据分析相关的业务工作，像零售、电商、金融、医药、科技等领域，都在全面铺展数据分析岗位和产品。由此可见，数据分析师是一个热门的职业之一。想了解更多演算法知识，和更多资料内容，请加AI小助手：kkb0826作者：CDA数据分析师培训链接：https://www.jianshu.com/p/c2edb92b69b2
我觉得可以呀
先介绍下我自己，本科学的园林，研究生学的统计学，然后做了两段数据分析的实习。
以我现在浅薄的人生阅历角度来看，数据分析师的技能主要可以分为两种，也无外乎硬技能和软技能。
所谓硬技能，我觉得是可以通过理论性的联习而获得的，比如Excel+SQL+Python，可以作为三个入门必备软体，网上有很多资料，可以自行学习。
软技能方面，对于数据分析师来说，就是逻辑分析能力+数据思维能力。这两项感觉很难突击，需要在实践中不断的积累提升，如果要学习的话可以看一些实际的案例分析，或者一些关于数据运营产品的书籍，毕竟，其实数据分析也是为运营，产品，业务所服务的。
所以，其实，我感觉吧，没有零基础不可以学的东西，谁不是从零开始的呢？
可以的，推荐一开始按照视频学习。
推荐秦璐七周的视频。
牙牙学语的孩童能学会说话么？
数理基础好的适合，对数据分析的兴趣是核心驱动力。
推荐阅读：
