大資料是我的主要研究方向之一，同時也在帶大資料方向的研究生，我來回答一下這個問題。

資料分析目前是資料價值化的主要方式之一，也是大資料主要的落地應用方式之一，隨著大資料技術逐漸普及到廣大的傳統行業，對於職場人來說，掌握一定的資料分析技術還是有必要的。

資料分析目前有兩種主要的分析方式，一種是機器學習的方式，另一種是統計學方式，對於基礎比較薄弱的學習者來說，可以從統計學方式開始學起。

透過統計學的方式進行資料分析可以使用多種工具，比如Excel就是比較常見的資料分析工具，在分析結構化資料，以及資料量並不是特別大的情況下，Excel還是比較方便的。對於職場人來說，Excel可以應付大多數情況下的資料分析任務。如果對於資料分析有進一步的要求，接下來就需要學習資料庫知識了，重點在於Sql語言的學習，掌握資料庫之後可以繼續學習BI工具的使用，BI工具的資料分析功能還是比較強大的。

機器學習也是目前比較流行的資料分析方式，相比於統計學方式來說，機器學習的資料分析方式可以應對更加複雜的資料分析任務。機器學習的步驟包括資料收集、資料整理、演算法設計、演算法實現、演算法訓練、演算法驗證和演算法應用，機器學習的核心是演算法設計，基礎是資料收集。機器學習式的資料分析是一種基於“模型”的資料分析方式，目前在人工智慧領域，透過構造模型能解決大量的問題。學習人工智慧也可以說是學習如何構造各種“模型”，以及如何讓模型能夠動態適應各種場景。

透過機器學習的方式來完成資料分析可以從程式語言開始學起，比如Python就是不錯的選擇。一方面學習Python可以完成“爬蟲”的編寫，這樣就可以解決資料來源的問題，另一方面Python也是機器學習比較常見的實現語言，Python中的Numpy、Matplotlib、Scipy、pandas等庫會在很大程度上提升實現的效率。

以我的教學經驗來看，資料分析如果不走演算法，是要比大資料開發要簡單些，也是很多女孩子的選擇。

資料分析需要學習：

1、統計學：

按照本科教材，學一下統計學就夠了。

2、程式設計能力：

比較推薦 Python，上手比較快。

3、資料庫：

資料分析師經常和資料庫打交道，學會如何建表和使用 SQL 語言進行資料處理等。

4、資料倉庫：

簡單說，資料倉庫記錄了所有歷史資料，專門設計為方便資料分析人員高效使用的。

5、資料分析方法：

可以看一下《精益創業》和《精益資料分析》，掌握常用的資料分析方法。

6、資料分析工具

比如做資料視覺化的 Tableau等。

相關：大資料開發和大資料分析有什麼不同？

https://www.toutiao.com/i6681484915705381384/