|转行数据分析前，这些事一定要搞懂( 二 )

2、清晰的学习路线
不管是学习任何一样东西，一个清晰的学习路线都是必不可少的，学习数据分析同样需要制定一个清晰的学习路线。小职这里就以我们“职来offer”课程中制定的数据分析学习路线作为参考，为大家简单的划分一下。

第一阶段商业数据分析

主要内容:Excel基本操作、Excel常用函数、数据透视表、Excel图表绘制、Excel快捷键、数据库系统概论、MySOL简介及安装配置、MySQL数据表管理、MySQL数据管理、MySQL数据查询、MySQL函数、MySQL基础操作。
培养目标:a、掌握Excel数据分析常用函数、图表制作、透视表等操作，能够用Excel进行业务数据分析;b、了解数据库相关理论、掌握MySQL建库、建表等操作，掌握使用SOL语言进行数据单表、多表的数据查询操作;c、掌握MySQL视图及窗口函数的使用，掌握数据库优化的基本理论及操作。

第二阶段数据可视化

主要内容:商业智能分析基础知识、PowerBI基础操作、PowerBI数据处理、Tableau安装、Tableau数据报表项目、Tableau可视化表盘项目等。
培养目标∶a、掌握数据可视化基本概念及原理;b、掌握PowerBl、Tableau等数据可视化软件的安装配置、基本操作及运维;c、能够使用Tableau制作企业级z动态数据可视化大屏及相关报麦的制作;d、能够使用PowerBl自助式处理数据进行OLAP分析、独立搭建企业数据化运营仪表盘。

第三阶段 python数据分析

主要内容:Python语言基础、Python高级基础知识、Python高级特性、IO操作、面向对象编程、内建模块和第三方模块、网络爬虫、网络爬虫框架、Python数据分析、Numpy、Pandas、Matplotlb、Python机器学习等。
培养目标:a、学习Python基本编程语言知识，了解Python在业务数据分析实践的应用;b、掌握 Python数据分析基础模块，具有应用Python语言解决数据分析中实际问题能力;c、掌握网络数据抓取技术， Python数据库应用开发，实现Python数据可视化操作，提高数据收集和数据分析能力;d、掌握Python数据分析常用numpy和pandas的使用，具有应用Python进行海量数据提取处理清洗的能力;e、应用Python编程技术进行企业数据化运营、用户画像建设、指标体系搭建、数据智能分析的技术准备。

第四阶段数据运营指标体系

主要内容:数据分析标准项目流程、指标体系搭建过程;AARRR流量漏斗模型， PEST分析、SWOT分析、波士顿矩阵等行业分析方法，相关性分析及显著性检验，多元回归分析等。
培养目标:a、掌握数据分析项目流程，能够应用相关数据分析方法解决实际业务问题;b、掌握PEST分析、SWOT分析、波十顿矩阵、4P等行业分析方法，制作行业分析报告c、掌握指标分析、用户画像、相关性分析、假设检验和回归分析等数据分析方法论，能够搭建公司运营的指标体系。

第五阶段机器学习与深度学习

主要内容:K-Means ， DBscan ， KNN ，朴素贝叶斯模型，决策树，随机森林， SVM ，线性回归，逻辑回归， XGBoost等算法原理，深度学习基础知识。
培养目标:a、掌握相关机器学习算法数学原理和适用范围;b、掌握机器学习算法常用特征工程处理方法;c、掌握机器学习算法参数调试技能;d、掌握机器学习算法性能评估和模型选择方法;e、应用pandas.numpy、sklearn等开源框搭建机器学习项目，使用相关算法对实际业务建模;f、获得深度学习在图像识别，自然语言，推荐等方面应用的基础能力。