這是一份數據分析師的入門指南，一位數據分析師需要掌握的基礎體系，也是一位新人從零邁入數據大門的知識手冊。它包含Excel、數據可視化、數據分析思維、數據庫、統計學、業務、以及Python。

第一週：Excel

每一位數據分析師都脫離不開Excel。

它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。雖然現在機器學習滿地走，Excel依舊是無可爭議的第一工具。

Excel的學習分為兩個部分。

掌握各類功能強大的函數，函數是一種負責輸入和輸出的神祕盒子。把各類數據輸入，經過計算和轉換輸出我們想要的結果。

在SQL，Python以及R中，函數依舊是主角。掌握Excel的函數有助於後續的學習，因為你幾乎在編程中能找到名字一樣或者相近的函數。

常用的Excel函數：

• 清洗處理類：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
• 關聯匹配類：lookup、vlookup、index、match、row、column、offset
• 邏輯運算類：if、and、or、is系列
• 計算統計類：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
• 時間序列類：year、month、weekday、weeknum、day、date、now、today、datedif
• 搜索能力是掌握Excel的不二竅門，工作中的任何問題都是可以找到答案。

第二部分是Excel中的工具。

Excel最具性價比的幾個技巧。包括數據透視表、格式轉換、數組、條件格式、自定義下拉菜單等。正是這些工具，才讓Excel在分析領域經久不衰。

在大數據量的處理上，微軟提供了Power系列，它和Excel嵌套，能應付百萬級別的數據處理，彌補了Excel的不足。

Excel需要反覆練習，通過網絡上抓取的數據分析師薪資數據作為練習，總結各類函數的使用。

除了上述要點，下面是附加的知識點，鋪平數據分析師以後的道路。

• 瞭解單元格格式，數據分析師會和各種數據類型打交道，包括各類timestamp，date，string，int，bigint，char，factor，float等。
• 瞭解數組，以及相關應用（excel的數組挺難用），Python和R也會涉及到 list，是核心概念之一。
• 瞭解函數，深入理解各種參數的作用。它會在學習Python中幫助到你。
• 瞭解中文編碼，UTF8、GBK、ASCII，這是數據分析師的坑點之一。

第二週：數據可視化

數據分析界有一句經典名言，字不如表，表不如圖。

數據可視化是分析的常用技巧之一，不少數據分析師的工作就是通過圖表觀察和監控數據。首先了解常用的圖表：

Excel的圖表可以100%繪製上面的圖形，但這只是基礎。

各類數據分析的經典圖表，除了趨勢圖、直方圖，還包括桑基圖、空間圖、熱力圖等額外的類型。

數據可視化不是圖表的美化，而是呈現數據的邏輯之美，是揭示數據的內在關聯。瞭解圖表的維度和適用場景，比好看更重要。比如桑吉圖就是我一直推崇的圖表，它並不知名，但是它能清晰的揭露數據內在狀態的變化和流向。案例是用戶活躍狀態的趨勢。

Excel的圖表操作很傻瓜化，其依舊能打造出一份功能強大的可視化報表。

常用的Excel繪圖技巧，包括配色選取，無用元素的剔除、輔助線的設立、複合圖表等方法。

Excel圖表的創造力是由人決定的，對數據的理解，觀察和認知，以及對可視化的應用，這是一條很長的道路。

圖表是單一的，當面板上繪製了多張圖表，並且互相間有關聯，我們常稱之為Dashboard儀表盤。

上圖就是用分析師薪資數據為數據源繪製的Dashboard，比單元格直觀不少。我們常常把繪製這類Dashboard的工具叫做BI。

BI（商業智能）主要有兩種用途。一種是利用BI製作自動化報表，數據類工作每天都會接觸大量數據，並且需要整理彙總，這是一塊很大的工作量。這部分工作完全可以交給BI自動化完成，從數據規整、建模到下載。

另外一種是使用其可視化功能進行分析，它提供比Excel更豐富的交互功能，操作簡單，而且美觀，如果大家每天作圖需要兩小時，BI能縮短大半。

上文列舉的分析師案例以微軟的PowerBI舉例，教大家如何讀取數據，規整和清洗數據，繪製圖表以及建立Dashboard。

BI還有幾個核心概念，包括OLAP，數據的聯動，鑽取，切片等，都是多維分析的技巧，也是分析的核心方法之一。

後續的進階可視化，將和編程配合。因為編程能夠提供更高效率和靈活的應用。而BI也是技術方向的工具，瞭解技術知識對應用大有幫助。

第三週：數據分析思維

數據分析能力的高低，不以工具和技巧決定，而以分析思維決定。

在一場戰爭中，士兵裝備再好的武裝，進行再嚴苛的訓練，若是衝鋒的方向錯了，那麼迎接他們的唯有一敗塗地。

分析思維決定一場「數據戰爭」中的衝鋒方向。只有先養成正確的分析思維，才能使用好數據。

既然是思維，它就傾向於思考的方式，Excel函數學會了就是學會，分析則不同。大多數人的思維方式都依賴於生活和經驗做出直覺性的判斷，以「我覺得我認為」展開，好的數據分析首先要有結構化的思維。

麥肯錫是其中領域的佼佼者，創建了一系列分析框架和思維工具。最典型地莫過於金字塔思維。

快速掌握麥肯錫的分析思維簡述了該思維的應用，你能學會結構化思考，MECE原則，假設先行，關鍵驅動等方法論。

除此以外，還有SMART、5W2H、SWOT、4P4C、六頂思考帽等，這些都是不同領域的框架。框架的經典在於，短時間內指導新人如何去思考，它未必是最好的，但一定是性價比最優的。數據分析思維，是分析思維的引申應用。再優秀的思考方式，都需要佐證和證明，數據就是派這個用處的，「不是我覺得，而是數據證明」。

現代管理學之父彼得·德魯克說過一句很經典的話：如果你不能衡量它，那麼你就不能有效增長它。如果把它應用在數據領域，就是：如果你不能用指標描述業務，那麼你就無法有效增長它。每一位數據分析師都要有指標體系的概念，報表也好，BI也好，即使機器學習，也是圍繞指標體系建立的。

下圖就是一個典型的指標體系，描述了用戶從關注產品、下載、乃至最後離開的整個環節。每一個環節，都有數據及指標以查詢監控。

不同業務背景需要的指標體系不同，但有幾個建立指標的通用準則。如何建立數據分析的思維框架，你將區分什麼是好指標、什麼是壞指標、比率和比例、指標的結構、指標設立的維度等概念。

數據分析不是一個結果，而是一個過程。幾乎所有的分析，最終目的都是增長業務。所以比分析思維更重要的是驅動思維落地，把它轉化為成果。

數據分析思維是常年累月養成的習慣，一週時間很難訓練出來，但這裡有一個縮短時間的日常習慣。以生活中的問題出發做練習。

這家商場的人流量是多少？怎麼預估？

上海地區的共享單車投放量是多少？怎麼預估？

街邊口的水果店，每天的銷量和利潤是多少？怎麼預估？

這些開放性問題起源於諮詢公司的訓練方法，通過不斷地練習，肯定能有效提高分析思維。另外就是刷各種CaseBook。

優秀的數據分析師會拷問別人的數據，而他本身的分析也經得起拷問。

第四周：數據庫

Excel很容易遇到瓶頸，隨著業務的發展，分析師接觸的數據會越來越多。對大部分人的電腦，超過十萬條數據，已經會影響性能。何況大數據時代就是不缺數據，這時候就需要學習數據庫了。

即使非數據崗位，也有越來越多的產品和運營被要求使用SQL。

很多數據分析師戲稱自己是跑SQL的，這間接說明SQL在數據分析中有多核心。從Excel到SQL絕對是處理效率的一大進步。

以MySQL為例：

新手首先應該瞭解表的概念，表和Excel中的sheet類似。數據庫指南包括表、ID索引、以及數據庫的安裝，數據導入等簡單知識。

SQL的應用場景，均是圍繞select展開。增刪改、約束、索引、數據庫範式均可以跳過。新手學習最常見的幾個語法，select、where、group by、if、count/sum、having、order by、子查詢以及各種常用函數。

數據還是分析師薪資數據，它可以和Excel實戰篇結合看，不少原理都是相通的。

想要快速掌握，無非是大量的練習。大家可以在leetcode上做SQL相關的練習題，難度從簡單到困難都有。

join對新手是一個很繞的概念，從一開始的join關聯，到條件關聯、空值匹配關聯、子查詢關聯等。最後完成leetcode中的hard模式。

如果想要更進一步，可以學習row_number，substr，convert，contact等函數。不同數據平臺的函數會有差異，例如Presto和phpMyAdmin。再想提高，就去了解Explain優化，瞭解SQL的工作原理，瞭解數據類型，瞭解IO。知道為什麼union比or的效率快，這已經和不少程序員並駕齊驅。

第五週：統計學

很多數據分析師並不注重統計學基礎。

比如產品的AB測試，如果相關人員不清楚置信度的含義和概念，那麼好的效果能意味著好麼？如果看待顯著性？

比如運營一次活動，若不瞭解描述統計相關的概念，那麼如何判別活動在數據上的效果？可別用平均數。

不瞭解統計學的數據分析師，往往是一個粗糙的分析師。如果你想要往機器學習發展，那麼統計學更是需要掌握的基礎。

統計知識會教大家以另一個角度看待數據。如果大家瞭解過《統計數據會撒謊》，那麼就知道很多數據分析的決策並不牢靠。

解鎖數據分析的正確姿勢：描述統計中的諸多變量，比如平均數、中位數、眾數、分位數、標準差、方差。這些統計標準會讓新手分析師從平均數這個不靠譜的泥潭中出來。

箱線圖就是描述統計的大成者，好的分析師一定是慣用箱線圖的常客。

很多特定的模型都有自有的數據分佈圖，掌握這些分佈圖對分析的益處不可同日而語。

直方圖和箱線圖一樣，將會是長久伴隨分析師的利器。

統計學的一大主要分支是概率論，概率是度量一件事發生的可能性，它是介於0到1之間的數值。很多事情，都可以用概率論解釋。

包括貝葉斯公式、二項概率、泊松概率、正態分佈等理論。理論不應用現實，那是無根之木，教程中會以運營活動最常見的抽獎概率為講解，告訴大家怎麼玩。

其實數據分析中，概率應用最廣泛和最全面的知識點，就是假設檢驗，大名鼎鼎的AB測試就是基於它的。俗話說得好，再優秀的產品經理也跑不過一半AB測試。

何為假設檢驗？假設檢驗是對預設條件的估計，通過樣本數據對假設的真偽進行判斷。

產品改版了，用戶究竟喜不喜歡？調研的評分下降了，這是用戶的評價降低了，還是正常的數據波動呢？這些都是可以做假設檢驗的。

假設檢驗並不難，通過Excel的幾個函數就能完成。它的難點在於諸多知識點和業務的結合使用，實際公式不需要掌握的多透徹，瞭解背後的意義更重要。

統計學是一個很廣闊的領域，包括方差分析，時間序列等，都有各自不同的應用。大家若感興趣，可以去閱讀各類教材，沒錯，教材是學習統計學最優的方式。

第六週：業務

對於數據分析師來說，業務的瞭解比數據方法論更重要。舉個例子，一家O2O配送公司發現在重慶地區，外賣員的送貨效率低於其他城市，導致用戶的好評率降低。總部的數據分析師建立了各個指標去分析原因，都沒有找出來問題。後來在訪談中發覺，因為重慶是山城，路面高低落差比較誇張，很多外賣人員的小電瓶上不了坡…所以導致送貨效率慢。這個案例中，我們只知道送貨員的送貨水平距離，根本不知道垂直距離。這是數據的侷限，也是隻會看數據的分析師和接地氣分析師的最大差異。業務形態千千萬萬，數據分析師往往難窺一二。

一篇文章讀懂活躍數據；深入淺出，用戶生命週期的運營；獲取新增用戶，運營都應該知道的事；運營的商業邏輯：CAC和CLV；從零開始，構建數據化運營體系；讀懂用戶運營體系：用戶分層和分群，這些都是互聯網運營相關的內容，或多或少涉及了不少業務方面的概念，數據分析人員可以選擇性的挑選部分內容。瞭解業務的數據分析師在職場發展上會更加順利。

• 產品運營模型：以移動端APP為主體，圍繞AARRR準則搭建起數據框架。包括Acquisition用戶獲取、Activation用戶活躍、Retention用戶留存、Revenue營收、Refer傳播，以及細分指標。
• 市場營銷模型：以傳統的市場營銷方法論為基底，圍繞用戶的生命週期建立框架。包括用戶生命週期，生命週期價值、用戶忠誠指數、用戶流失指數、用戶RFM價值等。
• 流量模型：從早期的網站分析發展而來，以互聯網的流量為核心。包括瀏覽量曝光率、病毒傳播週期、用戶分享率、停留時間、退出率跳出率等。
• 電商和消費模型：以商品的交易、零售、購買搭建而起。包括GMV、客單價、復購率、回購率、退貨率、購物籃大小、進銷存，也包含SKU、SPU等商品概念。
• 用戶行為模型：通過用戶在產品功能上的使用，獲得精細的人群維度，以此作為分析模型。包括用戶偏好、用戶興趣、用戶響應率、用戶畫像、用戶分層，還包含點贊評論瀏覽收藏等功能的相關指標。

除了上述的幾個常見模型，數據分析還有其他分支。比如SEO/SEM，雖然可以歸類到流量模型，但它並不簡單。比如財務分析，商業的各種成本支出也需要專人負責。

在業務知識外，業務層面的溝通也很重要。業務線足夠長的時候，溝通往往成為老大難的問題。

業務學習沒有捷徑，哪怕掌握了諸多模型，不同行業間的業務壁壘會是分析師們的門檻。金融的各類專有領域知識，電子商務不同產品的特性，這些都會影響到分析報告的質量。

在早期，新人最好選擇一到兩個領域深入瞭解其業務，然後以此拓展邊界。

第七週：Python/R

第七週是最後的學習環節。

是否具備編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘、BI、爬蟲、可視化報表都需要用到編程。掌握一門優秀的編程語言，可以讓數據分析師升職加薪，迎娶白富美。數據分析領域最熱門的兩大語言是R和Python。R的優點是統計學家編寫的，缺點也是統計學家編寫。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有不逮，學習曲線比較陡峭。

Python則是萬能的膠水語言，適用性強，可以將分析的過程腳本化。Pandas、Numpy、SKLearn等包也是非常豐富。

Python搭建數據分析環境，Anaconda是功能強大的數據科學工具。Python建議安裝Python3+版本，不要選擇Python2了。

Python的語法相當簡潔，大家print出第一個hello world頂多半小時。就像在Excel上進行運算一樣方便。

Python的三類數據結構，列表list，元組tuple，以及字典dict。萬變不離其宗，掌握這三種數據結構以及相對應的函數，足夠應付80%的分析場景。函數式編程為Python一大特色，Python自身就提供不少豐富的函數。很多都和Excel的函數相通，掌握起來非常迅速。另外還有控制流，for、while、if，通常配合函數組合使用。

自定義函數，豐富的函數雖然能偷懶，但是不少場景下，還是需要自己動手擼一個。

能夠調第三方包解決，就使用第三方的函數。如果是一個頻繁使用的場景，而第三方依靠不了，就自己編一個函數。如果是臨時性的場景，寫得粗糙點也無所謂。畢竟分析師的代碼能力不要求工程師那麼嚴格，所以Python的學習儘量以應用為主，不用像分析師那麼嚴格。

包、模塊和類的概念屬於進階知識，不學也不要緊。

數據分析師賴以生存的兩個包，numpy和pandas，其他Python知識可以不紮實，這兩個最好認真掌握。它是往後很多技能樹的前置要求。

array，series，dataframe是numpy和pandas的三個數據結構，掌握它們，便算是入門了。

以分析師的薪資作為實戰數據。Excel、BI、SQL，一路走來，大家想必對它無比熟悉，這也是最後一次使用它了。通過Pandas的各類功能，繪製出一副詞雲圖。

將結合以往的知識點，包括業務指標，可視化，描述統計學等內容。用Python分析用戶消費行為，完成它，不說登堂入室，但也是一位合格的數據分析師了。

它使用某網站的用戶消費數據，計算各類常見指標：用戶的客單價、人均購買量、回購率、復購率、留存率、平均生命週期等，真正做到融會貫通。

對於沒有技術基礎的同學，第七週最吃力，但已經完成到這一步，不妨讓自己咬咬牙學習下去。

到這裡，剛剛好是七週。如果還需要第八週+，則是把上面的鞏固和融會貫通。