数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

主要学习以下内容：

1：Python基础：学习Python基础语法，面向对象编程与程序设计模式的理解、Python数据分析基础、Python网络编程、Python并发与高效编程等等。通过前期Python学习来了解和掌握常量变量的使用，运算符的使用、流程控制的使用等，最后掌握Python编程语言的基础内容。并会对常见数据结构和相应算法进行学习，注重表格的处理，树结构的处理知识。

2：全栈开发：Web编程基础，Flask框架，Django框架，Tornado框架，Elasticsearch全文搜索引擎等；

3：网络爬虫：数据爬取，Scrapy框架，分布式爬虫框架等；

4：人工智能：数据分析，机器学习，深度学习等；

① Python基础：Python语言基础，函数，文件操作，面向对象，异常处理，模块和包，Linux系统使用，Mysql数据库等；

② 全栈开发：Web编程基础，Flask框架，Django框架，Tornado框架，Elasticsearch全文搜索引擎等；

③ 网络爬虫：数据爬取，Scrapy框架，分布式爬虫框架等；

④ 人工智能：数据分析，机器学习，深度学习等；

想成为Python数据分析师需要学习Python基础语法，面向对象编程与程序设计模式的理解、Python数据分析基础、Python网络编程、Python并发与高效编程等等。

还有全栈开发：Web编程基础，Flask框架，Django框架，Tornado框架，Elasticsearch全文搜索引擎等；

首先学习一点python基础的知识，Python语言基础，函数，文件操作，面向对象，异常处理，模块和包，Linux系统使用，Mysql数据库等；

其次就可以学习一些基本的爬虫，进行数据采集，当然也有很多爬虫工具，直接使用即可。

然后就可以学习数据分析方面知识，主要是学习pandas、numpy等等；

再然后就要学习数据可视化来向别人展现数据，常用matplotlib实现，主要包括一些基本的统计图的绘制，比如条形图，柱状图，散点图。还有一些进阶绘图，比如分位数图，相关系数图等等。还需要掌握3D绘图可视化。

1、数学知识

数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。

2、分析工具

对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。

3、编程语言

对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

4、业务理解

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。

5、逻辑思维

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

6、数据可视化

数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

7、协调沟通

对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

第一：统计学知识

这是很大一部分大数据分析师的短板。当然这里说的不是简单的一些统计而已。而是包括均值、中位数、标准差、方差、概率、假设检验等等具有时间、空间、数据本身。差不多应该是理工科的高等数学的知识，甚至还高一点儿。

第二：EXCEL熟练掌握

当然不需要掌握的高大全，也得要掌握常用的函数，比如重点包括但不限于sum，count，sumif，countif，find，if，left/right，时间转换，透视表，各种图表做法等之类的。如果数据量不算是特别大的话，Excel能够解决很多问题。比如，筛选部分赃数据，排序，挑选满足条件的数据等等。

第三：分析思维的练习。

比如结构化思维、思维导图、或百度脑图、麦肯锡式分析，了解一些smart、5W2H、SWOT等等那就更好了。

第四：数据库知识。

大数据大数据，就是数据量很多，Excel就解决不了这么大数据量的时候，就得使用数据库。如果是关系型数据库，比如Oracle、mysql、sqlserver等等，你还得要学习使用SQL语句，筛选排序，汇总等等。非关系型数据库也得要学习，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起码常用的了解一两个，比如Hbase，Mongodb，redis等。

第五：开发工具及环境。

比如：Linux OS、Hadoop(存储HDFS，计算Yarn)、Spark、或另外一些中间件。目前用得多的开发工具python等等语言工具。

python数据分析师是近年来最热门的专业之一，得到大部分程序员的青睐。主要需要学习以下方面的技能：

1，python语法，正则表达式，数据库等基础知识。python数据分析主要以python作为编程语言，对python的基础知识学习是很重要的。

2，python爬虫知识，python爬虫作为数据分析的数据采集端，需要掌握数据的采集相关知识。比如urllib库以及爬虫框架scrapy等使用。

3，数学知识，python数据分析对数学知识的运用是非常多，包括统计学，概率论，高数，线代，矩阵等等，还需要学习机器学习相关算法，数据分析中很多对数据的处理都会涉及机器学习的知识。

4，numpy pandas matplotlib，这是python数据分析最常用的三大库，包含了数据的计算，数据的处理，数据的可视化等等。是python数据分析的强有力工具。

5，数据可视化，主要包括一些基本的统计图的绘制，比如条形图，柱状图，散点图。还有一些进阶绘图，比如分位数图，相关系数图等等。