在数据越来越受到重视的今天，数据分析师是大数据时代应运而生的职业。现在越来越多的传统公司也意识到数据资产的重要性，配置了数据分析师的岗位。
从市场需求量与薪资来看，数据分析师可谓都是不错的选择，但我们都知道，数据分析是一个需要长期学习的职业，在几年前，可能我们只需要会一点SQL，python的技术，就能找到一份关于数据分析的工作了。
但如今，随着数据分析师越来越受到重视，许多公司对于技术要求也有了新的改变，除了要求会有基础的数据分析技术外，还会希望你会一些大数据、数据挖掘、算法等其他相关技能，因此如果你想要成为一名优秀的数据分析师，高效的学习是不可避免的。
对于小白而言，如何学习，学习哪些技术，可能会有些混乱，本期，笔者为大家总结了最全的数据分析学习路线，从浅至深的帮助大家快速的了解数据分析都有哪些必学的知识点，建议收藏。
1、excel
数据分析师需要会用Excel，这是毋庸置疑的，Excel作为数据分析最基础最常用的软件，每一个数据分析师入门的工具都离不开Excel，Excel的涵盖的功能足够多，有很多传统行业的数据分析师甚至只要求掌握Excel即可，会SPSS和SAS是加分项。
Excel是一款学习起来比较轻松，并且功能强大的统计类软件，它的主要用途是用于处理和分析数据，把繁琐的数据加工成我们需要的内容，Excel不仅仅是一个存储数据的容器，还可以借助其强大的函数、透视表、可视化等功能来帮助我们完成大量的数据分析工作。
2、SQL
数据分析师经常会被称为是数据读取器，甚至还可能获得人肉跑数机的称号，因为在日常工作中，我们所做的最多的工作，可能就是取数需求，所以，对于数据分析师而言，能够快速准确的写出SQL语句，取出数据是十分重要的。
SQL看似简单，但是面对复杂多变的需求、奇奇怪怪的脑洞、还有公司杂乱的底层数据等，这个时候就需要数据分析师有清晰的思维、强大的SQL技能、还有很好的耐心，这样才能拨开迷雾，理清需求和现状，从容应对。
学习SQL编程语言，把group by,、orderby、login、 schema、user、linked server等这些这些基本概念弄明白，这部分大家可以通过网络或者自己买一些书籍去参考。之后可以找一些SQL教学视频，学习一些简单的操作。
也可以加入一些SQL的学习群组，多与其他小伙伴进行交流，及时发现问题，除此之外，边学边练是一个加快学习进程的好方法。
推荐学习书籍：《MySQL必知必会》、《SQL必知必会》、《SQL 基础教程》
3、Python
Python对于数据分析师而言是一门加分项，数据分析师除了要取数之外，还需要对数据进行定量和定性的分析。
有些建模类的工作，比如建立用户的个人信用评价模型、灰名单用户的关联分析、用户迁徙数据的可视化展示等等。这些都需要使用编程语句，将复杂的逻辑和算法涵盖进去。这时候Python就成为了不可或缺的工具。
这里给大家分享 Python 学习三件套：《ThinkPython》、《简明Python教程》、《Python进阶》。如果你是刚入门的小白，不用想了，这是最好的学习教材。
除此之外，在掌握了Python的基础下，还要根据项目经验的结合，来提高自己的编程能力，大家可以多参与Python项目实战来提高自己的实践能力。
4、可视化工具
作为一名数据分析人，没有一个好的可视化工具怎么能行？
其实国内外有不少可视化工具还是相当好用的，比如FineBI、Echart、Tableau等等
这里比较推荐大家学习BI，简洁明了的数据分析工具，优点是零代码可视化、可视化图表丰富，只需要拖拖拽拽就可以完成十分炫酷的可视化效果，拥有数据整合、可视化数据处理、探索性分析、数据挖掘、可视化分析报告等功能，更重要的是个人版免费。 
5、数据分析能力和统计学知识
在掌握了基础技术后，我们要应该更加深入了解数据分析的内在了。下面给大家盘点一些我们需要学习的知识
统计学知识
数据分析中常用的基本统计方法和描述数据特征的概念等。比如：
基本统计量：均值、中位数、众数等
描述性统计量：方差、标准差、显著性等
其他统计量：总体、样本等
概率分布与假设检验：分布特征、假设检验流程等
在使用统计量做基本分析之后，可以使用seaborn、matplotlib等python包做可视化分析，进而形成业务建议。
数据分析
在数据分析阶段，回归分析所使用的频率最高，因此重点了解回归分析的方法，大多数问题就可以解决。这部分经常使用的知识点如下：
回归分析：线性回归、
逻辑回归 基本分类方法：决策树、随机森林等基本聚类方法：k-means等python数据分析包：scipy、numpy等
6、业务知识
数据分析不仅仅是写sql取数。想要摆脱大表哥、查数姑的命运，还要思考业务逻辑、了解业务需求，针对具体问题设计分析方法，推动数据分析从报告到产品落地。
这样才能做出好的数据分析成果，才能体现数据分析师的价值。因此我们需要对行业现状和业务场景有所了解，才能明白数据背后的逻辑。
多和同事交流、多参与到业务中去，多了解行业资讯，都是非常有必要的。
写在最后
其实数据分析对于小白而言并没有想象中的那么困难，更多的还是要多学勤练，多参与项目实践，能够帮助我们快速的提高技术能力。
更多数据分析相关推荐：
