数据分析入门书籍推荐？零基础如何入门数据分析？

本文目录

1. 零基础如何入门数据分析？
2. python有什么推荐的好书吗？
3. 零基础学大数据能学会吗？
4. 做数据分析需要学什么？
5. 数据分析有哪些工具？

零基础如何入门数据分析？

零基础入门数据分析，建议先从Excel开始，因为Excel是数据分析最常用的工具，功能强大，入门容易。

从Excel开始

Excel需要学习的有3点，Excel公式、数据透视表和Excel图表。

1、Excel公式

2、数据透视表

3、Excel图表

学习一些SQL基础

接着建议学习MySQL，因为数据分析跟数据打交道，懂点sql知识还是很有必要的。

懂点统计学理论很有必要

统计学是必须的，不懂统计学根本算不上数据分析师，具体内容有：统计学基础、参数估计、假设检验、方差分析、线性回归、时间序列、聚类分析、主成分分析及因子分析等。

SPSS

分析工具除了Excel，推荐SPSS，使用广泛，容易上手。

因为统计学很有些分析方法通过Excel就可以搞定；有些不行，必须通过其他工具才能搞定，例如多元线性回归、聚类分析、主成分分析及因子分析，都需要用到SPSS。

在掌握了统计学的基础上，在学习SPSS是很容易的，因为SPSS只是一个工具而已。

编程学习（可选）

另外，有精力的话，懂点编程也是必须的，因为用Excel做数据分析，少量数据（大约几十万甚至百万）没有问题，但是再大一点的数据通过程序来程序会更高效。

1、Python/R

Python和R都可以，R在数据分析方面更加强大，也更成熟，但是想往机器学习方向发展的话，Python还是主流语言，推荐学习Python。

2、ExcelVBA

虽然Excel为我们提供了很多好用的公式和功能，但是还有很多工作无法用现有的公式和功能批量完成，比如Excel表格的批量拆分、数据批量分类等，而借助于VBA代码，可以很方便地处理这些问题。

回答完毕！

python有什么推荐的好书吗？

推荐一些网站教程和社区，希望对你有帮助。

文档类教程

廖雪峰的官方网站

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

Python基础教程|菜鸟教程

http://www.runoob.com/python/python-tutorial.html

w3cschool

https://www.w3cschool.cn/position/kqc20f.html

Python100例

http://www.runoob.com/python/python-100-examples.html视频类教程

慕课网

https://www.imooc.com/

网易云

https://study.163.com/社区

Python中文社区维基

https://python-chinese.github.io/

PythonTab——python中文开发者社区

https://www.pythontab.com/

希望以上分享对你有所帮助，欢迎大家评论、留言。

零基础学大数据能学会吗？

大数据是我的主要研究方向之一，目前也在带大数据方向的研究生，所以我来回答一下这个问题。

首先，大数据相关技术还是具有一定难度的，但是随着大数据领域的生态体系逐渐完善，大数据技术逐渐从研发领域向应用领域过渡，所以对于零基础的学习者来说，也能够找到适合自己的切入点。

目前大数据领域的岗位包括大数据平台研发、大数据应用开发、大数据分析和大数据运维，这些岗位也有诸多的细分岗位，以大数据运维岗位为例，就涉及到数据采集、数据整理、数据存储、数据传输、大数据平台部署、大数据平台维护等岗位，学习这些岗位的相关知识对于初学者的基础并没有太多的要求，完全可以从零开始学起。

对于从事大数据运维岗位的从业人员来说，需要掌握三方面知识结构，其一是操作系统知识，重点在于操作系统体系结构，往往需要系统地学习一下Linux操作系统；其二是掌握数据库知识，数据库可以从关系型数据库开始学起，重点在于Sql语言的学习；其三是掌握计算机网络知识，涉及到网络的部署和配置，这其中包括大量网络设备的安装和调试，比如交换机和路由器的配置等等。

除了网络运维岗位之外，大数据分析岗位也可以从头开始学起，大数据分析分为两种情况，一种是采用大数据分析工具进行场景化的数据分析，另一种情况是采用机器学习方式实现复杂的数据分析任务，对于前一种数据分析方式，在内容的学习上并不算复杂，完全可以从头开始学起。

最后，如果想在大数据领域走得更远，应该系统地学习一下数学知识和统计学知识，这是学习大数据相关技术的重要基础。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！

做数据分析需要学什么？

数据分析最主要的是要有数学知识，它是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。

其次是要学习使用分析工具。熟练掌握Excel是必须的，数据透视表和公式使用必须熟练，ⅤBA是加分。另外还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

三，编程语言

对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

四，业务理解

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。

五，逻辑思维

这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

六、数据可视化

数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

七，协调沟通

对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

八，快速学习

无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。

快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！

数据分析有哪些工具？

数据分析工具其实有很多种，对应不同类型的使用者也有各自适合的选择。例如懂数据算法计算机语言的人，可能给他一款，填写算法代码流畅的分析软件就是有效。掌握了数据分析专业技能的人，强大的分析功能能将工作做到事半功倍，不管看着功能多复杂。还有就是我这种非计算机专业出身，非统计学出身，但工作做还需要对大量数据进行分析的人。

如果你跟我一样，那么可以看下我的回答。

我总结了下，我以前找分析工具的时候，自己先想了几个方向点：

1、好上手。一看板面就知道怎么导入数据，怎么做图表，怎么排版的。这样的高效。

2、功能还得强大的.毕竟是非专业人士了，找分析工具就是为了充分发挥工具自身能动性，和强大功能，来给我们创造价值的，特别是涉及到数据大量、复杂，必须有给力的功能支撑才能是良心工具。

3、可视化呈现要好一点，就是图表要高大上的。数据分析报告得拿出手，图表的展现就是第一门面。包装的意识还是要有的。

所以结论就是找一些操作容易、功能强大、图表颜值还得好的工具了。我就是照着这个思路找的，也用过几个，可以给大家说说。像东软做的Dataviz，是用着比较顺手的了。具体介绍我就摘抄下，自己懒得码那么多字

DataViz数据可视化分析工具，不需要编写代码，也不需要任何程序设计基础，用户可以通过简单的拖拽就可以实现数据可视化展示与分析。DataViz使用简单，但是实现的功能却不简单，上百种丰富的炫酷图表，可以实现数据的多维度多层次分析。

上图先，先看些基本图

各种数据分析好后，可以做成组合图册：

重点就是操作起来简单，拖拖拽拽的，看起来特别复杂的图表，其实拼贴一下就能搞定了。操作面板基本本国人都可以分分钟用起来。

如果是专业人士或者计算机大拿的，估计可以寻找更复杂的工具进行尝试了。但不适合我，所以我这里就不进行推荐了。