excel|零基础如何成功转行数据分析？！( 二 ) Python|机器学习|算法

图表：Excel的图表功能基本已经可以满足一个数据分析师的日常需要了。
2.SQL
sql对于没有数据库和编程语言基础的人来讲也还是比较友好的。学习sql我们可以通过一些入门书籍，这些书籍上面都会系统的讲解sql的相关知识还会有实例教学，非常清晰易懂。我们也可以通过工作中的积累和前辈传授的一些书写经验来学习和提升。
3、Python
相对于Excel和SQL ， Python的学习难度是比较大的。 Python能干很多事，对于数据分析师来说，主要应掌握基础语法和数据科学的模块，主要包括pandas numpy 和机器学习库sklearn等。

三、数据分析理论知识
在数据分析的理论知识这一方面，数据分析师最需要掌握的就是统计学和机器学习。
1、统计学
如果不是统计学专业的同学，一般学习大学统计学范畴内的内容就基本足够了。对于统计学专业的学生可以重点掌握一些假设检验这部分的内容，假设检验绝对是面试中统计学最高频的问题，和以后的工作也会最息息相关。
2、机器学习
机器学习相关的知识学习成本和难度都较高，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理就基本足够了。
四、数据分析应该具备的八种基本思维
1、对比思维：分为同向对比和纵向对比。同向：与同类相比；纵向：针对自身，不同时间的对比。
2、细分思维：细分的维度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的MECE分析法本质上都属于细分思想。
3、溯源思维：追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有意外的洞察。
4、相关思维：建立在相关分析的基础上。
5、假设思维：即假设检验：一般为四步：提出假设、抽取样本、检验假设、做出判断。
6、逆向思维：打破常规的思维模式，从相反的方向来思考问题。
7、演绎思维：三段论：由大前提、小前提、结论三部分组成。（大前提：已知的一般原理；小前提：研究的特殊场合）
8、归纳思维：从个别到一般，与演绎正好相反。
五、如何系统地学习数据分析
1、一个清晰的学习路线
【excel|零基础如何成功转行数据分析？！】很多零基础的小白学习数据分析的第一步都是选择自学，但是因为都数据分析内容没有一个系统的认识，不知道如何去规划学习路线，导致盲目目的地乱学一通，花费了大量的时间，走了很多弯路，但是在学习上仍然没有一点进步。
所以，零基础的小白在刚开始学习数据分析的时候能够有一个科学且清晰的学习路线是至关重要的。小职这里为大家简单地划分一下数据分析的学习路线。
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。
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。
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。