哪裡學習數據分析

A. 數據分析去哪裡學

隨著互聯網行業的快速發展，數據分析培訓已成了IT培訓行業熱門培訓。據數據得知，企業對大數據人才的需求在逐漸增長，對於那些想要入行大數據而沒有經驗的人來說，參加數據分析培訓無疑是一個不錯的選擇。

1、數據分析培訓機構的學習氛圍好。

身邊有不少朋友選擇自學數據分析，但自身約束能力和競爭意思較差，三天打魚兩天曬網成了常態，而培訓機構的學習氛圍就不一樣了，二三十人聚集到一個教室里，大家都為了日後找到體面的工作而努力，肯定不會像以前一樣報天打游戲。

2、數據分析培訓機構有專業的導師輔導。

如果自學數據分析的話，遇到一個難懂的技術問題，憋了一腦門子汗好不容易找到了答案，結果不知道是什麼意思，而在培訓機構學習就不同了，雖然在培訓機構花了高價格學費，但最大的好處就是有專業的導師指點、從入門到熟練掌握、詳細講解項目經驗等，這確實可以加快學習，也能夠深入理解學習重點。

3、數據分析培訓機構有實訓項目。

很多學員都一致認為，去培訓機構學習最大的好處就是有名企的導師為自己制定實訓項目，指點作品中的不足，最終形成一份好，而好的作品對提升面試概率有很大的幫助，日後也更容易勝任企業真實的項目開發工作。

4、通過數據分析培訓機構有進入名企的機會。

不少學員表示從學校畢業後進入名企的概率很低，主要是因為自己對技術知識掌握不全面，項目實訓時間短，進入企業不能夠勝任項目開發，而培訓機構是通向名企的便捷途徑。

數據分析培訓機構里資源、經驗、案例、嚴師對提升個人能力有很大的幫助，如果不想浪費自己的青春年華，然而CDA認證機構是一個不錯的選擇，CDA（Certified Data Analyst），是大數據和人工智慧時代面向國際范圍全行業的數據分析專業人才職業簡稱，具體指在互聯網、金融、咨詢、電信、零售、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、提供決策的新型數據人才。

B. 去哪學數據分析比較好

數據分析你可以自己買相關書籍自學，因為只要簡單的數據分析沒必要特意找機構學。比如買Excel或者SPSS的講得略深一些的書，Excel書得有數據透視表相關內容。如果想加一門語言學得更深一些可以買本R語言的書，數據分析或數據挖掘常用R做。

C. 大數據分析去哪裡學

最著名的大學南京郵電大學已經開設了大數據分析課程

D. 如何學習數據分析

對於自學數據分析，很多零基礎的小夥伴都有以下的疑問。

「我數學不好身，可以學習數據分析嗎？」

「我英語不好，可以成為數據分析師嗎？」

「我沒有編程基礎可以學習數據分析嗎？」

......

其實學習數據分析要比想像中容易得多，通常一提到數據分析就會想到各種數據和編程，讓人頭大，讓很多零基礎的小夥伴不知道如何下手學習。但是在IT行業中，數據分析往往是最容易入門和學習的，薪資也是比較高的，很多零基礎的小夥伴被數據分析嚇到勸退往往是不知道怎麼樣高效學習，沒有找到適合自己的方法。想要了解更多，點擊下方鏈接就能找到我。

接下來就講講如何自學數據分析，學習步驟如下

• 自學數據分析推薦書籍

• 數據分析常用的工具

• 數據分析常見面試問題

• 一些小建議

1.自學數據分析推薦書籍

入門篇

對於剛走上數據分析這條路的小白們，面對每天的工作可能已經手忙腳亂，但工作後面的邏輯及工具的應用，真的已經了解了嗎？

從事數據分析的小白們，很多都和一樣是半路出家，甚至有些文科的小夥伴，也對數據分析非常感興趣。但是喜歡歸喜歡，基礎的知識還是得必備。

1. 《深入淺出數據分析》

這本書可以說是很多數據分析師的啟蒙書籍。

怎麼提升銷量、怎麼分析a門店比b門店好、怎麼進行細分分析和對比分析......在讀完這本書之後，跟著Acme在重重挑戰之下，對數據分析有了一個整體認識。

2. 《深入淺出統計學》

什麼是統計？什麼是眾數、異常值、四分位數？幾何分布，泊松分布，二項分布又是什麼？如何對數據進行預測？預測數據和置信區間又有什麼關系？

這些名詞是不是很可怕？沒事，這本書寫得非常淺顯易懂，很多圖片和對話，像看漫畫書一樣，把統計學學了。

3. 《誰說菜鳥不會數據分析》

牛老闆和應屆生小白之間的職場小故事，像看一本小說一樣，但是其中會告訴你什麼是數據分析，處理數據的技巧，提升圖表之美，如何建立結構化思維等等。和第一本書類似，看書也是多多益善嘛~

4. 《漫畫統計學》

這本書真的是以漫畫的形式來講統計學了，在詼諧的人物肢體和幽默的對話之間，傳達統計知識，讓無聊的數字變得生動有趣。

這本書可以在閑暇又不想學習的時候來打發時間呀，既學到了知識，又沒那麼累。

進階篇

想必這段時間，小白們也有了一定的工作經驗，對於數據分析有了稍微具體的認識。這時的目標是學習更加系統的數據思維。

5. 《商務與經濟統計》

戴維 R.安德森的這本書，把數據處理、數據分析、業務三者相結合，還有不少統計學的知識。

記得以前看這本書的時候，拿著贈送的數據一邊模擬操作，一邊學習。在實踐中對處理方法更加熟練，也對業務當中的數據分析有了更加立體的認識。

6. 《機器學習》

周志華先生寫的這本《機器學習》，俗稱西瓜書，是用西瓜的例子來引導一個又一個演算法的介紹及應用。

跟著這本書，倒是學會了用Python編了個聚類演算法，哈哈。不過這本書比較難，沒有一定的統計基礎和編程基礎，還是就了解了解吧。想要學習更多數據分析知識，點擊下方鏈接找到我。

2.數據分析常用的工具

(一)、常見數據分析工具

①、EXCEL

EXCEL可以說是數據分析師最常用的統計分析工具，它

使用廣泛，容易上手，小規模數據的處理成本低，樣式處理方便。

應該說只有學會了Vlookup，數據透視和基本公式才算EXCEL入門。

②、SQL

作為數據分析人員，要想獲取數據，肯定就要和資料庫打交道，因此sql肯定是要掌握的，在招聘要求中，sql也是很多數據分析崗位的能力要求之一。

SQL具有行業通用的優勢，它的語法簡單，獨立於資料庫本身。

③、Python

Python作為目前最火的編程軟體之一，確實在數據分析、數據挖掘上有著獨特優勢。它主要用於做一些像數據挖掘的項目，或者說一些數據可視化等等。

④、PPT

那麼最後，數據呈現，分析報告主要就是由PPT來實現，它是將分析關鍵結果傳遞給其他的重要手段。

學好PPT可以提升溝通和消息傳遞效率，也是數據分析師必備的技能。

E. 學歷低，想學習數據分析，去哪學比較好

照我多年的觀察，學習大數據的人群學歷最低基本上是在大專，一般都是本科或碩士生居多，不過這不是絕對的，畢竟大數據相關職位對行業知識和項目經驗也很看重，如果家庭經濟情況允許，自己學習意願也比較強的，在校生可以選擇讀研，已經本科畢業出來的學生，可以選擇報一個大數據就業班之類的，系統地提高一下自己的業務能力和實操經驗。

對於學歷這個問題，一般來說，當你沒有任何基礎的時候，能拿得出手的只有學歷，本科生當然競爭不過研究生。但是隨著工作時間久了，你的能力達到了這個職位的要求，學歷就不重要了。尤其是對業務能力要求比較高的數據分析師、數據挖掘師這些職位，你的行業知識和業務理解能力在很多情況下比學歷更加重要。

至於去哪裡學，這個你可以貨比三家，結合自己的專業背景和興趣偏好，選擇你更加喜歡或更加信任的課程，雖然課程整體上都是大同小異，但講師的授課方式和個人水平很重要，一定要找好符合自己心態和感官的講師，這樣你學起來會更加得心應手。我們CDA也有大數據分析就業班，有時間可以了解一下，讓課程顧問幫你好好分析分析你目前所處的水平在什麼位置，然後再量身為你推薦適合你學習的課程。

為讓更多有志人士實現AI夢，進入人工智慧行業，CDA數據分析師為小夥伴們量身打造了《CDA人工智慧就業班》。課程採用「case by case」的方式，通過實際案例手把手將人工智慧技術傳授給學員。

不僅如此，我們還為《CDA人工智慧就業班》成功畢業的學員，開通了就業直通車，為其推薦相關工作單位。

同時，報名參加CDA數據分析師培訓課程的學員或企業，還可申請政府補貼，每人每年合計最高可達1萬元，具體的補貼標准請詳細咨詢哦！

F. 學習數據分析有什麼值得推薦的網站

縱觀互聯網，哪個不是靠數據分析來調整自身的產品，所以我們的網站也要開始進入數據分析時代，及時發現網站自身問題，而後針對性的解決問題，而不是盲目的靠猜，下面太原seo學習網就給大家上干貨——8分鍾輕松搞定網站數據分析!

1、要學會及時發現蛛絲馬跡

很多時候，我們搞seo的不是等問題出來了，問題放大了才去解決，而是要在平時的點點滴滴中通過我們的經驗去發現小問題。帶著這些問題我們進行網站數據分析會讓問題變得簡單直接。

2、網站數據分析要經常關注pv、uv、ip、跳出率

從網路統計工具的後台就可以很清楚的看到我們網站的pv、uv、ip、跳出率，為什麼網路會把這幾個數據放在後台最顯眼的位置呢?聰明的seo已經猜到了，網路現在對於網站的整體權重判斷依據之一就是來源於這幾個重要數據。

3、網站來源分析、地域分布是法寶

一般情況下我們網站的外鏈做的不一定是越多越好，而是質量越高越好，那麼這個質量從哪裡能看出來呢?從網路統計的來源分析中就可以看到我們網站的哪些外鏈是流量最大的入口，分析過後就可以針對性的將流量大的入口進行調整發布量，而流量小的入口就可以放棄了，畢竟我們人少不夠，精力有限嘛!

4、必須分析的受訪頁面、著陸頁和搜索詞

這三個數據應該說是整個網站數據分析中的壓軸大戲了，因為我們要進行准確的站內布局以及頁面調整都得靠這三個數據。

分析受訪頁面可以分析出我們網站哪些頁面最受用戶喜歡，能看出推廣、外鏈以及內鏈效果做的怎麼樣，分析搜索詞可以得出現在用戶喜歡從哪些詞進入我們的網站。

著陸頁數據分析可以體現出網站外鏈、推廣鏈接以及網站現在排名的效果，如果網站沒有關鍵詞排名，可以以此來推測我們的推廣、外鏈的效果做的怎麼樣。

我們還可以通過搜索詞分析哪些關鍵詞給我們帶來了流量，以及訪問的頁面是哪些，訪問頁的跳出率是多少，是不是應該推廣這個頁面幫助它提升排名。

5、分析頁面點擊圖和頁面上下游

頁面點擊圖相信大家都設置過吧，但是真正的用途是什麼呢?絕對不是讓你看看自己是不是色盲這么簡單。利用頁面點擊圖可以調整網站首頁布局，顏色越紅的內容應該放置最容易被用戶看到的位置，顏色淺的內容就應該往下面放。而點擊很少或者沒有點擊的內容可以從首頁移除。

頁面上下游主要是用來分析用戶瀏覽網頁的軌跡，我們大概從上下游的數據可以發現用戶點擊最多的文章是哪一篇，以及哪些頁面的跳出率高。

G. 如何學習數據分析

首先我說說這兩種方向共同需要的技術面，當然以下只是按照數據分析入門的標准來寫：

1. SQL（資料庫），我們都知道數據分析師每天都會處理海量的數據，這些數據來源於資料庫，那麼怎麼從資料庫取數據？如何建立兩表、三表之間的關系？怎麼取到自己想要的特定的數據？等等這些數據選擇問題就是你首要考慮的問題，而這些問題都是通過SQL解決的，所以SQL是數據分析的最基礎的技能，零基礎學習SQL可以閱讀這里：SQL教程_w3cschool

2. 統計學基礎，數據分析的前提要對數據有感知，數據如何收集？數據整體分布是怎樣的？如果有時間維度的話隨著時間的變化是怎樣的？數據的平均值是什麼？數據的最大值最小值指什麼？數據相關與回歸、時間序列分析和預測等等，這些在網易公開課上倒是有不錯的教程：哈里斯堡社區大學公開課：統計學入門_全24集_網易公開課
3.Python或者R的基礎，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。至於學習資料：R語言我不太清楚，Python方向可以在廖雪峰廖老師的博客里看Python教程，面向零基礎。
再說說兩者有區別的技能樹：

1.數據挖掘向
我先打個前哨，想要在一兩個月內快速成為數據挖掘向的數據分析師基本不可能，做數據挖掘必須要底子深基礎牢，編程語言基礎、演算法、數據結構、統計學知識樣樣不能少，而這些不是你自習一兩個月就能完全掌握的。
所以想做數據挖掘方向的，一定要花時間把軟體工程專業學習的計算機基礎課程看完，這些課程包括：數據結構、演算法，可以在這里一探究竟：如何學習數據結構？
在此之後你可以動手用Python去嘗試實現數據挖掘的十八大演算法：數據挖掘18大演算法實現以及其他相關經典DM演算法
2.產品經理向
產品經理向需要你對業務感知能力強，對數據十分敏感，掌握常用的一些業務分析模型套路，企業經常招聘的崗位是：商業分析、數據運營、用戶研究、策略分析等等。這方面的學習書籍就很多，看得越多掌握的方法越多，我說幾本我看過的或者很多人推薦的書籍：《增長黑客》、《網站分析實戰》、《精益數據分析》、《深入淺出數據分析》、《啤酒與尿布》、《數據之魅》、《Storytelling with Data》

H. 哪裡可以學習數據分析

大數據分析師有兩種崗位定位：
大數據科學家，Data Scientist，DS
大數據工程師，Data Engineer，DE
DS的職能是演算法分析，是基於對行業背景的了解幫助客戶作出預期計算。而這裡面就會涉及到很多專業知識，俗稱統計分析。我這里可以學習數據分析。

I. 數據分析師需要學習哪裡內容

1、數學知識

數學知識是數據分析師的基礎知識。對於初級數據分析師，了解一些描述統計相關的基礎內容，有一定的公式計算能力即可，了解常用統計模型演算法則是加分。

對於高級數據分析師，統計模型相關知識是必備能力，線性代數（主要是矩陣計算相關知識）最好也有一定的了解。

而對於數據挖掘工程師，除了統計學以外，各類演算法也需要熟練使用，對數學的要求是最高的。

所以數據分析並非一定要數學能力非常好才能學習，只要看你想往哪個方向發展，數據分析也有偏「文」的一面，特別是女孩子，可以往文檔寫作這一方向發展。

2、分析工具

對於初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。

對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。

對於數據挖掘工程師……嗯，會用用Excel就行了，主要工作要靠寫代碼來解決呢。

3、編程語言

對於初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。

對於高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。

對於數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。

4、業務理解

業務理解說是數據分析師所有工作的基礎也不為過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴於數據分析師對業務本身的理解。

對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。

對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。

對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。

業務能力是優秀數據分析師必備的，如果你之前對某一行業已經非常熟悉，再學習數據分析，是非常正確的做法。剛畢業沒有行業經驗也可以慢慢培養，無需擔心。

4、邏輯思維

這項能力在我之前的文章中提的比較少，這次單獨拿出來說一下。

對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。

對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關系，清楚每一個指標變化的前因後果，會給業務帶來的影響。

對於數據挖掘工程師，邏輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。

5、數據可視化

數據可視化說起來很高大上，其實包括的范圍很廣，做個PPT里邊放上數據圖表也可以算是數據可視化，所以我認為這是一項普遍需要的能力。

對於初級數據分析師，能用Excel和PPT做出基本的圖表和報告，能清楚的展示數據，就達到目標了。

對於高級數據分析師，需要探尋更好的數據可視化方法，使用更有效的數據可視化工具，根據實際需求做出或簡單或復雜，但適合受眾觀看的數據可視化內容。

對於數據挖掘工程師，了解一些數據可視化工具是有必要的，也要根據需求做一些復雜的可視化圖表，但通常不需要考慮太多美化的問題。

6、協調溝通

對於初級數據分析師，了解業務、尋找數據、講解報告，都需要和不同部門的人打交道，因此溝通能力很重要。

對於高級數據分析師，需要開始獨立帶項目，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。

對於數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。

7、快速學習

無論做數據分析的哪個方向，初級還是高級，都需要有快速學習的能力，學業務邏輯、學行業知識、學技術工具、學分析框架……數據分析領域中有學不完的內容，需要大家有一顆時刻不忘學習的心。

快速學習非常重要，只有快速進入這一行業，才能搶佔先機，獲得更多的經驗和機會。如果你完全零基礎想要盡快進入數據分析行業，選擇一家專業的大數據培訓機構是個不錯的選擇。縮短學習周期，提高學習效率，時間即金錢！