在前面寫了《聊聊我的R語言學習路徑和感受》一文， 很多朋友在公眾號後臺給我留言， 問如何學習資料分析、如何轉行資料分析、如何快速的掌握資料分析技能等等類似的問題。 為了回答這些問題， 就在這裡跟大家聊聊我個人從事資料分析行業後的一些感受和建議。 也歡迎各位看官提出你自己的想法和經驗， 幫助到其他同行的朋友。
感受1：SQL很重要
SQL很重要！SQL很重要！SQL很重要！重要的事說三遍， 資料庫查詢對於一個資料分析師來說真的是必備技能。 沒有它， 你的工作真的非常難找， 往往在面試的時候，
學習建議
資料庫目前在市面是有很多種， 如Oracal、SQL Server、MySQL、Hive等， 並不是都要一一學個遍， 因為它是結構化的查詢語言， 各種資料庫的語法都非常相似， 可以說是一通百通。 如果你想從事資料分析崗， 但又沒有接觸過資料庫（學生或準備換行的朋友）， 建議你下載一個MySQL的社區版本（https://dev.mysql.com/downloads/mysql/）， 然後買一本相對實戰且基礎的書籍（《SQL必知必會》）進行學習。 這本書一共介紹了30個章節的內容， 你只需重點吸收資料庫的查詢、修改、刪除、插入、存儲過程等知識點， 我認為通過這些知識點的吸收和應用，
感受2：視覺化顯水準
資料視覺化的技能， 也是資料分析師的必備要求， 因為枯燥的資料表肯定不如一張張圖更吸引眼球， 更何況這些報表更多的是給那些業務繁忙的Boss看。 那報表的展現方式總不能每次發一個PPT給對方吧， 如何讓對方隨時隨地的查看到你的報表呢？Tableau！
它有兩個強大的版本， 一個是DeskTop版， 即分析人員的視覺化設計版本；另一個是Server版， 即通過DeskTop將設計好的視覺化報表上傳至伺服器， 實現隨時查閱報表的功能， 而這兩個版本的結合就能恰到好處的滿足隨時隨地查報表。
學習建議
這裡推薦《Tableau資料視覺化從入門到精通》一書， 這也是我看的眾多Tableau書籍中比較好的一本， 而且該書籍在售書平臺上的評價也非常棒。 該書一共16個章節， 從基礎的工具簡介、資料讀取、欄位操作、函數使用到視覺化實操， 講到了很多細節方面的內容， 最後還以兩個案例作為壓軸戲， 分別是“網上超市運營分析”和“網站流量統計分析”。 這兩個主題抓的非常貼切， 一個從電商運營角度來思考常見的視覺化問題；另一個則從網站運營角度來分析有哪些核心指標可供選擇和及對應的展現方式。
感受3：Excel很普及
作為一個資料分析師或BI， 其實很多工作內容都可以通過SQL提數和Excel的加工就可以任務完成， 困難的是如何梳理好SQL的提數邏輯和靈活的應用Excel減輕你的工作量。 之所以說它應用很普及， 是因為它不僅僅是個裝資料的容器， 更多的是會借助於強大函數、視覺化等幫你完成工作。
各式各樣的字串函數（LEFT、RIGHT、MID、LEN、REPLACE、TRIM、FIND、SEARCH、CONCATENATE、REPT等）、數值函數（ABS、EXP、LOG、POWER、SQRT、CEILING、FLOOR、MOD、ROUND、SIGN等）、日期函數（DATE、YEAR、MONTH、DAY、WEEKDAY、WORKDAY、TODAY等）、統計函數（MIN、MAX、AVERAGE、MEDIAN、VAR.S、SUM、SUMIFS、COUNT、SKEW、NORM.DIST等）、匹配函數（ROWS、COLUMNS、MATCH INDEX、VLOOKUP）等可以讓你在資料處理過程中變的非常簡單而輕鬆；強大的視覺化功能（如圓形圖、橫條圖、柱狀圖、折線圖、面積圖、散點圖、氣泡圖、雷達圖等）也會為你的資料分析助一臂之力，
學習建議
這裡向大家推薦《Excel函數與公式速查手冊》和《Excel2016寶典》兩本書。 第一本書涵蓋了近600個函數的講解，而且這些函數都是借助於一個個實例來完成的，有助於讀者的操作和理解，可以說，讀完這本關於函數的書就可以在工作中使用函數時顯得遊刃有餘；第二本光從書名就知道是一本知識點比較全面的書籍，該書涉及Excel的公式和函數、圖表視覺化以及Excel的各種設置。個人建議可以把這兩本書當作工具來使用，沒必要系統的過一遍，當你需要某個知識點時，從目錄去查找相關關鍵字，然後操作幾遍就記得如何使用了。
資料採擷秀肌肉
我相信，當你找資料分析相關的工作崗位時，基本上都會看見對方要求你會資料採擷或資料建模方面的能力，同時也會附上一條熟練使用Python、R等工具。此時你會掂量掂量自己，這方面的技能我會嗎？工具使用的熟悉程度能夠達到對方的預期嗎？我有哪些相關的建模經驗？
在面試或工作中比較常見的資料採擷演算法有四類，分別是預測、分類、聚類和關聯，個人覺得前兩類的使用頻率會更高一些。這裡提幾個重要的挖掘演算法：線性回歸、Logistic回歸、決策樹、貝葉斯、SVM、隨機森林、K均值和關聯規則。希望不熟或不會資料採擷的朋友可以先從這幾個著手學習，而且學習的時候先通過代碼完成落地，然後再去慢慢研究其理論知識。
學習建議
如果你是統計學或經濟學等類似專業的朋友，建議你去學習R語言，而如果你是電腦專業或理工科的朋友，則建議你去學習Python。因為這兩個工具的思維有一點點差異，畢竟R語言是由統計學家創建的（偏向於函數概念），而Python是由電腦學家創建的（偏向於類概念）。而且又有一些相似性，同時學習的話會比較容易混淆。如果你選擇R語言的話，這裡推薦《R語言實戰》和《機器學習與R語言》這兩本書，前一本書偏向於語法程式設計，同時也會含有案例來說明統計學方面的知識點，後一本則通過實戰的方式來介紹常用的資料採擷技術，能夠助你快速的進入R語言的挖掘狀態；如果你選擇Pythond的話，同樣介紹兩本書，即《利用Python進行資料分析》和《Python資料分析與挖掘實戰》，第一本更多的是介紹資料分析方面的Python庫，如numpy、pandas和matplotlib，這也是一本基礎書，第二本則是教你如何按部就班地完成每一個實戰案例，具有代入感，讓讀者學習起來很順暢；如果你還想補一補資料採擷的理論知識，則推薦《資料採擷概念與技術》，個人看了好幾遍，不是很難，有比較好的操作性。
OK，如上就是我從事資料分析崗位的一些學習經驗和感悟，希望對各位讀者有一點點的幫助。學習是一種投資，需要耐得下性子，坐得住板凳，敲得住鍵盤，同時，還要不斷的堅持。只有這樣，我相信一定會成為資料分析或挖掘的強者。
End.
第一本書涵蓋了近600個函數的講解，而且這些函數都是借助於一個個實例來完成的，有助於讀者的操作和理解，可以說，讀完這本關於函數的書就可以在工作中使用函數時顯得遊刃有餘；第二本光從書名就知道是一本知識點比較全面的書籍，該書涉及Excel的公式和函數、圖表視覺化以及Excel的各種設置。個人建議可以把這兩本書當作工具來使用，沒必要系統的過一遍，當你需要某個知識點時，從目錄去查找相關關鍵字，然後操作幾遍就記得如何使用了。資料採擷秀肌肉
我相信，當你找資料分析相關的工作崗位時，基本上都會看見對方要求你會資料採擷或資料建模方面的能力，同時也會附上一條熟練使用Python、R等工具。此時你會掂量掂量自己，這方面的技能我會嗎？工具使用的熟悉程度能夠達到對方的預期嗎？我有哪些相關的建模經驗？
在面試或工作中比較常見的資料採擷演算法有四類，分別是預測、分類、聚類和關聯，個人覺得前兩類的使用頻率會更高一些。這裡提幾個重要的挖掘演算法：線性回歸、Logistic回歸、決策樹、貝葉斯、SVM、隨機森林、K均值和關聯規則。希望不熟或不會資料採擷的朋友可以先從這幾個著手學習，而且學習的時候先通過代碼完成落地，然後再去慢慢研究其理論知識。
學習建議
如果你是統計學或經濟學等類似專業的朋友，建議你去學習R語言，而如果你是電腦專業或理工科的朋友，則建議你去學習Python。因為這兩個工具的思維有一點點差異，畢竟R語言是由統計學家創建的（偏向於函數概念），而Python是由電腦學家創建的（偏向於類概念）。而且又有一些相似性，同時學習的話會比較容易混淆。如果你選擇R語言的話，這裡推薦《R語言實戰》和《機器學習與R語言》這兩本書，前一本書偏向於語法程式設計，同時也會含有案例來說明統計學方面的知識點，後一本則通過實戰的方式來介紹常用的資料採擷技術，能夠助你快速的進入R語言的挖掘狀態；如果你選擇Pythond的話，同樣介紹兩本書，即《利用Python進行資料分析》和《Python資料分析與挖掘實戰》，第一本更多的是介紹資料分析方面的Python庫，如numpy、pandas和matplotlib，這也是一本基礎書，第二本則是教你如何按部就班地完成每一個實戰案例，具有代入感，讓讀者學習起來很順暢；如果你還想補一補資料採擷的理論知識，則推薦《資料採擷概念與技術》，個人看了好幾遍，不是很難，有比較好的操作性。
OK，如上就是我從事資料分析崗位的一些學習經驗和感悟，希望對各位讀者有一點點的幫助。學習是一種投資，需要耐得下性子，坐得住板凳，敲得住鍵盤，同時，還要不斷的堅持。只有這樣，我相信一定會成為資料分析或挖掘的強者。
End.