零一数据分析VIP,零基础学习大数据分析有可能吗

打个比方，医生看病会叫你做各种检查，从仪器检测得到大量的血压、心率、透视等数据后，再根据医学理论确诊病情。

大数据分析不同于传统分析的地方，仅仅是分析参考数据更丰富、更广泛、更精细、更完备，在此前提下分析的方法也就更多样，结论更全面、更科学。不要把大数据分析想象的太神秘、高深，它不是形而上的学科。

收集大数据到是需要较强的专业知识，分析大数据更注重的是分析的思路和方法，就像下围棋，学会容易下好难。

大数据提供你所需要的直接或间接数字依据，有些结论和答案可以通过分析软件实现。但有些基础数据模糊性、随意性较强，根据具体情况要做一些数据修正和结论分级，最终得出什么分析结论，那就需要你广博的知识和丰富的经验。

综上所述，你可以知道你不是零基础。你也可以通过对自己的大数据分析，得到你能不能学这行的答案。

基础的小伙伴应该该怎么自学数据分析呢？

我会从学习方式、学习内容、面试准备这三项内容展开介绍，那么废话不多说，我们直接进入正题。

一、学习方式

我们可以将学习方式划分为2类：①裸辞学习 ②在职学习

一般情况不建议裸辞，因为裸辞的小伙伴在求职的时候会比较被动：

心态问题 ，如果长时间找不到工作，要承受很大的心理压力；

HR压制 ，这里指HR会压制你的薪资，比如面试官会问，什么时间能到岗，你会很急切的回复说，“明天就可以！”相对应的，你的薪资也是“再降点也可以！”。

所以，如果目前的工作不会让你3秒钟就原地爆炸的话，真的不要裸辞！

二、学习内容

从初级数据分析师招聘要求的必须技能来看，主要包括理论知识和工具实践两部分内容。

理论部分

统计学：为什么将统计学放在第一位呢？因为统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、概率、分布、抽样、等内容，例如你必须要知道什么是环比和同比，什么是相关和因果，这都是你未来数据分析的基础。

数据分析方法论：这里要学习一些数据分析常用到分析方法，如趋势分析法、对比分析法、多维分解法、用户细查、漏斗分析、留存分析、4P理论、PEST理论、SWOT分析、5W2H理论、逻辑树理论、用户使用行为理论、AARRR模型等。

结构化思维：可以去读一下《金字塔原理》，它能够教会你思考、表达和解决问题的逻辑，例如金字塔里面有提到MECE原则，中文意思是：相互独立，完全穷尽。它是金字塔原理中很重要的原则，是结构化思维的体现，常用于问题或目标拆解。在未来工作中，能够帮助你建立全面的数据分析框架。

工具部分

Excel：它是最基础的数据分析工具。在学习的Excel的时候需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据透视表、Vlookup等。另外Excel还可以导入一些模板来使用，典型的包括数据分析模块、做假设检验经常用到；规划求解，做线性规划和决策等问题非常有效。

SQL：它是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）

PPT：用来和业务部门交流需求，展示分析结果。

Python：主要学习Numpy、Pandas、Matplotlib、Seaborn等内容。Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，在处理数据时候运行速度非常快。

这里需要注意的是不同公司对工具的要求也不同，例如有些公司要求会使用R语言、SPSS等，具体学哪一个工具可以参照JD要求，其中Excel、SQL和PPT是必备的基础技能工具。我的建议是先学Excel和SQL，最后再去看Python。

三、求职面试

这部分我们先来解答一下文章开头提到的问题“学习到什么程度可以去找工作”

其实这个问题要根据面试公司的岗位技能要求来确定，如果是面试初级的数据运营，只要具备基础的数据分析技能就可以尝试去找工作了，而且如果你是面数据运营（SQL+Excel就能搞定大部分工作）。如果是面试数据分析师，要求则会更高一些。

技能掌握好之后，要根据自己的目标城市、个人爱好、专业优势等因素确定目标行业。

数据分析是一个行业特征很明显的职业，如果你说自己想进入“互联网”企业，那可能说明你还没有想清楚自己到底要干什么。

因为互联网的存在是为了解决某个行业的问题（互联网+企业），比如滴滴、高德地图是为了解决出行交通行业问题（互联网+交通出行），比如美团饿了么解决的是餐饮生活类问题（互联网+餐饮），比如vipkid是为了解决少儿英语学习问题（互联网+教育），蚂蚁金服解决的是金融行业问题（互联网+金融）

这些行业都需要数据分析师，但是每个行业的业务知识和业务指标是不一样的。所以只有确定了行业，才能深入研究这个行业究竟是什么，对症下药，这样转行的成功率会更大。

行业确定后，接下来要明确目标公司，这里需要注意的是不同发展阶段的企业在数据使用的深度上是不同的。

沉睡型的企业，基本就是用Excel做一些基础统计和数据整理，做数据分析的人可能也是兼职，就是我们俗称的“表哥表姐”

在起步阶段，企业已经开始产生用数据报表的习惯，工具还是以Excel为主，数据库为辅，这个阶段的企业已经有少量的专职人员来维护数据库了。

发展型的企业，数据应用深度逐渐转向了业务，企业开始用数据规范工作，使用的工具变成了以数据库和专业的分析工具为主，并且企业会有专业的团队来负责数据工作。

成熟的企业特点更加鲜明，企业有成熟的基于业务场景的数据产品，数据类产品或服务是业务运营的核心组成部分。这时候企业运用的工具往往是数据平台或成熟的数据组件。

所以不同类型或者不同发展阶段的的企业对于数据的资源储备是有极大差异的，对数据人才的要求也不尽相同。

掌握了技能，明确好目标公司，然后就可以准备投递简

会员字面意思是通过正式手续加入某个会社或专业组织的人，在生活中的应用表现为：成为某产品的会员，享有一定的优惠。

而VIP是Very Important Person的缩写，直译就是“非常重要的人”“重要人物,大人物“，通称译为贵宾、贵宾卡或高级会员。这类人享有的权利要高于会员，当然要成为vip需付出相应的成本，每个商家都有不同的标准。在日常生活中，会员分为普通会员和高级会员，而高级会员就有点vip的性质。

会员管理不同于一般客户的管理，但是跟客户管理又大同小异，因为会员已经是对企业的产品有好感的客户了，所以除了要建立起会员资料库之外，会员管理更注重的是提醒会员企业的优惠活动，或是在会员生日时购物企业有优惠，总之，会员管理的要点就是通过各种优惠活动来吸引会员消费，同时要注意关注和重视会员，让他们有种VIP的感觉，这个要从服务和企业文化来建设，但是在日常的会员管理中，使用会员管理软件来管理就很不错。

会员管理软件可以管理会员的资料，建立会员资料库，资料库数据可以通过网络共享，而且可以提醒会员生日，可以及时送上企业的祝福和一些优惠提醒。

会员管理软件用于管理会员的缴费和会员卡消费非常的好，在软件里面可以实现会员卡的缴费和消费，而且缴费记录和消费记录会生成报表，可以详细分析会员的消费喜好和整体会员的消费情况

会员管理软件可以管理会员的积分，对于企业来说，会员积分只是用来促进会员消费的一种优惠方式，但是对于会员来说，积分是省钱的门道，所以要重视积分的管理，在会员管理软件中，积分的增加可以是会员缴费赠送的，也可以是会员消费赠送的，但是减少的话只能是换成商品，积分换商品也是会在软件里有记录的，积分的增加和减少都可以很好的管理。

会员管理软件可以管理会员的等级，在会员管理软件中，不同会员等级的会员享受的优惠是不一样的，会员等级可以自己设计，优惠程度也可以自己设计，设置会员等级是为了让高等级的会员享受到更好的待遇，可以有效地激励会员刷等级，促进商家的销售额。

会员管理工作其实就是一个中心思想和两个基本点就能做好，中心思想就是一切以会员为中心，两个基本点就是企业文化的人文关怀和会员管理软件的硬件支持，有了一个中心思想和两个基本点，管理好会员就不是问题了。

天下没有免费的午餐，便宜的短期课程都是在给后面的推销埋下伏笔，只要达到一定的转化效率，他们就稳赚不亏，至于授课好不好，只有上过才能评价，不排除免费课程用好老师，收费课程转一般老师的这种可能。

Excel全称是MicrosoftExcel，是美国微软公司旗下所开发的一款电子表格制作软件。

1.DataMelt DataMelt

又叫DMelt,这款计算平台用于统计分析庞大数据和科学可视化。该软件最常用于自然科学、工程以及金融市场的建模和分析。它支持许多编程语言,包括Python、 BeanShell、Groovy、Ruby、Java及其他语言。 企业组织可通过动态脚本来访问大型库,包括面向计算和可视化的40000多个Java类和500个Python模块。更高级的功能需要开发者许可证或商业许可证,但是免费版DataMelt包括探索、分析和可视化数据所必要的许多关键功能。 DataMelt可在Windows、Linux、macOS和Android设备上运行。

2.KNIME分析平台

KNIME分析平台旨在帮助企业通过可视化编程来处理、分析和建模数据。该软件包括1000多个模块、数百个随时可运行的示例和众多集成工具,帮助用户借助机器学习来发现隐藏在数据中的潜在洞察力,并预测未来。 KNIME让企业能够拖放活动之间的连接点,无需编写代码。该数据分析工具使用单一的可视化工作流程。

是表示1个零相乘的意思。

为什么要用会员卡？

1、有效的促销手段推行会员卡主要作用就是吸引新客户，留住老客户。在会员卡上印刷公司标志或者图案，为公司形象作宣传。公司根据情况可印刷不同的会员卡，享受不同的优惠政策，作为一种时尚消费。

2、使用方便如果是连锁经营的话，顾客只需持一张会员卡，即可在属下的任何一间分店购物消费，大大方便会员。系统具有良好的人/机对话界面，界面美观、操作简单、设置灵活、功能实用。

3、预存金额，提高销售金额会员卡作为一种电子钱包，可预先收取顾客的存款，在每次消费时从会员卡上扣费，无须使用现金支付，免去找零的烦恼。 并且可增加店铺的可用资金，充沛现金流。

4、有效管理通过系统软件对会员刷卡消费进行统计的管理、汇总、统计，并利用系统数据做出分析，供经营者分析经营状况，以便采取相应的经营、促销策略。

5、客户资源充分利用通过分析会员的消费信息，制定出有针对性的促销措施，为会员提供更为得体的服务。与会员形成互动，加深会员记忆，促进消费。

6、边际效应实现会员服务的全面信息化管理，有效控制所有会员资源，通过现有顾客群从而影响带动更多的消费群，发挥其边际效应。

看到楼里大家都是系统性地阐述，我这边直接讲工具，毕竟工欲善其事，必先利其器。

作为一名数据分析师，应该学习哪些工具呢？

一、Excel工具

说起用什么做数据分析，很多人的脑海中都会不约而同地想到Python、R、SQL、Hive等看似很难掌握的数据分析工具，它们就像数据分析路上的拦路虎一样，让人踟蹰不前。

其实，在众多的数据分析工具中，Excel属于最常用、最基础、最易上手的一款数据分析工具。Excel的功能十分强大，它不仅提供了众多的数据处理功能，像Excel函数能够帮助我们做数据整理，数据透视表帮助我们快速、高效的做各种维度分析，形形色色的图表能帮我们形象地展示出数据背后隐藏的规律，同时Excel还有很专业的数据分析工具库，包括描述性统计分析、相关系数分析等。

Excel对于转行数据分析的小白来说，应该是最友好的。大家都知道“转行”其实是一件很困难的事儿，但是你学会了Excel，是完全可以找到一份“数据”相关的工作的，只有踏进数据领域，你才有可能从事其它更多的数据岗位。

二、BI工具BI工具是专门按照数据分析的流程进行设计的，也是专门用于数据分析的工具。仔细观察这些工具后，它们的基本流程是：【数据处理】-【数据清洗】-【数据建模】-【数据可视化】。

关于BI工具，其实有很多你估计已经用到过，比如说Tableau、Power BI，还有帆软FineBI等。今天我们就分别带着大家来盘点一下，这三款工具。

1、Tableau

Tableau是一款交互式数据可视化软件，它的本质其实也是Excel的数据透视表和数据透视图。

Tableau也是很好的延续了Excel，只需要简单地拖拽，就能很快地实现数据的分类汇总，然后拖拽实现各种图形的绘制，并且可以实现不同图表之间的联合。

Tableau同时支持数百种数据连接器，包括在线分析处理（OLAP）和大数据（例如NoSQL，Hadoop）以及云数据，至少现在你能学到的数据库软件，Tableau基本都能够实现与其数据之间的互动。

2、Power BI

Power-BI是一款（BI）商业智能软件，于2014年发布，旨在为用户提供交互式的可视化和商业智能，简单的数据共享，数据评估和可扩展的仪表板等功能。。

大家可能都知道，Power BI以前是一款Excel插件，依附于Excel，比如Power Query，PowerPrivot, Power View和Power Map等，这些插件让Excel如同装上了翅膀，瞬间高大上，慢慢地就发展成为现在的Power BI数据可视化工具。

Power BI 简单且快速，能够从 Excel电子表格或本地数据库创建图表。同时Power BI也是可靠的、企业级的，可进行丰富的建模和实时分析，及自定义开发。因此它既是你的个人报表和可视化工具，还可用项目、部门或整个企业背后的分析和决策引擎。

同时，无论你的数据是简单的 Excel电子表格，还是基于云和本地混合数据仓库的集合， Power BI都可以让你轻松地连接到数据源，直观看到或发现数据的价值，与任何所希望的人进行共享。

3、FineReport

帆软是业内做报表比较久的一家公司，使用类excel风格的界面，可添加图表和数据源，也可实现大屏效果。

其实它的类Excel风格界面，应该是它区别于Tableau工具的一个很重要的点。FineReport 通过直接连接到各种数据库，就能方便快捷地自定义各种样式，从而制作周报、月报和季报、年报。

用过FineReport 的朋友，还会有另外一种体会，它的图形效果比Tableau要酷炫的多，操作起来同样也是那样的方便。

另外，FineReport 的个人版本是完全免费的，并且所有功能都是开放的，大家赶紧下去试试吧。

4、FineBI

关于FineBI，这是目前市面上应用最为广泛的自助式BI工具之一，类似于国外的Tableau等BI分析工具，但FineBI在协同配合，数据权限上，能更好的解决国内企业的情况。

但严格定义来讲，它其实是一款自助式BI。支持Hadoop、GreenPlumn、Kylin、星环等大数据平台，支持SAP HANA、SAP BW、SSAS、EssBase等多维数据库，支持MongoDB、SQLite、Cassandra等NOSQL数据库，也支持传统的关系型数据库、程序数据源等。

5、Python & R

其实不管是Excel，还是介绍的三款BI工具，它们都是为了执行特定功能，而设计出来的。如果说某一天，既定功能不能很好，或者说不能满足你的需求，那么应该怎么办呢？

这就需要我们了解，并学习一点编程语言了，最大的优势就在于：它非常强大和灵活。不管是R或者 Python，都有很多包供我们调用，同时也可以自定义函数，实现我们的某些需求。

最后，分析工具放在后台了，大家私信“BI”就能获得！

这是一个非常好的问题，作为一名IT从业者，同时也是一名教育工作者，我来回答一下。

首先，从知识体系的角度来看，当前学习数据分析需要学习三大块知识，其一是数学和统计学知识、其二是大数据知识、其三是行业知识。

数学和统计学是数据分析的基础，在大数据时代，要想在数据分析领域走得更远，一定要重视数学和统计学知识的学习。从某种程度上来说，数据分析就是构建在数学和统计学基础之上的，虽然当前有很多数据分析工具和平台可以使用，但是如果脱离数学和统计学知识，数据分析往往很难深入。对于数学基础比较薄弱的人来说，在学习数据分析的过程中，可以同时补学数学知识，包括线性代数和概率论等等。

数据分析是大数据技术体系的重要组成部分，实际上当前的数据分析也是大数据进行数据价值化的主要手段之一，所以当前学习数据分析一定不能脱离大数据技术体系。在大数据平台的支撑下，数据分析可以借助于大数据平台来达到一个更好的分析效果，比如速度提升就非常明显。

从数据分析的手段上来看，当前数据分析主要有两种方式，一种是统计学方式，另一种就是机器学习方式，当前机器学习的数据分析方式受到了广泛的关注，基于机器学习的数据分析未来也有广阔的发展和应用空间。采用机器学习进行数据分析，需要从算法设计开始入手，然后完成算法实现、算法训练、算法验证和算法应用等一系列环节。

最后，对于数据分析的初学者来说，可以从Python开始学起，然后进一步学习数据库、大数据平台和机器学习等内容，大数据平台可以考虑一下Hadoop和Spark。

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，或者私信我！