⑴ 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。
⑵ 數據分析去哪裡學
數據分析的學習可以分為兩個途徑：
1.自學：需要有極強的自律性，以及對學習資料和內容篩選的能力。否則效率會非常的低，而且一定要制定學習計劃，根據學習計劃執行。
包括投遞簡歷的時間，入職的時間等等。都要給自己一個規劃。否則會容易懈怠。資料可以去通過一些行業領域的公眾號，數據領域相關網站以及知乎，B站等去獲取。
2.報班：效率會相對比較高，而且會非常快速的收獲並且融入數據圈獲得更多資源。讓自己有一個更好的發展路徑規劃。
但是選擇機構就要非常的謹慎，避免掉坑。可以從師資力量（講師是否在職，切記紙上談兵的講師），課程實用性（要有實戰以及真實資料庫），職場支持（根據城市基因個人背景做支持，忌所謂的包就業）等內容綜合做評估。
最後，一定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。
關於數據分析的相關了解可以咨詢一下CDA認證機構，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。
⑶ 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。
⑷ 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。
⑸ 數據分析怎麼學習呢需要學習什麼
想要學習數據分析，首先你要知道成為一名數據分析師所需要具備的技能：
數學知識
對於初級數據分析師來說，則需要了解統計相關的基礎性內容，公式計算，統計模型等。當你獲得一份數據集時，需要先進行了解數據集的質量，進行描述統計。
而對於高級數據分析師，必須具備統計模型的能力，線性代數也要有一定的了解。
分析工具
對於分析工具，SQL 是必須會的，還有要熟悉Excel數據透視表和公式的使用，另外，還要學會一個統計分析工具，SAS作為入門是比較好的，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）可以視情況而定。
編程語言
數據分析領域最熱門的兩大語言是 R 和 Python。涉及各類統計函數和工具的調用，R無疑有優勢。但是大數據量的處理力不足，學習曲線比較陡峭。Python 適用性強，可以將分析的過程腳本化。所以，如果你想在這一領域有所發展，學習 Python 也是相當有必要的。
當然其他編程語言也是需要掌握的。要有獨立把數據化為己用的能力, 這其中SQL 是最基本的，你必須會用 SQL 查詢數據、會快速寫程序分析數據。當然，編程技術不需要達到軟體工程師的水平。要想更深入的分析問題你可能還會用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。
業務理解
對業務的理解是數據分析師工作的基礎，數據的獲取方案、指標的選取、還有最終結論的洞察，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。
邏輯思維
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，羅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。
數據可視化
數據可視化主要藉助於圖形化手段，清晰有效地傳達與溝通信息。聽起來很高大上，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。
對於初級數據分析師，能用 Excel 和 PPT 做出基本的圖表和報告，能清楚地展示數據，就達到目標了。對於稍高級的數據分析師，需要使用更有效的數據分析工具，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。
協調溝通
數據分析師不僅需要具備破譯數據的能力，也經常被要求向項目經理和部門主管提供有關某些數據點的建議，所以，你需要有較強的交流能力。
通過了解數據分析需要具備的技能，學習的方向也就迎刃而解了。
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。
⑹ 數據分析沒有基礎，應該從哪方面開始學習
你這個如果零基礎的話，那你可能無從下手去學習的。這個最好是系統的報這個專業。如果你學習這個專業的話，那就是從零基礎開始系統學習。
⑺ 我想學數據分析，應該學習哪些方面的知識，該從哪開始呢謝謝！
初級報表
⑻ 數據分析從哪裡開始入門學習，可以推薦的書有哪
《深入淺出統計學》
《從零進階！數據分析的統計基礎》
《誰說菜鳥不會數據分析》
《精益數據分析》
《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》......
⑼ 如何學習數據分析
我覺得得看基礎或者說背景怎麼樣了吧，我是零基礎的，所以報了CDA數據研究院的就業班現在在學習，可能有些有基礎的可以自學，但是感覺沒基礎的話最好還是報個班來的快一些，不用擔心課程設置不用擔心到哪找實踐項目，只要努力學習就行了
⑽ 數據分析需要學習哪些
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。
5、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。
6、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。
7、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。