前面我们为大家讲述了Excel、数据可视化、数据分析思维、数据库的知识。学会了这些就相当于学会了数据分析一般的内容，但是这些知识并不能构成一个完整的数据分析知识体系，还需要学习统计学、Python/R以及业务知识，现在就给大家讲解一下统计学的知识。

就目前而言，很多数据分析师统计学基础知识并不是很重视，这是一种错误的做法，在数据分析知识中，统计学的地位也是不容忽视的，如果在分析数据的时候没有了统计学，那么分析数据就不那么准确了。如果相关人员不清楚某种事物的置信度的含义和概念，那么就不能够分析出一个完整的数据。如果不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。

很多人都喜欢用平均数去分析一个事物的结果，但是这往往不是准确的，如果学习了统计学，那么我们就能够以另一个角度看待数据。毕竟很多数据分析的决策并不牢靠。我们统计学里面还需要学习描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。

如果将统计学和数据可视化相结合，那么这就是对数据的分布进行一个直观的概念讲解。这是因为很多特定的模型都有自有的数据分布图，这些分布图有很多，比如直方图和箱线图，如果掌握了这些分布图的好处，那么就是对数据分析有极大的帮助。由此可见，直方图和箱线图会是长久伴随分析师的利器。

要学好统计学，或者要利用好统计学，那么一定要重视概率论的研究，统计学的一大重要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，概率论包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。这些理论在数据分析中都会用得到。

由此可见，统计学是一个很广阔的领域，涉及到各方各面，尤其是包括方差分析，时间序列等，都有各自不同的应用。大家在学习的时候一定要重视统计学的知识，这样才能够将数据分析的知识学的十分透彻。