1.5　入門數據分析需要學習的知識

小白：老姜，聽完您講述后，我覺得數據分析的工作內容還挺有意思，想嘗試一下。不過，不知道入門需要學習的東西多不多，門檻高不高。

老姜：首先，入門數據分析師門檻不算高，在零基礎的情況下，全身心投入準備，一般3個月左右基本就夠了；其次，要達到入門級水平，需要在數據分析知識以及數據分析工具上多下些功夫。下面，我會詳細為你介紹一下需要學習的內容，幫助你盡快入門。

小白：太好了，那我們就開始吧！

1.5.1　數據分析知識

數據分析是統計學與計算機學的交叉學科，要想從容地從事此行業，沒有扎實的理論基礎是萬萬不行的。數據分析的理論基礎，主要有三個模塊，即統計學知識、數據庫知識、算法知識，如圖1-3所示。

鑒于前期準備時間有限，因此在圖中標注了知識的重要程度（數字越小越重要）供你參考。下面我會詳細介紹每個模塊的重點學習內容。

1．統計學知識

統計學是數據分析工作中的核心理論基礎，內容會滲透到工作中的方方面面，同時在面試環節也會經常被問到，重要程度可見一斑。核心知識點主要涵蓋以下幾個方向。

·　描述性統計：通過概括性的數學方法及圖表展示，描述業務的發展現狀。主要涵蓋集中趨勢、離散程度、頻數分析、概率分布等。重點工作場景有周報／月報、業務調研摸底、實驗效果評估等。

·　假設檢驗：用于判斷樣本與樣本、樣本與總體之間的差異，是由抽樣誤差所致還是數據本身存在的。主要涵蓋T檢驗、Z檢驗、U檢驗、卡方檢驗、方差齊性檢驗、秩和檢驗等。重點工作場景有異動分析問題挖掘、實驗顯著性校驗等。

·　分類分析：在已知樣本分類的前提下，通過各個特征值，判斷樣本類別歸屬的一種多變量統計分析方法。主要涵蓋線性分類、非線性分類等。重點工作場景有用戶購買預測、用戶流失預測、用戶畫像標簽建設等。

·　相關性分析：用于衡量兩個或多個變量之間的關系密切程度。主要涵蓋單相關、復相關、偏相關等。重點工作場景有分析功能與留存之間的關系、度量模型特征間的相關性等。

·　回歸分析：通過兩個或多個自變量之間的依賴關系，擬合因變量的統計分析方法。主要涵蓋一元線性回歸、多元線性回歸、邏輯回歸、非線性回歸、時間序列回歸等。重點工作場景有指標預測、標簽預測等。

2．數據庫知識

數據分析=數據+分析，從數據庫中獲取數據是分析的前提條件，因此，作為一名數據分析師，也要掌握數據庫的基礎知識。雖無須像數據工程師那樣專業，但要對數據庫的原理及設計規范有一定的認知。在面試的時候，也會或多或少涉及數據庫的基礎知識。

3．算法知識

在入門階段，算法知識的優先級會相對低一些，但當從事數據分析工作后，核心的算法知識還是需要掌握的，可以幫助你擴充職場發展空間。其核心內容主要涵蓋以下幾個方向。

·　特征工程：模型搭建的首個步驟，將數據加工成模型可輸入的格式。其中涵蓋特征清洗、特征轉化、特征提取、樣本調控等。

·　分類算法：根據已知類別樣本的先驗知識，預測未知類別樣本所屬的類別劃分。其中涵蓋KNN、邏輯回歸、樸素貝葉斯、支持向量機、決策樹、集成學習算法、深度學習等。

·　聚類算法：在未有先驗知識的前提下，預測樣本所屬的類別劃分，遵循“物以類聚，人以群分”的原則。其中涵蓋K-means、層次聚類、DBSCAN等。

·　回歸算法：研究自變量與因變量之間擬合關系的算法，經常用在預測場景中。其中涵蓋線性回歸、邏輯回歸、多項式回歸、嶺回歸等。

·　關聯算法：用于度量事物與事物之間關聯程度的算法。其中涵蓋Apriori、FP-growth、Eclat、灰色關聯法等。

·　評估方式：模型的效果是否能在線上數據中取得好的成績，需要以量化的方式進行度量。其中，分類模型的評估方式主要涵蓋準確率、召回率、F-Score、ROC、AUC等；回歸模型評估方式主要涵蓋均方根誤差（RMSE）、判定系數（R²）等。

1.5.2　數據分析工具

如果說數據分析知識是從事數據分析崗位的軟技巧，那么數據分析工具就是行業必備的硬技巧。數據分析工具主要有四個方向，即數據獲取、數據分析、數據展示、數據匯報，如圖1-4所示。

1．數據獲取

所謂“巧婦難為無米之炊”，從數據庫中獲取所需的數據是分析的前提條件。在這個過程中，SQL（Structured Query Language，結構化查詢語言）是必須要掌握的，也是從業的必備技能。

2．數據分析

數據獲取后，分析是日常工作的核心環節，通過數據的加工處理，探索其中的業務價值。這里主要涉及以下工具。

·　Excel：不高端但好用，是數據分析崗位入行必備工具。

·　SPSS：數據統計與應用軟件，善于處理中小型數據量，通過可視化界面及點選型操作，完成常規的統計分析。可滿足數據管理、統計分析、圖表分析等內容。

·　Python、R：功能豐富，上限較高。可滿足數據處理、數據分析、模型搭建、數據可視化等。雖然不是初學者入門必備，但卻決定著個人能力的上限。

·　EViews、SAS：EViews在時間序列場景中應用較多；SAS在銀行、金融領域應用較多。這兩個工具目前了解即可，需要應用時再深入研究。

3．數據展示

數據分析結論輸出后，往往需要配合圖表進行展示。Excel、Python Matplotlib基本可滿足需求，但如果希望追求更加好看的圖表及例行化的輸出，專業的BI工具是必要的。Tableau、神策數據、PowerBI、FineBI都是不錯的選擇，可以嘗試應用。

4．數據匯報

數據對于業務的價值，需要通過匯報讓高層知曉，PPT是數據匯報最常用的工具，也是工作中的必備技能。同時，Xmind在繪制思維導圖上表現很好，推薦配合PPT進行應用。

1.5.3　小結

希望本節的學習可以幫助你了解入行數據分析所需要的技能點，從而在有限時間內，有針對性地進行學習發力。