不知道做數據的可以參考什麼

⑴ 自學數據分析需要看哪些書的

第一大類：理論類。 理論層面的書籍，比如《大數據時代》 、《數據之巔》 。

第二大類：技術類。 技術層面的書籍，比如《Hadoop技術內幕》系列。這一類的書籍，主要是指系統技術類，在構建大數據系統時，系統如何運作，各系統組件的設計目標、框架結構、適用場景、工作原理、運作機制、實現功能等等。這類書籍，適合於IT系統部，開發部的技術人員。他們需要明白系統的運作機制，利用系統來實現大數據的應用開發，以及系統運維優化等。

第三大類：應用類。 應用層面的書籍，比如《數據挖掘技術》 、《基於SPSS的數據分析》等等。 這一類的書籍，主要是指應用技術類，告訴你如何應用工具和方法，從海量數據中提取有用的信息，來解決真實的業務問題。這類書籍，適合於業務部門、市場營銷部門及與業務結合比較緊密的人員。他們更關注業務問題的解決，圍繞業務問題來構建分析和解決方案。

⑵ 數據分析師需要學習哪些技能

數據分析師需要學習很多的技能，也正是因為這樣，數據分析師的工資是十分樂觀的。在大數據的火熱發展中，數據分析師這個職業也越來越歡迎，很多人都想進入這個行業，這些人對於數據分析師需要學的東西都是比較關心的，而數據分析師需要學習的技能有很多，需要學習統計學、Excel、SQL、數據分析知識以及行業的知識等等。下面我們就詳細地給大家介紹一下這些知識。
首先我們說一說Excel。如果想成為數據師，那麼很有必要學會使用Excel這個工具。對於數據分析師來說，Excel是一個必備的技能，經過大量的實踐發現，Excel是一個比較靠譜的工具，如果用Excel分析數據，就能夠做好數據的分析，同時Excel操作也是比較簡單的，不是程序員也能夠正常的使用。現在有很多企業都在使用Excel這項工具進行去分析數據，所以，數據分析師必須要學會使用Excel。
然後我們說一說行業知識。對於數據分析師來說，業務的了解比數據方法論更重要。而且業務學習沒有捷徑，基本都靠不斷的思考與不斷的總結。這樣才能夠做好數據分析。
接著我們說一下SQL，其實現在很多人不知道sql是什麼，在這里給大家描述一下，sql是所有資料庫查詢的語言，當然，sql非常容易入手。而資料庫也是有很多的類型的，比如mysql、sqlserver、oracle等等，對於不同的資料庫，sql語法會有所不同，但是總體上大同小異，只是細微處的差別。如果大家有資料庫基礎的話，那麼只需要找些sql的題目做一做，這樣也能夠提到sql水平。
而數據分析思維是數據分析師需要注意的事情。如果作為一名數據分析師，需要很縝密的心思以及對數據很敏感的喜歡，這樣才能夠發現他人會遺漏的東西。有力這些還不夠，我們還需要有一個數據分析的思維，那麼怎麼有一個數據分析的思維呢？一般來說，需要梳理分析思路，並搭建分析框架，把分析目的分解成若干個不同的分析要點，即清楚如何具體開展數據分析，需要從哪幾個角度進行分析，採用哪些分析指標。同時，確保分析框架的體系化和邏輯性。
最後給大家介紹一下統計學。一名優秀的數據分析師還應該精通統計學，只有學會了統計學，才能夠進行數據分析，數據分析是通過大量的數據進行挑選出有用的數據，這樣才能夠做好正確的分析。統計學的統計知識能夠讓我們多了一種角度去看待數據，這樣能夠看出不同的情況，為數據分析中提供了參考價值。如果你想成為一名出色的數據分析師，那麼你就必須要會統計學。
通過上述的內容相信大家已經知道了數據分析師需要學會的技能了，大家在進行數據分析的時候多多注意上面內容的學習，這樣才能夠學好數據分析。最後祝願大家早日學成數據分析。

⑶ 如何快速成為數據分析師

1、技能一：理解資料庫。

還以為要與文本數據打交道嗎？答案是：NO！進入了這個領域，你會發現幾乎一切都是用資料庫 來存儲數據，如MySQL，Postgres，CouchDB，MongoDB，Cassandra等。理解資料庫並且能熟練使用它，將是一個基礎能力。

2、技能二：掌握數據整理、可視化和報表製作。

數據整理，是將原始數據轉換成方便實用的格式，實用工具有DataWrangler和R。數據可視化，是創建和研究數據的視覺表現，實用工具有ggvis，D3，vega。數據報表是將數據分析和結果製作成報告。也是數據分析師的一個後續工作。這項技能是做數據分析師的主要技能。可以藉助新型軟體幫助自己迅速學會分析。

3、技能三：懂設計

說到能製作報表成果，就不得不說說圖表的設計。在運用圖表表達數據分析師的觀點時，懂不懂設計直接影響到圖形的選擇、版式的設計、顏色的搭配等，只有掌握設計原則才能讓結果一目瞭然。否則圖表雜亂無章，數據分析內容不能良好地呈現出來，分析結果就不能有效地傳達。

4、技能四：幾項專業技嘩陵大能

統計學技能——統計學是數據分析的基礎，掌握統計學的基本知識是數據分析師的基本功。從數據採集、抽樣到具體分析時的驗證探索和預測都要用到統計汪納學。
社會學技能——從社會化角度看，人有社會性，收群體心理的影響。數據分析師沒有社亂豎會學基本技能，很難對市場現象做出合理解釋。
另外，最好還能懂得財務管理知識和心理學概況。這些都將會使你做數據分析的過程更容易。

5、技能五：提升個人能力。

有了產品可以將數據展示出來，還需要具備基本的分析師能力。首先，要了解模型背後的邏輯，不能單純地在模型中看，而要放到整個項目的上下文中去看。要理解數據的信息，形成一個整體系統，這樣才能夠做好細節。另外，與數據打交道，細心和耐心也是必不可少的。

6、技能六：隨時貼近數據文化

擁有了數據分析的基本能力，還怕不夠專業？不如讓自己的生活中充滿數據分析的氣氛吧！試著多去數據分析的論壇看看，多瀏覽大數據知識的網站，讓自己無時無刻不在進步，還怕不能學會數據分析嗎？

擁有這些技能，再去做數據分析，數據將在你手裡變得更親切，做數據分析也會更簡單更便捷，速成數據分析師不再遙遠。

(3)不知道做數據的可以參考什麼擴展閱讀：

企業對數據分析師的基礎技能需求差別不大，可總結如下：

• SQL資料庫的基本操作，會基本的數據管理

• 會用Excel/SQL做基本的數據分析和展示

• 會用腳本語言進行數據分析，Python or R

• 有獲取外部數據的能力，如爬蟲

• 會基本的數據可視化技能，能撰寫數據報告

• 熟悉常用的數據挖掘演算法：以回歸分析為主

⑷ 數據分析師需要掌握哪些能力，需要做哪些准備

1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，並能靈活運用到實踐工作中，以便有效的開展數據分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

4、懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。

5、懂設計。懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目瞭然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。
參考鏈接：http://ke..com/link?url=b8z_U8-QuI49JAGq#3

⑸ 想從事數據分析工作，學什麼軟體或語言最好

Excel

EXCEL是其中最簡單的，倒不是容易而是人人都會。但如果是用來分析的話，圖表只是基礎，還要學會使用透視圖以及VBA函數。Excel的功能其實非常強大，尤其是通過學習VBA，幾乎能解決所有的問題，但成本就高了，而且Excel的數據處理量並不是很大，幾十萬而已，大數據量還要另尋方法。

SPSS

SPSS最初是社會科學統計軟體，如果剛入門數據分析，懂點SPSS事非常有好處的，當然前提是要懂SQL。SPSS得使用對人的能力要求不高，編程模塊很少使用，通常用於科學、市場之類的調研，在院校中使用較多。

有了以上的基礎之後，可能就需要精通一門統計分析軟體。

近幾年的互聯網潮，R語言流行起來了，在互聯網行業運用較多。R語言是開源的，學習起來並不容易，需要一個長期的過程。

SPSS剛剛有提到，適用於市場研究，上手較快。如果會編程的話，功能還是蠻強大的。

SAS一般是金融行業應用較廣，特別是銀行業和醫學統計，包括一些製造業也很多。銀行業通常會用SAS來做統計，數據挖掘也會用到，價格昂貴，學起來比較難，建議網上尋找一些課程和教材來學。

所以打擊愛可以針對自己的行業和實際情況來做選擇，以上列舉的只是大致情況。

Python

以上就是各種數據分析工具和語言的介紹，其次還要掌握一些第三方工具，這些工具一般偏業務化應用，可視化數據展示類偏多，所以在技術上沒有太多要求，不過SQL需要掌握。

Tableau

多次介紹過的一款可視化工具，可視化方面應該是做得最不錯的工具了，偏前端分析。不懂python不懂R的可以試試。有點貴，土豪們加油！

Qlikview

相對tableau有點丑，不要噴，畢竟人家走數據處理路線，作為BI產品，數據處理速度還是不錯的，取個數不至於像tableau慢。兩者像互補兄弟，各有優勢，但都一樣貴，哈哈！所以對數據處理要求較高的話，建議嘗試。

FineBI

國內的可視化軟體，bi工具。無功無過，重在穩定和應用，國內有一定市場，企業應用挺廣。有一定數據分析基礎的同學，應該說很快就能上手，免費版無限用!

還有一些D3之類的chart軟體這里由於篇幅就不介紹了，主要偏應用，在工作中使用還是蠻廣的。

總體來將，每個工具各有優勢，但最關鍵的還是對於業務的熟悉度，沒有遠離和思路，任何工具都用不起來，所以在做數據分析時，一定要紮根學習業務和數據建模方法，工具不是萬能的！

⑹ 直播間里的流量不高，能不能帶貨，帶貨的數據不好，該如何做好數據呢

1.數據不理想可能由於賬號規模粉絲量還沒有做起來，可以選擇相關的公開課去學習一些，但是課程其實都是方法論，只能起到6成的作用，可能會幫助自己不會掉很多坑但是不代表學了多少知識就可以做出爆款賬號。在了解了知識體系後應該做的是更深度的思考，在某一品類下至少要花費很多時間去瀏覽深挖同品類成功品牌的營銷鏈路去調研清楚。調研後實操也是一大重要環節，可能總結出5套營銷方式，可以每個方式用10個賬號去嘗試，過一段時間後選出5個自然流量效果最好的去孵化。
2.建議自己尋找第三方數據平台，例如星榜數據。裡面會有帶貨的排行榜單，可以參考抖音帶貨商品排行榜，對應著的商品類別，順應趨勢去做內容。
3.關於投放問題，都希望找到性價比高的達人。目前抖音或快手的直播帶貨正處於不斷試錯的階段，如果需要可以去找帶貨達人去做直播。現在很多達人會去以純佣的形式進行，如果品有足夠大的優惠力度是很容易去做測試的

⑺ 店鋪業績下滑，銷售分析需要哪些數據才能做參考

定期進行科學的數據分析，是門店負責人掌握門店經營方向的重要手段。

門店經營指標數據分析
銷售指標分析：主要分析本月銷售情況、指標完成情況、與去年同期對比情況。通過這組數據的分析可以知道同比銷售趨勢、實際銷售與計劃的差距。
銷售毛利分析：主要分析本月毛利率、毛利額情況，與去年同期對比情況。通過這組數據分析可以知道同比毛利狀況，以及是否在商品毛利方面存在不足。
營運可控費用分析：主要是本月各項費用明細分析、與去年同期對比情況，有無節約控製成本費用。這里的各項費用是指：員工成本、能耗、物料及辦公用品費用、維修費用、存貨損耗、日常營運費用（包括電話費、交通費、垃圾費等），通過這組數據的分析可以知道門店營運可控費用的列支，是否有同比異常的費用發生，有無可以節約的費用空間。
坪效：主要是本月坪效情況、與去年同期對比。日均坪效，是指日均單位面積銷售額，即：日均銷售金額÷門店營業面積。