对数据敏感，能够通过“数据分析”发现业务层面提升的机会，是很多企业对产品、人力、运营和经理等岗位的基本要求。而我们之前也梳理了“数据分析通识”，“数据思维”，“数据分析常见的工具”等数据分析的一些相关的内容，了解了什么是数据分析，以及思维等知识点。
本文将从广义的角度以及互联网思维的视角，来梳理一下关于“数据分析”如何快速入门一些基本思路。但不局限于入门专职数据分析的岗位，因此不存在质疑自己合不合适做数据分析、纠结零基础入门难、文科生是不是很难入门等疑问。
但如果你想入行数据分析，还是需要好好思考一些问题：我希望进入哪些“数据分析”的岗位呢？这职位有前景吗？自己的性格适不适合做数据分析？符合自己未来的职业定位么？入行后需要什么样的知识结构？等问题了。
刚刚接触“数据分析”相关工作时，在日常工作中都在为数据质量、取数等基本的事项弄得焦头烂额，与业务方的沟通需求争论不休。一开始觉得其主要问题是工具技能的不足以及缺乏对业务的理解。但后面慢慢地就会发现让其坚持下来的本质原因是对数字背后的逻辑以及异常原因的好奇，是对更高效分析方法的好奇，是对行业的新鲜事物的好奇···等等的好奇心，而这些好奇才是你做好“数据分析”的原始驱动力。不然很容易简简单单就出分析结论，草草结束分析了。我们在做小飞象交流会的时候，总是会重复一句话“做一个对世界充满好奇的人！”，只有你足够的好奇心，才能够直面枯燥的数字，不断挖掘事物背后原因的强烈动力。
因此，我们首先来看看入门“数据分析”对人有哪些要求？
首先，从性格、兴趣、爱好等方面来看。要有一定的好奇心和不断探索未知的性格，并有兴趣去知道数据背后的逻辑，当面对分析需求、写sql代码、整理海量数据等繁琐枯燥的工作，能克服枯燥的感觉并严谨的完成这些工作，同时更要求有与人沟通以及合作的协调的能力，因为做数据分析需要与业务部门、研发部门等频繁沟通和合作、明确需求以及推动执行的。这些工作，是你喜欢的、擅长的吗？
其次，从学习、思考的能力方面来看。如何根据数据，来推演、分析、提出解决方案，需要你常常脑洞大开，并且数据分析是需要不断持续保持学习状态的。因为数据分析的结论，有时候会和我们的直觉背道而驰，这就需要不断的通过思考以及学习，完善自己的知识体系。
再者，从工具使用的熟练程度来看。我们分析数据， 就需要有数据源，然后处理数据。也就是说数据查询和处理的能力是做数据分析基本的内功。在数据处理上，就涉及到了大大小小各种各样的工具，所以就需要掌握这些工具的使用，如Excel、SQL、Tableau、Pyhon等工具。
最后，从心态上想想自己是否具有开放性、可容错性以及坚持不懈的毅力。数据分析的圈子里面，都非常开放。数据也好，还是数据指标也好，其本身并不是完美的，也会出错，所以我们必须拥有开放的心态以及坚持不懈的精神，所以，才能使我们不断的从数据中探索，寻求答案。
✎小结
总之，对于一些缺点和不足，可以考虑改进，使之不再成为短板，比如学习数据分析的基本原理、技术、工具，但是兴趣、性格、心态的方面呢？或者会成为你放弃不擅长的职业的原因。
了解了入门“数据分析”对人有什么要求，那么，我们就来梳理一下如何快速入门“数据分析”的基本思路。
对于如何快速入门数据分析主要建议还是主要把精力放在数据分析的思维、业务知识的熟悉与梳理、通用能力。其入门思路如下：
首先，是数据分析思维，因为思维决定上限，我们需要转变思维，锻炼以及培养数据分析思维。在数据分析相关的职位里经常会写这么一条招聘要求「具备数据分析思维」。在工作或者面试中，会经常听到分析思维、分析思路、分析方法。
其次，要对业务知识的熟悉与梳理。数据分析是用来解决具体行业问题的，需要从业务的角度出发，了解各个指标，以及每个指标之间的关系，还需要联系业务去理解数据。所以，工作中数据分析脱离不了业务。因此，需要具备某个行业的业务知识才能去理解这个行业里的术语、业务问题等。至于工具，可以在入门后去学习加强。
而业务知识包括某个行业的常用指标、业务流程。需要注意的是，不同行业的指标、业务流程是不一样的，所以，需要学习的时候针对你的目标行业去学习、了解10多个行业的指标、业务流程等。
再者，就是通用能力。包括 PPT 制作分析报告、沟通能力。在工作中，要经常做分析结果做成数据分析报告，然后展示给业务部门、上级领导、客户等，而这种展示数据分析报告的场景常用的工具就是 PPT，所以就要求你会用 PPT 制作数据分析报告，有较好的的文字、书面总结能力。
数据分析师对沟通能力的要求更高。因为，数据分析师解决的是实际的问题，需要跨部门沟通业务，做好的数据分析报告也要展示给各个部门、领导、客户，只有好的沟通能力，才能让你的分析结果得到用户的认可。
✎小结
总之，除了上述几个大方向，我们还可以做如下几个小点：
对于数据分析入门，我们先要有数据分析的基本数学概念，初级数据思维，初级数据工具技能。因此，推荐的入门书籍从三个方面，如下：
✎小结
总之，数据分析需要具备多方面的理论基础，比如：
但是，对于小白而言，这实在是信息量太大了，所以在入门的阶段，以上推荐书籍，基本上能清晰地让我们刚入门的朋友们知道数据分析能解决什么问题、需要什么方法论、需要掌握什么基本技术及原理等这些就足够。懂得常规知识并能找到基础的工作是入门阶段的目标。
在工具方面，推荐从Excel+SQL这2个来作为入门的数据分析工具。剩下的一些工具根据自身能力去学习，都可以自学 ，但等有SQL基础后再学Python等复杂的工具会相对容易些。
Excel：最基础的底层能力， 当然也是必备的。在实际工作中Excel的使用频率非常高，因为Excel函数、透视表可解决大部分问题，并能够把存储、分析、数据可视化很好的结合在一起。而且Excel的熟练程度，也会极大提升数据分析过程中的效率，让分析更加的强大。还有一个很重要的原因就是Excel的受众广。特别是可以把分析结果展示给业务部门，或者与业务部门对接的时候，会节省大量的时间成本。但Excel功能太多，对于刚入门数据分析的也不可能掌握所有的功能，可以则需而取。主要掌握常见的功能和函数基本上就可以覆盖大部分的应用场景了，比如：
（后面我们有专门Excel讲解，这里就 不一一展开了）
♦SQL：一门专门为数据查询所设计的编程语言，也是所有数据分析师们都必须掌握的基础要求。因为当小规模的数据处理、分析、展示Excel都可以搞定，但对于大规模的数据处理而言，Sql是必备的取数手段，在数据获取和数据清洗环节都会用到SQL，要看哪些数据需要处理，然后导出数据。
对于刚入门数据分析来讲，可以先从几个核心语句入手学习SQL：
掌握以上语句和一些基础函数后，在实际应用中可以满足我们80%左右的查询需求。而关于增删改语句，我们可以进行了解，在应用中我们基本不会接触到修改数据库的权限。推荐《SQL必知必会》这本书可以熟悉基础用法。如果为了应聘，可以去牛客网找一些真题练手，学习SQL主要还是以练题为主。
（后面我们有专门SQL讲解，这里就不展开了）
✎小结
总之，“工欲善其事，必先利其器” ，一件称手的工具能让我们事半功倍。对于数据分析人员来说，数据分析基本流程中的数据获取、数据清洗、数据可视化分析的部分，最常用的组合是 SQL + Excel + PPT/可视化（入门级的Excel 就可以做可视化，还有一些Power BI、Tableau等可视化软件这里就不展开了）。
以上就是如何快速入门“数据分析”的基本的思路，仅供参考！但是，优秀的数据分析人员是不能速成的，相对来说数据分析入门并不难，入门之后的知识积累才是重点，但不同行业也有不同的难点，还有待挖掘。以上的前提针对如何快速入门，目的是达到数据分析相关领域的门槛，如顺利拿到一份offer等，不涉及数据挖掘等高级技巧。
我始终觉得“数据分析”是一个厚积薄发的岗位，且更是一个通用的技能，每个职场人的一个底层能力。如何在实际工作、项目中真正发挥数据分析的作用，产生价值。是一个优秀的数据分析人员需要去主动发现问题、解决问题、总结问题的最终目标。因此，只要明确了方向，那么剩下的就是坚持了，然后不断积累，保持最初的好奇心。
木兮擎天＠，微信公众号：木木自由，人人都是产品经理专栏作家。多年互联网数据运营经验，涉猎运营领域较广，关注于运营、数据分析的实战案例与经验以及方法论的总结，探索运营与数据的神奇奥秘！
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Pexels，基于CC0协议
关注微信
