數據分析入門，不知道先学工具还是方法？這篇能為你解惑

數據分析

groots 2020-03-18 11:37:37 ‧ 2177 瀏覽

對於剛剛入門資料分析的人來說，經常會聽到網上那些天花亂墜的學習方法和教程，但是卻感覺像是無頭蒼蠅一樣，東一榔頭西一棒槌，不知道到底先學資料分析的工具，還是要先掌握資料分析思維和方法，甚至糾結不清，選錯了路，以後追悔莫及。

首先，我們需要認清一個觀念，那就是資料分析是一種能力，而不是一種崗位。

現實情況下，一般叫資料分析的基礎性崗位元，它需要的能力多半是資料處理能力，既然都是資料處理能力了，你必然要先學工具，不然根本連面試都過不了。

但是如果你是需要資料分析能力的其他崗位，比如資料產品經理，比如產品運營或產品經理，那就是要先學分析方法，你需要通過分析思路去解決具體的業務問題或者產品問題，而一般資料處理可以提需求給資料分析師或者資料RD。

那麼，對於想要第一次要入門資料分析的人來說，工具重要還是方法更重要呢？

資料分析的日常流程

在回答這個問題前，我們先體驗下資料分析師日常的工作流程：
比如你公司有一款APP，平時“日活”穩定在9W-10W之間，但是10月26日忽然跌到了8.8W，到10月27日掉到了8.5W，這時候產品負責人急了，想要你配合排查下日活下跌的原因。

接到這個任務時，你腦子裡開始有一個分析框架的雛形：

接下來，你會把近期資料從資料庫中提取出來，資料提取這步用到了SQL。資料整理清洗和分析用到了Excel。

資料提取後，你會做具體的分析，到了分析這步你就會用到統計學知識和資料分析方法論。

比如，本周和上周對比環比下跌了多少？這裡涉及到了統計學中環比的概念，還有對比分析方法。再比如，你會從用戶、地域等不同的維度去拆分問題。最終你發現導致日活下跌的原因是A管道推廣費用到期了，這一步你就用到了多維分析法。

找到了原因後，你會提出解決辦法，推動產品部門落地執行。在溝通和展示的過程中，你可能會用簡報去展示。

根據以上工作場景，我們再回到問題：轉行資料分析，是先學方法還是工具？

我的回答是：同時，但方法要優於工具。

如果你學會了工具，但在實際工作場景中不會應用或者沒有分析思路，這是很致命的。就好比你買了一堆食材，但不會做。

如果學了分析方法，但是不知道怎麼提取資料分析資料，就好比你手裡有一個食譜，但是菜在冰箱裡拿不出來。

因為資料分析師的工作最終都不會脫離業務存在，每一步的執行和思考都需要工具的使用和資料分析方法論的應用，所以二者缺一不可。

從以上場景中，我們能夠看出一個優秀的資料分析師起碼要具備4種能力，分別是：

對資料分析而言，熟練掌握Excel+SQL+python+BI工具這4個工具可以應對大部分工作了。
有的小夥伴會問，那R語言呢？除非特殊要求，一般情況下R和Python掌握一個就可以。工具就好比我們去打仗的兵器，你不能赤手空拳上戰場。

在工具學習這部分，建議先熟練掌握Excel+SQL，這2個工具是資料分析的基礎和核心。

Excel是日常工作中用到的最多的工具，常用的函數及樞紐分析表都要學。Excel推薦書籍《Excel高效辦公：資料處理與分析》
SQL是資料分析的核心工具，主要學習Select、彙總函式以及條件查詢等內容。SQL推薦資料《SQL基礎教程》
Python重點掌握Pandas資料結構、Matplotlib庫、Pyecharts庫及Numpy陣列。有SQL基礎之後再學Python會相對輕鬆些，所以不建議0基礎轉行的小夥伴上來就學Python。Python推薦書籍《對比Excel，輕鬆學習Python數據分析》

BI在資料處理，資料分析，資料展示上的功能遠遠強於Excel，例如Tableau、FineBI，這兩款BI工具，都可以整合企業中所有不同業務系統中的資料，這是Excel無法實現的，另外還可以對資料按照不同的維度進行分析，系統會以資料的特點來適配圖表展示，這些也都是Excel做不到的。