胡先生前段时间在前台看见许多想步入数据分析领域的朋友私信我，让我帮答疑许多业余问题。在跟她们的沟通交流中，我辨认出她们当中70%都是不屑一顾Luvin进阶的数据阿宝，但都特别积极，是真谁知自学数据分析。

她们中绝大部分人都不是为的是改行才先挑，而要真的多学一点儿数据分析的专业技能在头上，对自己的业务是有帮助的。

问的人许多，我也没时间去逐一提问，干脆那时就特别针对数据分析中的应会工具来个科孔。

从基础到高阶，跟著胡先生一点儿一点儿自学，别的期学别的工具，是不是学，需要学到何种某种程度，让你一清二楚。

进阶期（适合数据阿宝）

1、Excel

Excel不用说了，数据分析领域进阶级的工具，也是日常生活组织工作时最常用的工具。

掌握某种程度：

表达式和式子：常用表达式（逻辑、统计、搜寻、提及、文档、年份、微积分表达式等）

数据折射表：进行分类汇整、取平均值、arctan、手动甄选、会分析占比、环比、环比、定比。

*VBA软件开发：加细项，有能力的能速成，如果时间心力不够能到高阶期再学

自学书刊/中文网站：

《你刘天祺这种玩Excel》、Excelhome论坛

提议：

先跟著讲义过两遍基础，知道每一表达式是不是用，介绍数据折射表约莫是不是做，接着再去网路上找两个案例跟著做，在练中整本练，这种效率最高。

2、SQL

做数据分析，SQL也是必会的工具，因为我们要利用SQL语句来取数、清洗数据。

掌握某种程度：

介绍常用的数据库类型，学会基础的增删改查（会用 select 语句加字段，找数据；alter语句减字段；update更新数据等）；熟悉掌握主键的用法；理解SQL中各种join的异同

自学书刊/中文网站：

《SQL必知必会》/自学SQL网（强烈推荐，不爱看书的同学能直接在中文网站整本练）

提议：

两点提议。

1、选定1-2本书和中文网站讲义后就不要再在网路上找自学资料了，这些教材足够你用，不要浪费时间在这上面

2、学完两遍后，要学会自己总结，制作自己的思维导图（像上图），加深记忆，不要用别人的总结去复习，这种自学效果不好。

3、Python

一般来说，有关数据分析的编程语言有Python和R语言，其中R语言倾向于统计分析、绘图，而Python偏向数据处理，实用性更高一点儿，所以对于新手来说，入门学Python是比较好的选择。

掌握某种程度：

介绍自学Python基本概念

掌握并熟练使用三个库 Numpy、Pandas、Matplotlib

自学书刊/中文网站：

《深入浅出Python编程》、B站讲义视频（全免费）

提议：

这几年Python大热，导致全网都是卖课的广告，但其实网络上有许多Python资源都够你学，不用去花那冤枉钱。按照我给你提议的自学书刊/中文网站去学Python完全足够。

高阶期（适合有一定数据基础）

1、BI工具

数据最终是要呈现给业务/管理层查看的，因此到高阶期，BI工具也是必须要掌握的一个专业技能。

掌握某种程度：

懂得如何利用BI工具去连接数据库；介绍仪表盘 Dashboard 的概念，知道绝大多数图表适用的场景；明白维度和指标的区分以及许多数据的清洗。

自学工具/中文网站：

FineBI：FineBI帮助文档、帆软社区

PowerBI：《Power BI 权威指南》

Tableau：《人人都是数据分析师：Tableau应用实战》`

提议：

现在市面上BI工具许多，国内企业一般是用FineBI，外国企业大多数是用PowerBI和Tableau两款元老级软件，但由于是国外产品，所以对于我们国人来说有两个不方便的地方：1、帮助文档是英文的，汉化过后的意思不准备，理解和自学成本高 ； 2、无法实现国内企业复杂式报表的需求，本地化服务不佳。但不可否认，Tableau的可视化和power bi的数据处理和建模，还是很牛的。

2、R语言

在前文提过，R语言是倾向于统计分析、绘图，到了高阶期，能掌握R语言是必须的，并且这几年求职大厂时会R语言已经成了一项基本专业技能，需要数据分析师熟练掌握。

掌握某种程度：

介绍R的基本使用，掌握基本数据结构，数据导入导出，简单的数据可视化。

自学书刊/中文网站：

《Learning R》：牢牢掌握第一章到第五章的数据基本进阶，这是R最基本的东西，反复熟读都不为过。别真的自己看懂就行了，只有自己敲出来运行正确才行。至于第六章环境和表达式这一章提议先直接跳过，比较抽象，等回头R学差不多了，再回头看自学效果比较好。

提议：

R和Python都比较容易自学，但在许多地方它们非常相似，如果你同时自学两者，就会很容易混淆，所以提议不要同时自学它们。等其中一个掌握到一定的某种程度，再着手自学另外一个会比较好。

总结

工欲善其事必先利其器，工具的确是数据分析师的利器，但刚进阶的阿宝很容易陷入一种误区，即我学会了这些工具，我就能成为数据分析师，这显然是理解有误。在实际组织工作中，想要成为一名优秀的数据分析师，光学会这些工具是远远不够的。

让自己数据分析后的结论能够落地，实际推动业务增长才是成为一名优秀数据分析师的关键。