数据分析的基础-数据分析的基础是什么

大家好，今天小编关注到一个比较有意思的话题，就是关于数据分析的基础的问题，于是小编就整理了4个相关介绍数据分析的基础的解答，让我们一起看看吧。

1. 数据分析师好不好学？
2. 零基础可以学习数据分析吗？
3. 想做数据分析工作，大学阶段应重点关注哪些知识学习和能力培养？
4. 数据分析有哪些书籍和工具可以推荐？

数据分析师好不好学？

好学，零基础就可以入门，因为都从Excel开始讲。

零基础可以学习数据分析吗？

感谢邀请。关于“零基础可以学习XXX”之类的问题，我感觉除了一些需要先天优势明显的项目，比如体育项目，比如书法绘画或者钢琴这些东西，可能先天条件比后天努力要重要得多，平常工作中的很多技术技能基本上都可以通过刻意学习去提高和改变。只不过在刻意练习过程中要做到几个关键：聚焦、反馈和调整，或者按照PDCA的方式进行，应该是可以做到的。希望能够帮助到你。

首先我想说这是可以的

其实我们的很多技能都是从0到1的，无非是有的是刻意去学，有的是在这样或那样的经

历打下的基础，然后就有了零基础和有一定基础之别。

毫无疑问，正常人都是可以学会的，只要你肯学，有决心，有耐心就肯定可以学会，只是

在这过程中，你是否有基础，是否有天分，是否肯动脑，是否找到适合自己的方法等等因

素，将决定你用时的长短，甚至决定了你能否继续走下去。

倘若你还年轻，想学就努力去付出行动吧，加油！

想做数据分析工作，大学阶段应重点关注哪些知识学习和能力培养？

当前有不少计算机专业的同学会从事数据分析岗位，相比于传统的开发岗位来说，数据分析岗位有三个优势，其一是岗位附加值相对比较高，其二是职业生命周期预期相对比较长，其三是行业覆盖面比较广，选择空间比较大。

对于计算机专业的同学来说，如果要从事数据分析岗位，一定要做好发展规划，除了要重视技术积累之外，更重要的是要注重行业知识的积累，毕竟数据分析与行业场景的关系非常紧密。

从产业互联网发展的大趋势来看，未来数据分析岗位的发展前景还是非常广阔的，一方面数据分析是大数据进行数据价值化的主要方式之一，另一方面在数字孪生等新兴技术领域，数据分析岗位同样有非常重要的地位。

数据分析岗位早期对于计算机专业的同学并不算太友好，计算机专业的同学在竞争数据分析岗位时，往往也要面对数学、统计学、金融学等专业同学给予的竞争压力，但是近几年数据分析岗位对于计算机专业的同学正在变得友好。

之所以数据分析岗位对于计算机专业同学逐渐变得友好，原因主要有三个方面，其一是数据分析方式的变革，其二是数据分析技术平台的变革，其三是产业互联网的推动。

从技术发展的大趋势来看，未来计算机大类专业的同学，要想在数据分析领域走得更远，一定要充分发挥自己的专业特点，要懂得借助数据分析平台的力量，同时要重视机器学习和深度学习相关知识的运用。

相对于统计学的数据分析方式来说，机器学习的数据分析方式是相对“暴力”的，但是机器学习的数据分析方式往往更适合以物联网数据为主的“低价值数据密度”时代。

我目前就在给计算机专业研一的同学上数据分析这门课，这门课也是目前我仅保留的两门授课任务之一，还有一门课是机器学习，实际上这两门课程之间也有比较紧密的联系。

数据分析有哪些书籍和工具可以推荐？

我是一个普通的电商运营，因此我推荐的书最多只是适合普通电商运营的日常需求，我推荐的也必是我阅读过的，我认为对我工作有用的。下面是我推荐的书，也是我阅读时的笔记：

刚在做《从1开始：数据分析师成长之路》这本书，作者是张旭东。

1.好的作者写的书籍，总是能够把一门技能、一种思维由浅入深地娓娓道来，并且这过程有哪些注意的点，在实践过程中会出现什么问题，都能够一一说明，这才是有丰富实践经验的作者，这才是真正有无与伦比的作者！

比如作者论述excel图表时是这样说的：

拆线图反映变化趋势；

饼状图反映组成成分；

柱状图反映数值大小；

散点图反映数据集中度；

面积图反映数据累积情况。

并针对现实场景进行了一一举例。

这虽然是对图表简单的描述，也正是这么基础的描述，你能感受到作者是经过多少实践、也大概率是在不断教导新人的过程中总结出来的经验，而绝对不是东拼西凑成书的。

另一个例子是论述数据需求处理时，作者给出的流程是：

需求方（提需求）——分析师（确认需求的目的）——目标数据拆分——提供数据——效果追踪。

这是简单的流程，作者分别对每一步进行说明，并且对第一步需要用到的实用技巧也提点出来了，比如目标数据可以如何拆分：可以从属性、行为这两个维度，

属性：地域、年龄、性别、星座......

行为：浏览、点击、收藏、加购、购买......

同一属性、不同行为描述概括，比如了解某一年龄阶段的一系列行为；

不同属性、同一行为的对***析，比如不同城市的收藏加购数据对比。

还是简单的论述，但却是思路清晰，内容实用，让我马上对自己日常工作的数据分析有了条理和清晰的思路！

这才是实战的作者，实践经验丰富的作者知道读者们需要什么，因为这就是他每天在做的事情。

2.在本书的前面作者也对数字、数据、数学、统计学以及平均值、方差等基本概念做了简单的说明，对常用逻辑思维也有例举，算是对小白的普及引导，对于一个日后将成为专业的运营管理人员来说，无疑能够增加不少认识；当然别的书籍也会有这样的描述，本书作者好的地方就在于其简单明了地说明，也有些简单的例子，让人看了就懂、理解，不会觉得枯燥， 最重要的，不会让读书觉得作者在凑字数！说一些大话、空话！在我经历了那么多各种东拼西凑、重复啰嗦凑字数的烂书之后，发现能够这样简单明了把事情向读者说得清楚的书(和作者)是多么难得。

3.作者说到数据分析的逻辑时，并没有一一列举常见的一些数据分析逻辑，可能不是作者想要论述的或作者平时常用的经验，但我习惯性地在笔记本写下：常见的数据分析逻辑有哪些？然后自己想到什么就一一先写下来，并且举例子，比如我写下其中一个逻辑是：结论——论据＋论述——结论，大概是总分总的模式，然后我举的例子是最近我觉得抖音直播是会很快过时的一种带货方式(这是我的结论或判断)，然后自己写出几个论据(理由)。这是我习惯的一种笔记方式，后续复习笔记时我想到什么，可以继续补充发挥，以积累这方面的知识。

4.书中有一句话戳中了我的痛点：许多人为了学习一门技能，先后购买了许多书和教程……不断与人交流学习……经过一番折腾后却发现收效甚微，到头来才发现没有基于应用场景的学习只能停留在皮毛阶段……。简单来说就是学习要理论与实际先结合，但这耳熟能详的道理却往往被我们忽略，不少人都在走这样的弯路，最终落得个草草收场，认为学习真的是太难了，不是一般人能做的事情！我前几年一直在走这样的弯路啊！另外即使明白这个道理也养成了习惯，习惯基于应用场景的学习以保重高效，但有些技能的应用场景本身就很少甚至你没有机会接触应用场景，那也很难高效学习，比如管理学、领导力、人际关系这些学问。

总的来说这本书带给我的启发是不少的，这是我阅读过的最好的数据分析的书了，带给我的更多的是认知上的提升。另外之前看过的数据分析相关的书中也不错的有《谁说菜鸟不会数据分析》《你早该这么玩excel》，这两本书就偏向于具体的数据处理技能，更工具性。

到此，以上就是小编对于数据分析的基础的问题就介绍到这了，希望介绍关于数据分析的基础的4点解答对大家有用。