随着大数据时代的到来，“数据分析“越来越火，大到企业决策，小到业务环节，都需要数据分析不断发挥着作用。很多人觉得，数据分析好像离自己遥不可及，操作难度很大，但其实数据分析渗透于生活的方方面面，近在咫尺。
在接触数据分析之前，我可以说是零基础，完全的超级菜鸟一枚，新手小白如何入门数据分析？希望这篇从我自身经历出发的文章可以给出初学者一定的启发。
数学基础
统计学部分概率论与数理统计大学教材《深入浅出数据分析》
在学习数学基础部分，这本书真的可以算是起到thought initiation的作用，适合任何没有基础的小白。它基础到甚至有人说，这本书简直太简单了。但恰恰数据分析就用到了这些最基础的知识。总结下来，归纳为以下几个方面：
数据分析基本步骤
具体方法
数据处理
编程语言
Excel和Python
Excel的学习
比如在求多组数据的平均数、标准差、计数等多个指标时，Excel中的数据透视表便是很好的分组工具，对于简单数据处理，比大多数编程工具要更为便捷。只需要将要求的数据拖到对应的行和列，就可以得到结果。
Python的学习
使用Anaconda进行安装
小甲鱼的零基础入门Python学习
课程学习
贪心AI的《商业数据分析》
长达十周九个主要经典实战项目小项目数据
贪心AI的商业数据分析课程，从数据分析的初步感知直到对数据分析师的面试指导，不只是简简单单地把握知识、领会要点，更重要的是有针对性地就业实践，真正做到从实际案例出发。下面我简要谈谈我在其中的收获。
1、数据分析基础概念
要想学好数据分析，首先要建立数据分析的基础体系。课程刚开始，没有过多过难的知识点，更多的是对数据分析知识初探与理解。
数据（data），即未经过处理的原始记录，以我的理解来看，就像是一个载体，将身边的事情数字化记录下来。
数据抓取——数据清洗——数据分析——业务决策
这样，不仅仅是停留在枯燥的知识点，也通过一些实际的案例来渗透介绍，提起了学习的兴趣，也让知识点更为具象化，便于理解。
2、不同类型的数据方法及原理
要真正准确掌握处理数据的方法，必须认真学习其背后的原理，才能在应用的时候不盲目。就像要运输一个沙发，如果用小轿车就装不下，超出负荷，而如果用货运车，就正合适。了解运输工具的容量才能节约经济成本，了解数据方法背后的原理才能提高工作效率。
描述性分析
在讲述知识点的时候，如果只是枯燥的概念，就很难掌握理解，但老师在每个概念中，会渗透着实例应用讲解，并搭配着主要图像，比如正态分布与长尾分布会列表格对比，边总结边记忆，这样，更有利于对知识点的掌握。
诊断性分析（关联分析）
比如，有成年人的身高和卡路里的摄入两组数据，那么就可以研究，卡路里是否对身高有所影响？如何影响的？简单来说就是找理由，类似于逆向工程，分析现实效果与潜在因素的联系。比起算法，更依靠于数据分析人员的素质，所以在学习过程中，要更为关注这方面的知识。
预测性分析
这里也可以称之为数据分析的重中之重，在讲解过程中，老师运用的课时更长，主要分为线性回归和逻辑回归两个方面，除了要求基本的概念理解掌握，还对代码及Excel的应用重点引领。也不需要重新构建网络环境，贪心AI有专门的平台可以依托，上课跟着老师一步步走，下来再练习几遍，基本就没有什么问题了。
3、课后思考答疑
一对一的课后答疑助教团队和课后思考题的实时解答
助教老师不仅十分耐心，而且还很有幽默感。在解答时，助教老师会先了解学生对问题有怎样的认识，对问题又做了怎样的思考，又在解决途中遇到了怎样的障碍，再顺着学生的思路，共同去探究解决。
缺少课后监控及错题统计部分
参考书籍
《超简单用Python让Excel飞起来》
这本书讲述的主要为Python编程环境的搭建和如何将Python和Excel联系起来，实现办公的高效化，更倾向于业务岗和业务技术融合岗。
这本书最大的特点就是图文并茂，有操作的具体演示图，所以学起来还算比较轻松。
实战项目锻炼
在了解数据分析的理论与工具后，还不足以应对工作中实际出现的问题。除了上述贪心AI课程所包含的实战项目外，建议大家还是更多找些真实的实战案例勤加练习。
Kaggle
在Kaggle上，还可以参考别人的代码，学习别人的分析逻辑与建模方法，从而提升自己。
科赛网Kesic和鲸科技
实战项目的更新速度很快，且定期也有比赛举行，可以找到很多的开源数据集，以供专业人员或者爱好者练习。
总结
从用户需求角度出发，将数据变现，让数据驱动决策，从而实现效益最大化，规避风险
“数学——编程——课程——实战”