數據分析在如今的求職場上越來越重要。然而，讓很多朋友困惑的是，我是沒有編程基礎的小白，能學會數據分析麼？該如何學習數據分析呢？
其實，如果你打算成為一名數據分析師，如何出身並不重要，數據科學是一門應用學科，你需要系統提升數據獲取、數據分析、數據可視化、機器學習的水平。下面我就簡單提供一個數據分析入門的路徑。
第一階段：Excel數據分析
每一位數據分析師都脫離不開Excel。
它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。雖然現在機器學習滿地走，Excel依舊是無可爭議的第一工具。
對於沒有經驗的你，Excel是一款必須熟練的工具。它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。
第二階段：SQL資料庫語言
作為數據分析人員，我們首先要知道如何去獲取數據，其中最常見的就是從關係型資料庫中取數，因此你可以不會R，不會python，但是你不能不會SQL。
DT時代，數據正在呈指數級增長。Excel對十萬條以內的數據處理起來沒有問題，但是往小處說，但凡產品有一點規模，數據都是百萬起。這時候就需要學習資料庫。
會在招聘條件中，越來越多的產品和運營崗位，將會SQL作為優先的加分項。SQL是數據分析的核心技能之一，從Excel到SQL是數據處理效率的一大進步。
主要了解資料庫查詢語言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函數等。
學習SQL最快的方法是能自己下載資料庫管理工具，找些數據練習。客戶端這裡推薦MYSQL。
推薦書籍：《MYSQL必知必會》
第三階段：數據可視化&商業智能
數據可視化能力已經越來越成為各崗位的基礎技能。領英的數據報告顯示，數據可視化技能在歷年年中國最熱門技能中排名第一。
可視化工作幾乎是你正式進行數據分析的第一步，通過SQL拿到數據之後，我們需要使用可視化方法探索和發現數據中的模式規律。
數據分析界有一句經典名言，字不如表，表不如圖。實際上除掉數據挖掘這類高級分析，不少數據分析就是監控數據和觀察數據。
除此此外，數據分析的大多時候都是要兜售自己的觀點和結論的，而兜售的最好方式就是做出觀點清晰數據詳實的PPT和報表給老闆看。
可視化的工具有很多，這裡我推薦Tableau或者FineBI。這兩款都不要編程功底，實現起來簡單，功能強大。下圖是Excel製作銷售管理分析儀案例：
Tableau製作股票分析儀：
FineBI可視化分析：
推薦書籍：《用圖表說話》-麥肯錫
第四階段：數理統計學
統計學是數據分析最重要的基礎之一，是數據分析的基石和方法論。
統計知識會要求我們以另一個角度看待數據。當你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。
這裡我們需要從基礎的統計理論(描述性統計、區間估計、假設檢驗等)出發，到基本的統計分析（T 檢驗、方差分析等），最後到商業常用的模型（回歸分析、方差分析等），學習數據分析背後的邏輯，掌握實用統計學的概念和會利用統計的思維去思考問題。
推薦書籍：《從零進階 數據分析的統計基礎》-曹正鳳；《統計學》-賈俊平
第五階段：數據分析與軟體應用
SPSS是統計分析入門軟體，如果你想快速入門而又不想學習編程，我推薦使用SPSS。
SPSS軟體是世界三大統計分析軟體之一，以其易於操作、易於入門，結果易於閱讀的優點，一直備受數據分析人員的青睞，一般經過短期學習即可用SPSS 做簡單的數據分析，包括繪製圖表、簡單回歸、相關分析等等。
學習SPSS的重點並不在於軟體本身，而是相關的統計學知識，這也是在前面建議大家鋪墊的，也就是你要學會怎樣去分析「輸入數據後，軟體給你呈現的結果」。
推薦書籍
《如虎添翼 數據處理的SPSS/SAS EG實現》-徐筱剛
《胸有成竹 數據分析的SPSS／SAS EG進階》-常國珍
《SPSS統計分析基礎教程+高級教程》-張文彤
第六階段：數據挖掘與軟體應用
數據挖掘，英文是Data Mining 也叫作數據勘探，類似於採礦，但是數據是貧礦。我們需要結合行業課題，利用數據挖掘工具，建置數據挖掘模型，發掘規律和商業價值。另外數據挖掘是交叉學科，涉及統計學、計算機、機器學習、運籌學等多門學科，是一個運用廣泛和富有前景的學科領域。
學習算法模型包括線性回歸、邏輯回歸、主成分分析、因子分析、聚類、關聯規則、決策樹、隨機森林、支持向量機、貝葉斯、神經網絡等。
對於工具，這一階段，建議選擇一門程式語言來學習。
Python或者R語言，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。
對於R和Python，我們應該使用哪種語言，已經爭論很多年了，至今沒有定論...... 事實大概是Python的主要功能是編程，除了單純的數據分析，在很多領域還有廣泛利用，所以就業市場上對Python的需求是遠大於R。
R主要側重統計功能，在統計方面顯示出了很多的優勢，用R做單純的數據分析還是妥妥的穩穩的。但是往數據科學方向走的話，R就有點頂不住了，輪到Python揚眉吐氣了......
是否具備編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘、BI、爬蟲、可視化報表都需要用到編程。以下以python介紹語言學習的路徑：
Python則是萬能的膠水語言，適用性強，可以將分析的過程腳本化。Pandas、Numpy、SKLearn等包也是非常豐富。Python學習導圖：
推薦書籍：
《笨方法學Python》《像計算機科學家一樣思考》
《Python數據科學手冊》《利用Python進行數據分析》《數據科學入門》
《機器學習實戰：基於Scikit-Learn和TensorFlow》
《數據挖掘實戰》
《Python深度學習》
第七階段：數據分析行業應用和數據分析思維
對於數據分析師來說，業務的了解比數據方法論更重要。當然很遺憾，業務學習沒有捷徑。
推薦書籍：《增長黑客》；《精益數據分析》
以上就是商業數據分析師的完整進階路線，如果你沿著此路線學習，相信你在數據分析道路上有所收穫。