麦子学院初级会计教程

以下推荐一些从入门到精通——关于学习数据分析的书籍清单！

入门篇

《深入浅出数据分析》：大头书，HeadFirst系列，内容很浅，比较适合没有基础的人作为科普读物，适合快速入门；

《统计数字会撒谎》：本文不涉及枯燥的数学公式与推理过程，通俗易懂，其实讲的都是统计学最基本的常识，可是却往往容易被人所忽视；

《谁说菜鸟不会数据分析》：不错的工具类书籍。比较浅显，适合完全没有Excel或对Excel似懂非懂的人。 讲了一些方法论的东西，但是非常的简单，不太适合对Excel熟悉的读者；

《深入浅出统计学》

：帮你快速了解统计学相关的知识。

进阶篇

《MySQL 必知必会》：不到250页的小册子，实践性很强，基本没有什么理论的堆砌，完完全全就是一本实践指南，教会你怎么用SQL语句操作MySQL；

《高性能MySQL(第3版）》：跟《MySQL必知必会》相似的书籍，主要讲解了MySQL的理论和实践知识；

《数据化管理：洞悉零售及电子商务运营》：讲解在企业中应用数据的例子，读完受益匪浅，里面举的很多例子都很接地气，很值得数据分析师阅读学习。

高级篇

《统计学》（贾俊平，何晓群，金勇进著）：统计比较通用的入门教材了，也算是兼顾数学证明和应用，可读性没有上面强，但是也非常的通俗易懂，有很多统计学专业的起始教材也会选择这本。

《Python数据分析》：作者对于利用Python进行数据分析有着很丰富的经验，因此写出的书也是深入浅出，让人很容易就能看懂。对一个热爱学习的数据分析师来说学一门数据分析处理的编程语言是一件很有用的事情。

《Python数据挖掘入门与实践》：作为一个专业的数据分析师，实际上很多时候都需要用到模型。这本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，还是挺不错的一本书。

数据分析这个岗位可以说很宽泛很杂，从数据录入员到行业分析师专家都可以认为是数据分析，甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里，但是这些工作所做的事情却相差甚远，当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称，重要的是看看清岗位职责和要求。言归正传，咱们谈谈如何学习数据分析。一、知识技能1、学科知识：从数据分析涉及到的专业知识点上看，他包含的比较多，包含但不仅限于以下学科：（1）统计学：参数检验、非参检验、回归分析……等（2）数学：线性代数、微积分等（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的，这里就不多说了（5）计算机：从事数据分析工作的人必须了解你使用的数据是怎么处理出来的，要了解数据库的结构和基本原理，同时如果条件充足的话，你还能有足够的能力从数据库里提取你需要的数据（比如使用SQL进行查询），这种提取数据分析原材料的能力是每个数据从业者必备的。此外，如果要想走的更远，还要能掌握一些编程能力，从而借住一些专业的数据分析工具，帮助你完成工作。这些专业知识不是一时半会能够全面掌握的，学习的唯一捷径就是看书、看视频讲解，看权威的书籍、看全面的知识。学习基础知识没有一蹴即就的方法，因为基础，所以学起来会比较枯燥、比较漫长。如何你想在数据分析方面有长远的发展，希望你能在基础知识上长期坚持的学习下去。2、软件操作：从事数据分析方面的工作必备的工具是什么，我大致罗列以下几类：（1）分析报告类：Microsoft Office软件（excel、word、powerpoint、visio……）、水晶易表等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。（2）专业数据分析软件：OFFICE并不是全部，要从在数据分析方面做的比较好，你必须会用（至少要了解）一些比较常用的专业数据分析软件工具，比如SPSS、SAS、R、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析。（3）辅助工具：比如思维导图软件（如MindManager、MindMapper等）也可以很好地帮助我们整理分析思路。在此需要说明的一点是：软件只是帮助我们完成任务的工具。并不是我们只要学好的软件操作就能很好地完成任务，因为与操作相比，如何解释最后的结果要重要的多。即使软件操作的再熟，如果看不懂结果，那跟不会才做没有两样。而看看懂结果就需要扎实的专业知识才行。

很多人都觉得，自己是文科类出身，或者对数理专业不熟悉，会很难上手数据分析。其实不是这样子的，学习数据分析，不同于程序员，它不会专门要求我们一定要掌握编程，只是理解熟悉就可以。个人的逻辑思维能力、个人兴趣所在，以及自身的决心毅力，这些才是构成一个人学成与否的关键和最重要因素。小编觉得最重要的一点就是，我们得清楚企业对数据分析师的基础技能需求是什么。这样我们才能有的放矢。我大抵总结如下：（1）SQL数据库的基本操作，会基本的数据管理（2）会用Excel/SQL做基本的数据分析和展示（3）会用脚本语言进行数据分析，Python or R（4）有获取外部数据的能力，如爬虫（5）会基本的数据可视化技能，能撰写数据报告（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等之后，怎么安排自己的业余时间就看个人了。总体来说，先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。3、学习数据分析工具，软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难)：Excel，SPSS，stata，R，Python，SAS等。4、学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

近日，由中国软件网、海比研究联合中国软件行业协会应用软件产品云服务分会，发布了《2017年中国大数据可视化市场研究报告》。

东软凭借两款大数据可视化产品，在2017年中国大数据可视化市场份额排名中，位居第三，并成为收入增长最快的厂商，增长率超过100%！

在大数据秒级分析的基础上，东软的DataViz，在数据可视化领域不断突破。近百种数据可视化形式，GIS地图可视化、3D可视化，一组杂乱无序的业务数据，分分钟就能变成炫酷动图。

DataViz 定位敏捷BI，面向业务人员提供自助式数据探索与可视化分析服务。平台提供可视化接入数据源、可视化定义数据集、自助式可视化分析工具和交互式故事板等功能，旨在以自助式数据探索与可视化分析方式，帮助企业用户快速准确地洞悉数据背后隐藏的商业价值，让企业决策更“有据可依”。

DataViz 提供固定分辨率功能，可以按照大屏的尺寸进行精准的可视化布局和实现，并可以按照长边铺满等进行宽高适应。与此同时，DataViz可以自由设定背景图片、背景色等，提供实时效果预览，轻松在本地电脑即可制作大屏可视化仪表板，例如在大屏界面中，通过地图、折线图、柱状图、列表等图表，展现数据分析大屏。

我们置身于大数据时代，有效的利用大数据决定着我们未来，而大数据可视化工具，是您必不可少的工具。从大数据分析到大数据展现，这次，东软不仅拼实力，还拼颜值！

个人觉得觉得需要三步曲：一、至少花三个月掌握技术“磨刀不误砍柴工”，要想从为“工人”，甚至熟悉工，也需要很多技能，因为怎么说数据分析师也是技术工种。我觉得至少你要花3个月时间来学习一些最基础的知识。1、花1个月学习数据库知识。2、花1-2个月学习基础的统计学知识。3、花1个月学习点linux的知识。4、花1个月去学习最基础的数据挖掘模型：5、花1个月掌握一门基础的挖掘软件的操作。分析师一定要有持续学习的态度，所以在后续工作中一定要保持持续学习的态度哦。坚持学习各类知识，不仅仅是技能层面的。二、选择感兴趣的行业如果你已经工作，选择本行业或者相关行来。这样你在行业经验，业务知识你是有优势的。因为你比较清楚业务的“痛点”，从而你也就相对清楚应该给业务提供什么样的数据。如果你是学生，分析师一下自己的兴趣，结合现在比较热门的行业（指数据在这个行业也是比较热）。通过互联网学习，聊这个行业的商业模式，数据内容，分析点。有机会可以去参加一些同行的沙龙或者分享，清楚的了解这个行业的数据分析师或者同行平时都在干什么。对比自己当面的知识储备，更有针对性的补充知识。和在学校的同学共勉一句话：“在学校学的东西都是有用的，只是学校没有告诉你怎么用！”三、开始寻找机会对于跨行业转入的同学，当你准备好上述内容的时候。开始找个机会：1、内部转岗2、选择中，小型公司。先入门，再修行。

大数据时代的到来，意味着数据增长的速度急速攀升。一方面，互联网+的经济模式使得传统行业也迸发出了巨大的数据体量。另一方面，传统互联网企业如今也做的风生水起，产业链不断完善，譬如BAT巨擘，每天产生的数据量非常惊人。

在这样的背景下，数据分析师开始应运而生，并蓬勃发展，而数据分析师也成为当下炙手可热的职位。那究竟应该如何成为一名数据分析师呢。在我看来，数据分析师需要从统计学，分析技能以及业务常识三个方面进行入手学习，这里重点说一下后两者。

首先来说分析技能。

Excel作为经典的数据分析工具，是数据分析师必备的武器库。灵活的Excel有两大经典利器，透视表以及灵活的函数。而在函数中，尤为重要的便是Vlookup。这个函数是用于进行字段匹配的，在实际工作中应用非常广泛。

Excel常用于基本的数据描述，并且可以处理的样本量非常有限。而在大数据时代，为了解决海量数据的查询，SQL就应运而生了。SQL基本可以分为增删改查四大模块，其中具体的语法又有where，select等。

除了Excel以及SQL之外，数据挖掘的工具也是必不可少的。如果没有编程基础，可以学习SPSS。而如果有编程，建议学习Python以及R。

说完分析技能，我们再来说一下业务知识。

业务知识并不是简单就能学会的，本质上是需要在企业中摸爬滚打才能学会的。然而，好的书籍也可以让你对业务知识有一定的了解。推荐两本书：《增长黑客》以及《精益数据分析》。

如果有问题，欢迎评论，一同探讨。

我刚回答完类似的问题。首先就是学好基础的分析类的技能，专业知识都要懂，最好能掌握数据分析的核心规律，然后还可以研究下提高数据分析效率的事。这是题外的话了，进阶的事。因为工作、创业的节奏快、压力大，时间宝贵，，你会分析但慢也是弱势，而且科技发达，利用现在科技来工作肯定事半功倍。比如说，现在有很多可以直接做数据分析的现成工具，简单的拖拽数据就可以做比较复杂的分析，因为你基础学好了，用起工具来也会很便捷。我们单位现在用DataViz，公司支持用这个，就是那种很费事的工作，用了20分钟搞定的工具，东软集团做的产品吧，还有别的一些也用过，但效果差一丢丢。你自己再综合考察下

推荐一套视频教程给你

七周成为数据分析师链接

希望对你有所帮助

数据分析师的基本工作流程：

1.定义问题

确定需要的问题，以及想得出的结论。需要考虑的选项有很多，要根据所在业务去判断。常见的有：变化趋势、用户画像、影响因素、历史数据等。

2.数据获取

数据获取的方式有很多种：

一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。

二是获取公开数据，政府、企业、统计局等机构有。

三是通过Python编写网页爬虫。

3.数据预处理

对残缺、重复等异常数据进行清洗。

4.数据分析与建模

这个部分需要了解基本的统计分析方法、数据挖掘算法，了解不同统计方法适用的场景和适合的问题。

5.数据可视化和分析报告撰写

学习一款可视化工具，将数据通过可视化最直观的展现出来。

数据分析入门需要掌握的技能有：

1. SQL（数据库）：

怎么从数据库取数据？怎么取到自己想要的特定的数据？等这些问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。

2. excel

分析师更多的时候是在分析数据，分析数据时需要把数据放到一个文件里，就是excel。

熟练excel常用公式，学会做数据透视表，什么数据画什么图等。

3.Python或者R的基础：

必备项，也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。

4.学习一个可视化工具

如果你想往更高层次发展，上面的东西顶多只占20%，剩下的80%则是业务理解能力，目标拆解能力，根据数据需求更多新技能的学习能力。

麦子学院国内唯一的android程序员到架构师之路课程，遵循敏捷的迭代过程，从思想、方法、模式、范例和成功案例各种不同角度，带你学习从android设计到代码的途径。让你在活泼的过程中，轻松地从原本的代码世界，迅速熟悉设计的新天地。学习高老师提出的EIT架构设计模式，熟悉Android开发本身体系结构设计，也可以换位以Android系统的设计师角度来思考问题。

麦子学院可在线记录你的学习进度，通过网络，老师可以更有针对性地解决你的问题；比线下机构给予学生的辅导时间更加宽裕，更能保证你的学习效果。 更自由：我们可以使用电脑、手机等移动设备，随时随地进行学习！

麦子学院除了提供高质量的课程学习之外，也提供包括就业推荐，职业交友，项目外包，创业服务等全面的增值服务，并且线上线下结合，移动设备和传统网络相结合，打造IT职业教育的一个完整生态链。以高端IT技术型人才培养及服务为核心，探索及倡导技术交流创新模式。提供的不仅仅是技能培养，而是务实的职业导向！

麦子学院Cocos2d-x手游开发，国内唯一的手机游戏从程序员到架构师之路的课程,遵循敏捷的迭代过程。本套cocos2d-x教程从思想、方法、模式、范例和成功案例各种不同角度出发，带你学习从设计到代码的途径，让你在学习的过程中，轻松地从原本的cocos2d-x代码世界，迅速熟悉设计的新天地。

【转自网络】首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。祝你好运哥们！数据挖掘的起点很高——1、统计学2、机器学习3、数学——图论，最优化理论等。WEB上的数据结构更加复杂。python语言————应该学习抱歉，事情太多，如果不追着就忘了！我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一！数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的！比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么？拒绝还是接受的是什么现实问题；要理解！掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求！现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化！沈浩老师建议：不急，一步一步来！先把本职工作中的数据分析问题理解了，干好了！熟练玩好Excel软件工具，这个可以看《Excel高级应用与数据分析》我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看SPSS软件方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成！在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑数据建模的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势！当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等商业模型，同时与数据分析和数据挖掘统一在一起的解决方案！接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的专业特长要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强！有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结结交广泛的朋友！关于入门的教材：互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件！SPSS和Clementine软件的说明和案例，都做一遍；《数据挖掘——客户关系管理的艺术》《调查研究中的统计分析法》《Excel高级应用与数据分析》《数据展现的艺术》

第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法的设计能力，所以数学和统计学对于数据分析是非常重要的。

而想要快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用过程中，辅助算法以及行业致死的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。对于大部分职场人来说，掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。

在掌握Excel之后，接下来就应该进一步学习数据库的相关知识了，可以从关系型数据库开始学起，重点在于Sql语言。掌握数据库之后，数据分析能力会有一个较大幅度的提升，能够分析的数据量也会有明显的提升。如果采用数据库和BI工具进行结合，那么数据分析的结果会更加丰富，同时也会有一个比较直观的呈现界面。

数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。