入行之后，我才发现数据分析其实可以分为两种：一种类似产品经理、一种偏向数据挖掘，类似产品经理向更加注重业务，对业务能力要求比较高；数据挖掘向更加注重技术，对算法代码能力要求比较高。
首先我说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：
1. SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能，零基础学习SQL可以去w3c
2. 统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的最大值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些在 网易公开课 上倒是有不错的教程。
3.Python或者R的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。至于学习资料：R语言我不太清楚，Python方向可以在 廖雪峰 的博客里看Python教程，面向零基础。
下面再说说两者有区别的技能树：
1.数据挖掘向
我先打个前哨，想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。
所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法。
2.产品经理向
产品经理向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。这方面的学习书籍就很多，看得越多掌握的方法越多，我说几本我看过的或者很多人推荐的书籍：增长黑客、精益数据分析、深入浅出数据分析、啤酒与尿布。
总之一百个人眼中有一百个哈姆雷特，一百个数据分析师对快速入门有一百种方法，但是万变不离其中，以上是我的愚见，希望能对你有所启发，所以收藏的话不如点个赞啦！
花了1个月，每天学习8小时以上，工科转到互联网数据分析师，先入门再提升，来说说我的经历
并且转行期间，为了挣生活费，每天还要花1小时录初中数学题，录题大概赚了2500，附上录过的1道题
一、背景交代
2018年力学研究生毕业，校招签了某车企三方，因为各种各样的原因没去
2018年7月1日开始转行数据分析师
二、转行时间轴
· 2018年7月1日：开始学习数据分析技能（脱产学习），学了Excel、BI、Mysql、统计学、python，跟着秦路老师的《七周成为数据分析师》视频学，非常感谢他，很适合小白
· 2018年7月25日左右：开始投简历
· 2018年7月27日-8月1日： 参加了7-8场笔试、面试
· 2018年8月初拿到offer，体检、入职
从第一天学习，到拿到满意的offer，花了1个月
有很多同学想要转行，这里我给大家推荐一个「腾讯教育」联合出品的商业数据分析入门训练营。通过5天的学习，让你接触数据分析思维与方法，体验2大主流数据工具，体验用数据分析解决商业问题。体验之后你就知道自己是不是真的适合数据分析了。
点击下面的链接就可以免费获得~
三、我如何学习的？
1、技能部分
（完整笔记pdf，领取方式见文末）
跟着秦路老师的视频学（番外：我拿到offer以后，还偷偷给他微信公众号赞赏了，人生第一次赞赏）
秦路老师的视频分为7周，由于我是脱产学，并且悟性还可以，缩短为4周（此处只达到了成为数据分析师的最低要求，在工作中还得继续学习，有应用场景以后，会学得更快）
· 第一周：学了数据分析师思维+业务知识（内容虽然简单，用起来却不容易，处于一知半解的状态）
· 第二周：学Excel的函数（find、left、vlookup）和数据透视表；学Excel的图表（雷达图、甘特图、漏斗图、散点图等）
Excel用了那么多年，本周比较轻松，看了视频以后，一定要跟着练习，会做以后知识才是自己的。
· 第二周（后2天）：学PowerBI，视频里讲得很简单，主要是可视化，如何表达，会基本操作以后主要是练习，如何表达指标间的关系，如何更直观，本节1-2天可学完
· 第三周：重头戏来了，MySQL
第一次接触数据库，安装废了1天，衰。数据量稍微大一些，Excel就玩不转啦，此时亮出杀手锏MySQL。
需要掌握select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数，以及partition by，这个新出功能秦路视频里没有，需要自行学习，学会以后，之前需要很多子查询，用这个可以轻松搞定。
· 第4周：统计学、Python
统计学：高中数学和大学概率论里学过，这里复习了一遍，懂了应用场景，简单阅过
Python：学了numpy、pandas、matplotlib，会简单的数据清洗和可视化
到第四周后期，大概7月25日，边学，边投简历，有面试邀请就去面试，没有面试就在家继续学
2、简历和面试
- 简历
（1）制作了一份简历1.0，实在没什么可写的，把学到的甘特图啥放到简历，还洋洋自得，结果石沉大海
（2）肯定是哪里有问题，可视化的表放在简历里，毫无意义，于是在过往经历中，强行跟数据分析拉了八竿子的关系，出了简历2.0，稍微好一些，有极少量面试机会
（3）再改，摸清了简历的窍门，一定要结构化，逻辑清楚，于是有了简历3.0，这才是一份可以到80-90分的简历嘛
- ·面试
（1）自我介绍
说清楚你是谁，为什么能胜任这份工作，把自我介绍写下来，多读几遍甚至背诵
我当初的自我介绍找不到了，TT
（2）面试官问答
提前想好面试官可能会问到的问题，并提前想好应对的答案
一定要熟悉自己的简历，尤其是找其他人修改过的简历，面试官会针对简历上的点提问
- 最后拿到满意offer
工作内容有点类似淘宝网给商家提供的生意参谋，将C端产生的大量数据，自动更新，可视化后，呈现给B端
入职以后强化BI 的DAX技能，MySQL已经溜到飞起，又自学了Python
技能都是打辅助的，主要还是要厘清业务，指标关系、报表逻辑
最新情况：因为公司用的Tableau和Hive，现在BI已经不用了，转用Tableau；MySQL也不用了，转用了Hive；初学者的话，还是建议先学BI和MySQL
你会了BI，再学Tableau，会很快；会了MySQL，再学Hive，也是手到擒来
接下来算法已经安排上了，技多不压身，共勉吧
好多人问我零基础转行需要多久？
我觉得还是看每天的学习时间和学习效率，
1、预计1个月：每天8小时以上，效率极高 （PS: 我应该属于效率还可以的人，当年国庆节之后开始准备考研，不到3个月，考了上海交大）
2、预计2个月：每天8小时以上，效率正常
3、预计3个月：每天5小时以上，效率正常
4、无法预计：三天打鱼两天晒网
还有一些人问我，没有经验怎么办？
我的解决办法是：去过往经历中找与数据分析相关的点，哪怕只有一点点关系
比如：我读大学的时候当了青奥会的志愿者，统计路口的车流量，我就把这个经历包装成了数据分析的项目，特别适合零经验的人。
还有一些人问我文科能不能转行？
不要给自己设限，我认识的一位妹纸就是中文系转了电商数据分析师，可能需要多付出一些经历，是可以转行成功的
还有一些人问我，简历投出去石沉大海怎么办？
可能投递的技巧和简历本身2方面都有问题
投递时不要使用招聘APP的打招呼模板，千篇一律
简历一定要结构化，有条理，有逻辑；简历内容尽可能描述很细的点，而不是泛泛而谈
（仍然不知道怎么写简历，简历投出去石沉大海的童鞋，可以找我改改简历）
