我想成为数据分析师，需要哪些准备？

不同行业不同公司要求会很不一样，比如说银行做数据分析、建模会要求 SAS/SQL，而互联网行业数据分析只要会 SQL 就可以了。再比如说小公司可能会要求还会 R/Python 什么的，但是稍微中型一点的公司比如说 Facebook 只需要会 SQL 就行了。乍一看有点奇怪，但其实也不奇怪，因为大一点的公司基础设施 (infra) 做得好，很多事情比如说 A/B test 这种都自动化了，不需要专门写代码。

 

数据分析师需要三个方面的能力：技术（编程），数据分析方法，行业知识。

1. 技术

技术方面刚刚说了，就是SQL, 20 个小时，假设文科生，同时对自己要求高一点，最多 80 个小时可以搞定了。

按照这个学习 http://www.w3schools.com/sql/default.asp
评论里说上面这个链接打不开，所以奉上中文版的：SQL教程_w3cschool

重点需要注意的：where / group by / order by / left join / right join / inner join / null / not null / having / distinct / like / union / avg / sum / min / max 

学完之后再搜索一下 "SQL hardest questions", 做做练习。

当然除了 SQL 之外，Excel 也是要会一点的。不过 Excel 这玩意儿基本多少都会那么些吧，比如说做个图，算算总合、平均之类的，稍微复杂点的数据透视表 (pivot) 就够了。话说我第一份工作的时候连数据透视表都不会，所以说如果你不会这个，那也没关系。

如果 SQL 上手比较快，时间充裕，那就练练 Tableau, 主要目的是看看都有什么样的图表，感受一下各自适用什么样的场景。具体怎么做图不是非常重要，真要用的时候搜索一下现学就好了。Tableau 很贵，所以下个试用版的就可以了，然后试用期学点最基本的就可以了。

这一共就假设用了 80 个小时吧，那么 8 天过去了（没算错，都要速成了，那还不每天学习 10 个小时）。

2. 数据分析方法

经常被问到学习数据分析推荐哪些书，通常答案是我没看过什么数据分析的书，后来仔细想了想，还是有一些的。

Case in point. 经典的管理咨询的书，哪个版本的都无所谓了，印象中大概看了一半左右。好像是因为懒，所以没看完，也因为套路都是类似的，看一半也就差不多可以了。 -- 5 天

Introduction to Probability Models by Sheldon M. Ross. 应该是出到第 11 版了，但内容应该区别不大，看第一章就可以了，需要搞清楚条件概率，这个概念还是有点重要的。-- 4 天

然后再找本统计基础的书（随便哪本教科书都差不多，实在不行的话把 wiki 上统计长条目下的多看几遍也可以），不要太纠结于理论、证明，时刻记住你要能把这些概念解释给不懂统计的人听，解释不清楚的东西你也不用搞清楚。搞清楚几种常见的分布，假设检验，假阳性，假阴性，区别估算，显著性差异，p-value，平均值，中位数，p1/p25/p50/p75/p99，相关性，因果性，幸存者偏差，大数定律，80/20。-- 10 天

Thinking, Fast and Slow. 当科普书看看就好，如果看不下去的话那就看《牛奶可乐经济学》。-- 2 天

3. 行业知识

很不幸，这一部分就真的没有什么书可以看的了，基本都靠搜索，总结，思考，再搜索，总结，思考。。。

如果平时对互联网、科技行业相对比较关注，这一部分会上手很快，了解一些基本概念，试用一些产品，基本上 20 天肯定可以了。

 

上面这十本书，每一本都是经典。 
它完美的解决了一个初级数据分析师应该掌握的技能：
统计学基础
常用模型理论
R和PYTHON
网页分析
数据库技术
实战应用
简单的描述下：

统计学无需置疑是一个数据分析师的核心功底，你只有学好了统计学才能谈得上数据分析。
但是统计学又常常是不够用的，我们还需要一些高级的模型来解决我们实际业务中的问题，比如：银行需要判断是否给某个客户发放信用卡 这就需要一个高级的二分类模型。这里我们的数据挖掘理论就派上用场了。
有了理论知识，我们需要用工具去实现我们的理论并加以应用。这个年代，已经没有人会去手工计算某个问题了，R和PYTHON就是最负盛名的数据分析工具。 关于R和PYTHON的地位，题主可以百度，谷歌，知乎等搜索一遍。 至于如何学习，请看上面的书单！
如果致力于在互联网领域发展，那么网页分析是你必看的一本书籍。这本是是大名鼎鼎的GA创始人著作，看一遍，做一遍会有一个不错的收获。
数据分析师是跟数据打交道的，我们的数据都是存储在数据库里面的，因此掌握必备的数据库技术是肯定要的！
以上就是对入门级别的数据分析师做的一个简单的描述！ 

那么，在对书籍有了一定的了解之后，具体的该怎么学习呢？
首先，我给大家推荐一个我们自己录制的视频《零基础指导学习数据分析》。下载地址如下：
SOTON第一课1.zip_免费高速下载
内有讲义以及高清无码的视频。

我们将三个月分为三个学习阶段，每个阶段请务必保持每天3个小时以上的学习时间。这个时间要求不过分，不管是对学生党还是上班族，三个小时总是抽的出来的。

第一阶段：初识数据分析
这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。
第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。

第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～

第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。

第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～

第二阶段：升级你的技能
第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）
这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。

第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！

第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！

第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。

第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？

第三阶段：准备一个小小的毕业吧

在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。
本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn

对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。