對(duì)于超級(jí)菜鳥來說，首要任務(wù)是要了解什么是數(shù)據(jù)分析?

數(shù)據(jù)分析是一種從數(shù)據(jù)中獲取洞見，并驅(qū)動(dòng)商業(yè)決策的知識(shí)發(fā)現(xiàn)行為。

這里分兩點(diǎn)來講，一是如何從數(shù)據(jù)中獲取洞見?數(shù)據(jù)往往是冰冷的，不會(huì)說話，作為專業(yè)的數(shù)據(jù)分析人員，無疑是要具備非常豐富的業(yè)務(wù)知識(shí)，才能通過數(shù)據(jù)知道已經(jīng)發(fā)生了什么?即將要發(fā)生什么?諸如python、excel、Fine BI是實(shí)現(xiàn)數(shù)據(jù)分析挖掘的重要工具，很多初學(xué)者往往重視工具，而忽略作為數(shù)據(jù)分析人員應(yīng)該要具備的專業(yè)素養(yǎng)。

二是如何驅(qū)動(dòng)商業(yè)決策?這可能不是普通數(shù)據(jù)分析師所能決定的層面，但作為優(yōu)秀的數(shù)據(jù)分析人員，需要具備敏銳的商業(yè)眼光。單純的數(shù)據(jù)分析結(jié)果是沒有任何助益的，將分析結(jié)果與真實(shí)場(chǎng)景結(jié)合，產(chǎn)生有指導(dǎo)性的結(jié)論，才是一個(gè)數(shù)據(jù)分析師的價(jià)值所在。

我知道，大家很在意怎么去學(xué)習(xí)數(shù)據(jù)分析過程，對(duì)于python、R、sql、tableau、FineBI等等充滿了疑惑和向往，這也是我當(dāng)初接觸數(shù)據(jù)分析時(shí)候的心態(tài)。很多東西要學(xué)，該學(xué)哪一樣?怎么學(xué)習(xí)?學(xué)到什么程度?下面就要講到數(shù)據(jù)分析工具。

分析工具的選擇

一般來說，如果想要成為高階的數(shù)據(jù)分析師，至少要掌握三類工具——自助式BI工具、取數(shù)工具、編程語言。這三類工具的選型標(biāo)準(zhǔn)都是不一樣的，對(duì)于超級(jí)菜鳥來說，優(yōu)先級(jí)是先學(xué)會(huì)自助式工具，保證能夠盡快上手?jǐn)?shù)據(jù)分析，掌握數(shù)據(jù)分析的基本知識(shí);其次，再學(xué)一種取數(shù)工具，接觸數(shù)據(jù)庫的概念;最后，再高一等級(jí)要學(xué)會(huì)編程，甚至是數(shù)據(jù)分析庫，具體選型我下面一一介紹。

1、自助式BI工具

什么叫做自助式分析工具呢?其實(shí)很簡(jiǎn)單，就是專門面向業(yè)務(wù)人員的BI分析工具，可以完全擺脫IT人的束縛，對(duì)于超級(jí)菜鳥來說，學(xué)習(xí)成本和門檻也比較低，能夠很容易上手，獨(dú)立完成數(shù)據(jù)分析工作。

這里我推薦FineBI，它是一種能連接各類數(shù)據(jù)源，對(duì)原始數(shù)據(jù)(尤其是大數(shù)據(jù)量)進(jìn)行快速分析，制作明細(xì)報(bào)表和酷炫可視化圖表的工具，在IT信息部門分類準(zhǔn)備好數(shù)據(jù)業(yè)務(wù)包的前提下，給與數(shù)據(jù)，讓業(yè)務(wù)人員或領(lǐng)導(dǎo)自行分析，滿足即席數(shù)據(jù)分析需求，是分析型產(chǎn)品。

其實(shí)FineBI的使用感同Tableau類似，都主張可視化的探索性分析，有點(diǎn)像加強(qiáng)版的數(shù)據(jù)透視表。上手簡(jiǎn)單，可視化庫豐富。可以充當(dāng)數(shù)據(jù)報(bào)表的門戶，也可以充當(dāng)各業(yè)務(wù)分析的平臺(tái)。

而對(duì)于新手來說，F(xiàn)ineBI的學(xué)習(xí)難度比較低，但是分析性能很強(qiáng)大，更重要的是個(gè)人版免費(fèi)，完全可以支持個(gè)人進(jìn)行自助式分析;即使你已經(jīng)成為了企業(yè)的數(shù)據(jù)分析師，仍然需要FineBI來脫離IT部門，去IT化是一種大趨勢(shì)，所以說不得不學(xué)。

2、取數(shù)工具

一般企業(yè)的數(shù)據(jù)保存在本地?cái)?shù)據(jù)庫或者公有云里，有的會(huì)采用mysql、oracle、mongodb等，有的會(huì)采用hbase、parquet等。我會(huì)建議初學(xué)者把sql學(xué)精，有余力者可以看看hbase、parquet等大數(shù)據(jù)存儲(chǔ)方式。

sql是數(shù)據(jù)領(lǐng)域最常用的語言，無論是hive、spark、flink都支持sql，以至于機(jī)器學(xué)習(xí)也支持sql，像阿里開源的sqlflow。sql永不落伍。

3、編程語言

Python和R是數(shù)據(jù)分析領(lǐng)域的絕代雙驕，我覺得這兩個(gè)都適合作為數(shù)據(jù)分析的核心語言，但最好選擇一個(gè)來學(xué)。

由于很多咨詢我的人問的都是關(guān)于python的問題，我自己也是在用python工作，所以這里講一下用python來做數(shù)據(jù)分析的利與弊。

python這幾年的火爆程度堪稱編程界的小鮮肉，雖然它誕生也快30年了，但風(fēng)頭正勁。作為一門高級(jí)編程語言，python除了不善于開發(fā)底層應(yīng)用，幾乎可以做任何事情。拿數(shù)據(jù)分析來說，從數(shù)據(jù)庫操作、數(shù)據(jù)IO、數(shù)據(jù)清洗、數(shù)據(jù)可視化，到機(jī)器學(xué)習(xí)、批量處理、腳本編寫、模型優(yōu)化、深度學(xué)習(xí)，python都能完美地完成，而且提供了不同的庫供你選擇。

除此之外，Jupyter notebook是進(jìn)行數(shù)據(jù)分析非常優(yōu)秀的交互式工具，為初學(xué)者提供了方便的實(shí)驗(yàn)平臺(tái)。

4、數(shù)據(jù)分析庫

除了上面提高的三類工具，其實(shí)還有一類數(shù)據(jù)分析庫，是比較適合高等數(shù)據(jù)分析師的，如果你還是一名剛剛?cè)腴T的新手，可以忽略這一小節(jié)的內(nèi)容。

pandas是一款不斷進(jìn)步的python數(shù)據(jù)科學(xué)庫，它的數(shù)據(jù)結(jié)構(gòu)十分適合做數(shù)據(jù)處理，并且pandas納入了大量分析函數(shù)方法，以及常用統(tǒng)計(jì)學(xué)模型、可視化處理。如果你使用python做數(shù)據(jù)分析，在數(shù)據(jù)預(yù)處理的過程，幾乎九成的工作需要使用pandas完成。

numpy是python的數(shù)值計(jì)算庫，包括pandas之類的很多分析庫都建立在numpy基礎(chǔ)上。

numpy的核心功能包括：

• ndarray，一個(gè)具有矢量算術(shù)運(yùn)算和復(fù)雜廣播能力的快速且節(jié)省空間的多維數(shù)組。
• 用于對(duì)整組數(shù)據(jù)進(jìn)行快速運(yùn)算的標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)(無需編寫循環(huán))。
• 用于讀寫磁盤數(shù)據(jù)的工具以及用于操作內(nèi)存映射文件的工具。
• 線性代數(shù)、隨機(jī)數(shù)生成以及傅里葉變換功能。
• 用于集成由C、C++、Fortran等語言編寫的代碼的A C API。

numpy之于數(shù)值計(jì)算特別重要是因?yàn)樗梢愿咝幚泶髷?shù)組的數(shù)據(jù)。這是因?yàn)椋?/p>

• 比起Python的內(nèi)置序列，numpy數(shù)組使用的內(nèi)存更少。
• numpy可以在整個(gè)數(shù)組上執(zhí)行復(fù)雜的計(jì)算，而不需要Python的for循環(huán)。

matplotlib和seaborn是python主要的可視化工具，建議大家都去學(xué)學(xué)，數(shù)據(jù)的展現(xiàn)和數(shù)據(jù)分析同樣重要。

sklearn和keras，sklearn是python機(jī)器學(xué)庫，涵蓋了大部分機(jī)器學(xué)習(xí)模型。keras是深度學(xué)習(xí)庫，它包含高效的數(shù)值庫Theano和TensorFlow。​