100小时成为数据分析师

没有数学基础，没有编程基础，没有项目经验，但有一颗想成为数据分析师的心，有没有办法?

让我们抛掉“一定要努力”的鸡汤，扔掉“数据科学家必备”的书单，在本文中，我将给出一条方向明确，可操作的实现路径。

开篇前的定义：

本文中的”100小时成为数据分析师“，指在0基础(统计学基本不懂，代码基本不会，数据分析经验基本没有)的前提下，使用平均100个小时(随个人情况不同有所增减)左右的学习时间，获得互联网(包括电子商务)或零售等传统行业(不包括金融)入门级数据分析相关工作(产品、运营、营销等非技术类职位)的入职资格(入职仅仅是一个开始，真正的学习和挑战在工作中)。

(温馨提示：下文较长，如无耐心可只看目录)

目录：

一、整体了解数据分析——5小时

二、了解统计学知识——10小时

三、学习初级工具——20小时

四、提升PPT能力——10小时

五、了解数据库和编程语言——10小时

六、学习高级工具——10小时

七、了解你想去的行业和职位——10+小时

八、做个报告——25小时

九、投简历，面试，入职——N小时

一、整体了解数据分析——5小时

新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容?

市面上有很多讲数据分析内容的书籍，在此我推荐《深入浅出数据分析》，此书对有基础人士可称消遣读物， 但对新人们还是有一定的作用。阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。

二、了解统计学知识——10小时

15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。

本阶段推荐书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。

三、学习初级工具——20小时

对于非技术类数据分析人员，初级工具只推荐一个：EXCEL。推荐书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。

本阶段重点要学习的是EXCEL中级功能使用(数据透视表，函数，各类图表适用场景及如何制作)，如有余力可学习VBA。

四、提升PPT能力——10小时

作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。具体书籍和课程就不推荐了，网上一抓一大把，请自行搜索。

五、了解数据库和编程语言——10小时

这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱……)。数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。

六、学习高级工具——10小时

虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择：SPSS和R。虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。

七、了解你想去的行业和职位——10+小时

这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。

八、做个报告——25小时

你学习了那么多内容，但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?答案很简单，做个报告给他们看，告诉招聘者：我已经有了数据分析入门级(甚至进阶级)职位的能力。同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了……这也是件好事，有数据分析能力的人做其他工作也算有一项优势。

在此只说做报告的几个要点：

1、先定好分析目标，梳理好分析逻辑，然后再做其他工作，否则要么没有结论，要么逻辑生硬不合理，要么多次返工……

2、数据来源：首选网上的各种公开数据库和数据源，国外的数据比较规整，国内的数据背景学习成本相对低;

3、数据清洗整理：这项工作通常要占到40%-50%甚至更多的时间，请做好多次重来的心理准备。

4、工具使用：如无能够解释分析过程和结果的信心，请多用描述统计多作图，少用聚类等分析模型，工具和模型是为分析目标服务的，不要为了使用而使用。

5、报告制作：注意三点：

(1)虽然”图比表好，表比字好“，但前提是你能清楚的表达出想要表达的内容，该用文字的时候还是要用文字;

(2)分析一定要有结论，结论一定要有数据支持;

(3)如果使用了一些你当前所属组织(公司或学校)的专有数据，请在具体的数值上打马赛克，且最好不要标注具体来源(写到某公司或某学校即可)，这是作为一个数据分析师的职业素养，面试时有加分。

6、做好多次修改完善报告的心理准备。

九、投简历，面试，入职——N小时

投简历的时候不要看见职位里带”数据分析师“就投!带这个关键字的，有录入整理数据的最低级职位，也有需要写代码的开发人员(数据分析师，数据挖掘工程师，傻傻分不清楚)，看好职位描述再投!需要3年以上工作经验的，可以投但不要抱希望;需要1年以上工作经验的，你手里有做好的报告，请转成PDF文件，然后向他们砸过去……很大几率能中。

面试时候基本上会问一些”你认为数据分析都包含哪些工作“，”你之前做过什么数据分析项目“，”你印象最深刻的项目是哪一个“，”你觉得数据分析哪部分最重要“，”你在工作中碰到过什么难题“之类的问题，你已经做过一份完整报告所以这些问题应该都能答上来，基本都是开放式问题，没有标准答案，不必紧张。如果碰上让你写代码或者做算法题的，默默退了吧，他们要招的是开发……

N次面试之后，准备入职吧，正式开始你作为数据分析师的征程。