隨著大資料的發展，資料分析作為資料價值化的重要方式之一必然會得到大面積的普及，未來資料分析不僅僅是專業人士的工作，大部分職場人都應該具備一定的資料分析能力，所以作為文科生來說，掌握一定的資料分析技術也是有必要的。

目前資料分析有兩種型別，一種是應用級資料分析，以應用工具為主，另一種是研發級資料分析，以統計學和機器學習的分析方式為主。相對於研發級分析來說，應用級資料分析並不複雜，即使數學基礎比較薄弱的人也能夠掌握。

對於文科生來說，可以按照以下的學習步驟學習資料分析：

第一：從Excel工具開始。Excel能夠滿足大部分職場人的資料分析要求，通常在10萬條以內的資料，採用Excel進行分析是沒有壓力的，而且可以執行維度較高的資料分析任務。在使用Excel的過程中也會逐漸積累一些統計學的分析方法，逐漸提升資料分析的能力。

第二：學習資料庫知識。隨著資料量的增長，當Excel不能滿足需求的時候就需要掌握一定的資料庫知識了，學習資料庫可以從關係型資料庫開始。學習關係型資料庫並不複雜，重點在於Sql語言的掌握。掌握Sql語言之後就可以執行更加靈活的資料分析任務了，而且可以結合BI工具進行專業的場景資料分析。

第三：學習程式設計。要想進一步提升資料分析能力就需要掌握程式語言了，目前Python語言在資料分析領域有廣泛的應用，Python語言語法簡單且功能強大，即使沒有任何程式語言基礎的人也能夠學得會且用得好。

未來，大資料作為產業網際網路的核心技術之一，必然會廣泛的落地到廣大的傳統行業，而資料分析將是一個重要的崗位，所以學習資料分析技術能夠明顯提升自身的職場競爭力，未來的發展空間也比較廣闊。

首先你可以學一門Python,入門快捷，相對容易，不需要太多掌握太多的底層細節，這樣就有了一個實驗工具。

然後，就該學學理論了。建議選購《高等數學》，和高中無縫銜接，並且掌握一些基礎的數學工具。

然後，逐步深入，學習《機率論與統計》，《線性代數》。面對海量的資料，統計學的辦法是必要的。建立涉及多維度資料的數學模型，矩陣工具也很重要。

以上基本是所有理科的基礎，必須掌握，其中，統計學方面的理論對資料科學而言尤其重要。迴歸，因果，相關性分析都是必要的能力。

接下來可以選擇性學習《複變函式》，《圖論》，《運籌學》，《泛函分析》，《近世代數》，《微分方程》，《資訊理論》，《訊號與系統》，《張量分析》

這會給理解和構造更復雜抽象的模型提供幫助。

當然，以上都是數學基礎。

應用的話，可以學習目前流行的理論，比如神經網路演算法，聚類演算法，社群發現演算法等

對於神經網路演算法，看過一本《Neural Network and Learning Machines》好像還不錯

你還需要掌握一些時興的軟體框架，比如Tensorflow,Pytorch等

此外，還需要掌握一些資料處理工具

比如Hadoop,Hive,Spark之類的工具

以及一些常用資料庫

比如Mysql,Oracle,MongoDB什麼的

資料的話，並不稀缺，滿世界都是。網上有非常多的影片，慕課，和很多專業人員的部落格。歸根到底還是要花功夫學習掌握。

有更多精力的話，可以試著學習一門更底層的程式語言，比如Java或者C++

或者在資料視覺化方向上下點功夫，瞭解一下怎麼整理和呈現資料

最後，英語要好。

應該就差不多了吧。。。