你好，作為一名資料分析的從業者，我來說說我的看法。

資料分析是目前比較火的學習方向，很多人都有學習資料分析的想法，但由於資料分析需要大量的理論知識學習，也給很多想學習資料分析的人設了一道障礙。資料分析的理論知識可以從兩個方面進行學習。

第一個，基礎資料分析的理論知識。主要包括高數，機率論，統計學等知識。我們進行資料分析之前會有一些常規的資料分析處理工作。例如探索性資料分析，抽樣分析， 分組分析，相關係數分析，還有一些特徵選擇，統計量的計算等等。這些基本的資料分析大多數是依靠統計學，機率學等基礎知識為依靠的，同時這些知識點也為了第二個進階階段學習做基礎支撐的。

第二個，進階資料分析理論知識。主要包括了，高數，線代，矩陣，最最佳化理論等等。因為資料分析後半部分我們需要對資料進行建模，需要用到一些演算法的知識。一些基礎理論包括梯度下降法，牛頓法，矩陣分解，降維，和一些演算法包括決策樹，貝葉斯理論，svm，聚類等等知識點。這些理論知識點學習有一定難度，算是資料分析進階部分，更有偏向資料探勘的知識點。

資料分析流程包括資料清洗、資料處理、資料分析、資料視覺化、資料報告。這些最基本必須要掌握。

還需要了解和熟知各種資料分析方法，能夠靈活應用資料分析工具完成資料統計與分析。

想未來就業更有前景的，還可以多學一些資料探勘、大資料分析與應用的知識和技能。已經進入資料時代，掌握資料分析技能是一種基礎本領，瞭解大資料也很有必要。

綜上，資料採集和資料分析的基本方法、資料處理方法、資料視覺化；資料探勘、大資料處理、大資料統計與展示都是需要了解的。

總結歸納了我們的高贊回答，整理了四個方面：

1 個數據分析的基本思路+10 個必備網站+14 本必看書籍+3 個數據分析工具

我司資料分析大佬整理了 3 個段位 14 本書，從入門到精通，供大家挑選。

一：1 個數據分析的基本思路

資料分析時我們必須思考：資料本質的價值，究竟在哪裡？從這些資料中，我們可以學習到什麼？又可以指導我們做什麼？

面對海量的資料，在進行資料分析時不知道從如何準備、如何開展，如何得出結論。

下面就為大家介紹做資料分析時 1 個經典的五步走思路：

第一步，要先挖掘業務含義，理解資料分析的背景、前提以及想要關聯的業務場景結果是什麼。第二步，需要制定分析計劃，如何對場景拆分，如何推斷。第三步，從分析計劃中拆分出需要的資料，真正落地分析本身。第四步，從資料結果中，判斷提煉出商務洞察。第五步，根據資料結果洞察，最終產出商業決策。

舉個例子：某國內網際網路金融理財類網站，市場部在百度和 hao123 上都有持續的廣告投放，吸引網頁端流量。最近內部同事建議嘗試投放神馬移動搜尋渠道獲取流量；另外也需要評估是否加入金山網路聯盟進行深度廣告投放。

在這種多渠道的投放場景下，如何進行深度決策？ 我們按照上面商業資料分析流程的五個基本步驟來拆解一下這個問題。

第一步：挖掘業務含義。

首先要了解市場部想最佳化什麼，並以此為北極星指標去衡量。對於渠道效果評估，重要的是業務轉化：對 P2P 類網站來說，是否發起 “投資理財” 要遠重要於 “訪問使用者數量” 。所以無論是神馬移動搜尋還是金山渠道，重點在於如何透過資料手段衡量轉化效果；也可以進一步根據轉化效果，最佳化不同渠道的運營策略。

第二步，制定分析計劃。

以 “投資理財” 為核心轉化點，分配一定的預算進行流量測試，觀察對比註冊數量及最終轉化的效果。記下倆可以持續關注這些人重複購買理財產品的次數，進一步判斷渠道質量。

第三步，拆分查詢資料。

既然分析計劃中需要比對渠道流量，那麼我們需要各個渠道追蹤流量、落地頁停留時間、落地頁跳出率、網站訪問深度以及訂單等型別資料，進行深入的分析和落地。

第四步，提煉業務洞察。

根據資料結果，比對神馬移動搜尋和金山網路聯盟投放後的效果，根據流量和轉化兩個核心KPI，觀察結果並推測業務含義。如果神馬移動搜尋效果不好，可以思考是否產品適合移動端的客戶群體；或者仔細觀察落地頁表現是否有可以最佳化的內容等，需找出業務洞察。

第五步，產出商業決策。

根據資料洞察，指引渠道的決策制定。比如停止神馬渠道的投放，繼續跟進金山網路聯盟進行評估；或最佳化移動端落地頁，更改使用者運營策略等等。

資料分析師需要的技能大致有這些：Excel、SQL、統計學及SPSS、Python/R等。建議從Excel開始，因為Excel是使用最多，也是最強大的資料分析工具，入門簡單，因為大部分人都接觸過Excel。