大神们常说在火车头学会了获取数据，可怎么分析却真的不太会，小编赶紧求教了公司的资深数据分析师，又整理了一些知名大牛的建议，总结出了数据分析的养成手记，希望大家可以借鉴。

一、不仅是职位，更是一种能力

不过数据分析需不需要一点天赋？答案是：不仅需要一点天赋，还需要天时…地利…人和……

so，你退缩了？

如果你仍然坚定地想要培养这种能力，就往下看看还要做什么。

二、成为数据分析师有哪些要求？

2、常规分析工具的使用，包括数据库、数据挖掘、统计分析工具，常用办公软件（Excel、PPT、思维导图）等等。

3、对数字敏感，有业务理解能力，能理解业务背后的商业逻辑。因为只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。

4、数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。

三、数据分析师必备技能和知识

数据分析的四个步骤：数据获取、数据处理、数据分析、数据呈现。

1、数据获取

数据获取虽然对大神们来说已经不是难事，但是把握对问题的商业理解，转化成数据问题来解决却不那么容易，直白点讲就是需要哪些数据，从哪些角度来分析，只有界定好问题后，才能准确、有目标地进行数据采集。

推荐书籍：《金字塔原理》、麦肯锡三部曲：麦肯锡意识、工具、方法；

推荐工具：火车采集器、火车浏览器等获取工具，思维导图工具（Xmind\百度脑图等）；

2、数据处理

数据的处理需要掌握有效率的工具，除了在火车采集器中的一系列处理外，还需要掌握↓↓↓

Excel及高端技能：日常工作通用，容易掌握，处理10万级别的数据很轻松。你需要逐步掌握数据处理、查询、筛选、排序、函数、function，图表插件等。没错，很多、很复杂。所以你也可以选择学习SQL，熟悉火车采集器的大神一定不陌生，熟练掌握SQL语言，应对数据库很好上手。对开发技术感兴趣、对Excel无感的朋友，可以自行琢磨最适用的数据处理方案。

3、分析数据

分析数据往往需要各类统计分析模型，如关联规则、聚类、分类、预测模型等等。

因此，熟练掌握一些统计分析工具不可免：

SPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘），不用编程，易学。

SAS：经典挖掘软件，需要编程。

R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。

各类BI工具：

Tableau:可视化工具的鼻祖，对于处理好的数据可作自由的可视化分析，图表效果惊人

大数据BI工具FineBI:类同Tableau，可在前端做任意维度分析；数据可在前端继续处理（计算、筛选过滤等），可对接hadoop之类的大数据平台，数据处理性能较好。    

推荐书籍：

①《谁说菜鸟不会数据分析》系列，入门级书，初学者最适。

②《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，内容很系统很全面。

③《市场研究定量分析方法与应用》，简明等编着，中国人民大学出版社。

4、数据可视化呈现

很多数据分析工具已经涵盖了数据可视化部分，只需要把数据结果进行有效的呈现和演讲汇报，可用word\PPT\H5等方式展现。 

四、数据分析师的职业发展

1、数据分析师通常分两类，技术型分析师和业务型分析师，分工不同，但各有优势。

技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等，这些称谓都或多或少代表了其工作性质。

业务型分析师是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。

2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。

从行业的角度来看：

1）互联网行业是数据分析应用最广的行业，因为互联网数据数量庞大、收集分析和应用都更普遍。其中电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。

2）其次是咨询公司，他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。

3）再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。

4）最后是电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。

五、如何系统地去学？

学习方法千万种，关键是找到适合自己的，最好能够结合你的工作遇到的问题来学习。

有位数据大牛列举了一个经典的从0到1的入门规划：

第一周☞Excel学习掌握

第二周☞数据可视化

第三周☞分析思维的训练

第四周☞数据库学习

第五周☞统计知识学习

第六周☞业务学习

第七周☞Python/R学习

六、你真的喜欢数据分析吗？

请再次问问自己，是否真的喜欢数据分析，能否忍受处理数据时的寂寞？如果是，那就宜早不宜迟，马上开始行动吧。

但是凡事讲究细水长流，一口吃不下一个胖子，还需要不断地工作积累和广泛的阅读。你一定能够成为你想成为的人！