1. 一個小白學習學習數據分析師有多難
以下是一個文科生小白轉行數據分析的人生歷程，分享給你，相信可以幫助正處人生十字路口的朋友或正處於迷茫搖擺時期的人們一些啟發或借鑒。
1、在選擇數據分析師這條路之前，一定要思考再三，雖然這條路看著光鮮靚麗（至少職業的薪酬收入類比其他行業不會好不少），但也是一條艱難前行之路，充滿著未知、荊棘和困惑，尤其是對於文科出身的我，付出的努力更是一般理工男的好幾倍吧應該……
2、雖然數據分析這個行業有著天然的專業鄙視鏈（文理科的邏輯思維功底、編程語言接受程度上以及數理統計基礎實實在在的存在差別，這也是甲方更信賴理工科出身的重要原因，因為社科或文藝類專業，很少有學校會嚴格地按照數理邏輯去制定學生的課程培養計劃），但是並不代表文科生沒有任何機會，因為大學以前，其實我們都沒正式接觸過編程或統計學，大學本科更多的是提升一個人的思維、而不是過硬的專研能力。所以文科專業的朋友，興趣和決定也是重要因素，不能單單憑借客觀的專業背景就否定自己。
3、如果你要堅定的選擇這條路，就必須克服各種依賴症，比如安裝一個R語言或Python軟體，從龐大的數據中得出客觀的結論過程，用學到的知識去分析數據的價值等等，一定要動手動腦去實戰，不要單憑以前的文科思維（更注重思維的創造和個性的發揚），理性思維和客觀科學更重要。因為這種學習習慣決定著你必然會被同行的有心者遠遠地摔在後面，網路、谷歌、Stack Overflow永遠向你免費敞開大門；
4、動手實踐和實習參與項目是很好的數據科學或者數據分析的開端，只學不練假把式，只有直接用於實戰，才能看出來你學的東西到底有多少能夠落地，能夠用於提升業務的價值；
5、在求職以前，倘若時間允許，把R語言、Python（數據科學相關模塊）、SQL（可以選擇一個平台，比如MySQL）這三大關卡早點過了。（如果你不想再天天加班補的話）；
6、如果你還是在校學生，學會分清各種事情的輕重緩急，比如各種無聊拉人湊場子講座、聽課發禮品的營銷洗腦課，各種……的無效應酬社交，如果全部都用在數據分析的學習上，你會發現你的時間多了很多，自然你也可以更早地追上同行的腳步；
7、腳踏實地的去走自己的路，不會的多寫、多看、多問（問真正有價值的問題）、多總結、多交流，給自己足夠的轉行周期（如果你是科班出身的【統計、數學、計算機】，也許會走的順風順水，但也不可以掉以輕心，倘若不是，請一定要慎重選擇，起碼要給自己一到兩年的轉行緩沖期【具體視自己的專業背景和技術實力而定】，什麼7天精通機器學習、三個月精通人工智慧，你自己敢信嘛？）
8、學會融會貫通不同領域的知識，觸類旁通、橫向遷移，這樣學起來才有越學越有通透的感覺，否則你只能增加筆記本的厚度，徒增煩惱罷了。
其實文科生學習數據分析或零基礎轉行的痛快和糾結大家都有，但任何的時間節點上，倘若一直停滯不前、猶豫不決，那麼所有可以有或可能有的機會都會錯失。慶幸我雖然渾渾噩噩，一路上也是披荊斬棘，但時光不負我，付出終究收獲成果！願所有文科生想進入數據分析行業或轉行的小夥伴一切都順利。
2. 數據分析師怎麼學
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。
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。
3. 數據分析師怎麼入門
總體來說，先學基礎，再學理論，最後是工具
1、學習數據分析基礎知識，包括概率論、數理統計
2、你的目標行業的相關理論知識。比如金融類的，要學習證券、銀行、財務等各種知識。
3、學習數據分析工具，如sas、spss，甚至excel也可以（數據分析模塊的功能很強大）
切記，第一步是必不可少的，是數據分析的基礎。
4、目前還沒有什麼專業的認證。不過可以考試統計類的資格認證，有利於找工作。