返回目录：excel表格制作
如何用excel制作数据分析？
严格意义上来讲，5000条数据称不上大数据，用excel是非常简单快捷的工具。给您提供简单的思路供参考。
1、确定分析思路。我们需要分析一个什么样的结果，简单介绍一下5W2H分析法，即何因（why），何事（what），何人（who），何时（when），何地（where），如何做（how），何价（how much），结合新生的数据情况，确认好要分析的目标。当然也有其他的分析方法，如PEST分析法，逻辑树分析法等。
2、数据处理。包括数据清洗和加工。比如日期格式，缺失值等。及时查漏补缺，确保数据的质量。这里要掌握一些基本的函数用法，比如：sum，average，dateif，vlookup等。
3、数据分析：主要用到的工具是数据透视表，他是一种交互式的报表，利用它，我们可以方便的调整分类汇总的方式，灵活的以多种不同方式展现数据特征。主要用的功能：数据排序，筛选，分类汇总等数据处理功能。
问题1、5000人中来自上海的学生有多少？
问题2、男生，女生的占比有多少？
问题3、重名人数有多少？
4、数据的展现。基本的图表有饼图，条形图，柱形图，折线图，散点图等，不同的图形用来暂时的重点也不一痒，占比建议用饼图，趋势建议用折线图等。
更多详细的步骤，可以参考天善智能学院李奇老师的
用Excel对话数据-零基础Excel商业智能分析
课程地址：https://edu.hellobi.com/course/118
{!-- PGC_VIDEO:{"hash_id": 13748367177377396920, "thumb_height": 360, "thumb_url": "149a000460205f2d8a32", "user_id": 7001022915, "neardup_id": 13748367177377396920, "thumb_width": 640, "sp": "toutiao", "update_thumb_type": "2", "vposter": "http://p1.toutiaoimg.com/origin/149a000460205f2d8a32", "vid": "f797a90af7ef4c7eaebe3d9a98b043b0", "duration": 458, "video_size": {"high": {"h": 480, "subjective_score": 5, "w": 854, "file_size": 6044741}, "ultra": {"h": 720, "subjective_score": 5, "w": 1280, "file_size": 6124922}, "normal": {"h": 360, "subjective_score": 1, "w": 640, "file_size": 5916397}}, "item_id": 6370859887932473857, "media_id": 7000952790, "thumb_uri": "149a000460205f2d8a32", "group_id": 6370856361580036353, "vname": "\u7528Excel\u5bf9\u8bdd\u6570\u636e-\u96f6\u57fa\u7840Excel\u5546\u4e1a\u667a\u80fd\u5206\u6790-\u6982\u8ff0", "md5": "504fe3537d5e03b0bdae9d4b29334cb2", "vu": "f797a90af7ef4c7eaebe3d9a98b043b0"} --}
{!-- PGC_VIDEO:{"status": 0, "thumb_height": 360, "thumb_url": "141d00069dcb50af0b52", "media_id": 7000952790, "neardup_id": 5132812381884270687, "vname": "\u7528Excel\u5bf9\u8bdd\u6570\u636e-\u96f6\u57fa\u7840Excel\u5546\u4e1a\u667a\u80fd\u5206\u6790Query", "sp": "toutiao", "update_thumb_type": "2", "vposter": "http://p1.toutiaoimg.com/origin/141d00069dcb50af0b52", "vid": "836719bcad4a4b8da8ea19b8ccd4d42c", "thumb_width": 640, "duration": 2041, "hash_id": 5132812381884270687, "video_size": {"high": {"h": 480, "subjective_score": 5, "w": 854, "file_size": 34033838}, "ultra": {"h": 720, "subjective_score": 5, "w": 1280, "file_size": 34689000}, "normal": {"h": 360, "subjective_score": 4, "w": 640, "file_size": 30400828}}, "item_id": 6370859917573620226, "user_id": 7001022915, "thumb_uri": "141d00069dcb50af0b52", "group_id": 6370856929434992898, "md5": "8a501e0988dcf6b84340cedaf4e4550b", "vu": "836719bcad4a4b8da8ea19b8ccd4d42c"} --}
{!-- PGC_VIDEO:{"status": 0, "thumb_height": 360, "group_id": 6457717832556741134, "media_id": 7000952790, "vname": "\u5e94\u8be5\u600e\u4e48\u5b66.mp4", "vid": "38bb93276a934d0eb696e639b0a75cb4", "video_size": {"high": {"h": 480, "subjective_score": 0, "w": 854, "file_size": 7883356}, "ultra": {"h": 720, "subjective_score": 0, "w": 1280, "file_size": 9653436}, "normal": {"h": 360, "subjective_score": 0, "w": 640, "file_size": 7084128}}, "sp": "toutiao", "vposter": "http://p1.toutiaoimg.com/origin/37cc0004b56e75bd48b5", "external_covers": [{"mimetype": "webp", "source": "dynpost", "thumb_height": 360, "thumb_url": "374c00133bb697b33a5b", "thumb_width": 640}], "thumb_width": 640, "duration": 622, "hash_id": 15381037370330955126, "vu": "38bb93276a934d0eb696e639b0a75cb4", "item_id": 6457717832556741134, "user_id": 7001022915, "thumb_url": "37cc0004b56e75bd48b5", "md5": "5953c35c98fb28f369a4375a41770835", "neardup_id": 15381037370330955126} --}
{!-- PGC_VIDEO:{"status": 0, "thumb_height": 360, "group_id": 6457717944704041486, "media_id": 7000952790, "vname": "\u4e3a\u4ec0\u4e48\u9700\u8981\u4e03\u5468.mp4", "vid": "686b4e542bd449ad9798ee27108f5257", "video_size": {"high": {"h": 480, "subjective_score": 0, "w": 854, "file_size": 13927407}, "ultra": {"h": 720, "subjective_score": 0, "w": 1280, "file_size": 18309641}, "normal": {"h": 360, "subjective_score": 0, "w": 640, "file_size": 12135736}}, "sp": "toutiao", "vposter": "http://p1.toutiaoimg.com/origin/37cd0002eeaf9ad4b1bf", "external_covers": [{"mimetype": "webp", "source": "dynpost", "thumb_height": 360, "thumb_url": "37510001c5c2dc3b4093", "thumb_width": 640}], "thumb_width": 640, "duration": 1006, "hash_id": 3813635685669797950, "vu": "686b4e542bd449ad9798ee27108f5257", "item_id": 6457717944704041486, "user_id": 7001022915, "thumb_url": "37cd0002eeaf9ad4b1bf", "md5": "5737a48a78387608bd651e2bc32bd52e", "neardup_id": 3813635685669797950} --}
{!-- PGC_VIDEO:{"hash_id": 10227545323783323888, "thumb_height": 360, "thumb_url": "37500008cd373f3b7e55", "media_id": 7000952790, "vname": "\u4e3a\u4ec0\u4e48\u9700\u8981\u4e03\u5468.mp4", "vid": "035211cdc78e4a868e1fdab43cc0e7f1", "video_size": {"high": {"h": 480, "subjective_score": 0, "w": 854, "file_size": 13931485}, "ultra": {"h": 720, "subjective_score": 0, "w": 1280, "file_size": 18298980}, "normal": {"h": 360, "subjective_score": 0, "w": 640, "file_size": 12133902}}, "src_thumb_uri": "37500008cd373f3b7e55", "sp": "toutiao", "vposter": "http://p1.toutiaoimg.com/origin/37500008cd373f3b7e55", "external_covers": [{"mimetype": "webp", "source": "dynpost", "thumb_height": 360, "thumb_url": "374e000d15df76effbbc", "thumb_width": 640}], "thumb_width": 640, "duration": 1006, "vu": "035211cdc78e4a868e1fdab43cc0e7f1", "item_id": 6457719433732293134, "user_id": 7001022915, "thumb_uri": "37500008cd373f3b7e55", "group_id": 6457719433732293134, "md5": "", "neardup_id": 3813635685669797950} --}
更多的学习数据分析的视频课程，可以登录天善学院，https://www.hellobi.com/
做数据分析需要学什么？
数据分析最主要的是要有数学知识，它是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。
其次是要学习使用分析工具。熟练掌握Excel是必须的，数据透视表和公式使用必须熟练，ⅤBA是加分。另外还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
三，编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
四，业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。
五，逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
六、数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
七，协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
八，快速学习
无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。
快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！
数据分析到底有多难？
问题比较范，取决于具体的场景，你是站在求职者的角度，还是企业管理的角度，前者的话技术不是太大问题，这都有参照，难在如何结合业务场景给出分析思路，构建分析体系，这个几乎没有参照。对于企业来讲，数据治理通常是最大的难题，成本高，有不确定性因素在，尤其想做数字化转型的传统企业，路还很长，坑还很多。
都有哪些人在用Excel？Excel上手难不难？
Excel是办公软件中使用频率最高的软件（没有之一），但是很多人对Excel都存在一定的误解，都觉得这个仅仅是做表格，Word也可以做。
（十多年前，我也是这样认为的，因为那个时候做文档重点是在内容排版上，而非数据分析。）
大学快毕业时，一个偶然的机会，在学校一个博士后老师的团队中做事情，他给了我们一个表格，让我们将过程数据记录按要求记录到表格中。很神奇的是，当过程数据录入完后，数据分析报告就自动生成了。就这个事情，让我发现了Excel神奇的地方。
（现在想来其实很简单，那个表格中就是常规的函数公式。因为报告的文字内容和排版基本是固定的，只需要将过程数据通过公式演算出结果，再引入报告中就可以了。）
后来愈发学习得深入，就越来越觉得这个Excel简直无所不能、无处不在。以至于在每天工作中Excel几乎就是处于一直打开的状态。
但是，对于Excel的学习，是最近这几年才慢慢重视起来的，尤其是内地。微软的办公软件官方活动和推广，其实有很多，次数举办Excel锦标赛、评MVP等，很多人都没有听说过。微软还会邀请在办公软件领域，对推广和培训有过重大贡献的人员去微软总部学习和观光。
Excel学习起来不难，难点在于你会不会灵活运用，比如，比如求和，有很多函数或者方法可以实现，在什么情况下适合用SUM、什么情况下又用SUMPRODUCT、什么情况下用SUMIF、还有SUBTOTLA……就像我们学习语言，认识一个字（词语）也许很简单，但是怎么用这个字（词语）用对、用好，这就需要用心琢磨了。
Excel确实非常重要，现在求职中，Excel都会作为一种必要技能，用人单位会有所要求，这就是很多办公软件培训机构和学习论坛这么火的一个原因。
最后，如果你们在学习EXCEL，可以关注我的头条号，我会不断分享Excel领域的文章和视频，还会发布一些对大家学习和工作都会有帮助的一些工具，并且经常和朋友们互动，解决问题。
你的关注是给我的支持；
我的分享是回报你知识。
Excel中如何快速提升数据统计、分析效率？
谢邀，我是Excel大全，每日分享实用的Excel小技巧。
这里，我将从以下几个部分分享，Excel中如何快速提升数据统计、分析效率？
（PS. 只分享下具体思路，相关的技巧，可以到我头条上找）
希望能帮到你：
01 规范的数据源
“好的开始，是成功的一半”，有了规范的数据源，统计分析将事半功倍！
这点在统计分析中，我认为是最重要的，比各种各样花枝招展的技巧要重要。
多年的职场中，我发现，身边大部分同事统计效率低下，最主要的原因，并不是Excel不熟悉，并不是技巧不够多，而是，数据源不规范。
他们在做数据分析时，往往需要花大量的时间在规范数据源上。如：
出现了文本型数字；
不统一的日期格式；
不一样的简称信息；
价格和单位无法计算；
等等等等
所以，规范的数据源，是最重要的！
之前的回答中，我就分享过一些良好的数据习惯，需要的朋友，可以翻下我的相关回答。
02 使用快捷键，效率提升看得见
我向来喜欢使用快捷键，两三个按键能搞定的事情，向来不劳烦鼠标！
快捷键，提升效率最快的方式，也是简单实用的技巧！
在Excel中，快捷键也是无处不在的：
鼠标在功能菜单上稍作停留，即刻有快捷键提示和功能简介；
按住Alt键，菜单上有字母提示，这是通用快捷键；
网上有很多的快捷键对照表，需要的可以打印出来看看，这里送大家一张我珍藏的速查表
03 扎实的函数基础，是统计分析的不可或缺的
函数，是Excel中最重要的一个部分，也是用好Excel必备技能之一。
想用好Excel，提升效率，必会Excel函数公式！
Excel提供了几百个的函数，每个函数针对不同的用户需求点。
熟练运用各种统计函数，自然就能提升统计分析的效率。
试想下，本来一个函数就能搞定的统计，非要自己搞个复杂的算法，那不是自讨苦吃。
顺便分享下几个函数使用的小技巧：
函数向导：菜单“公式”-“插入函数”，这里，Excel将一步一步带你找到需要的函数，并指导你如何使用；
函数分类：菜单“公式”-函数分类，财务、逻辑、文本、日期、查找、数学、统计、工程等分类，有空多看看，熟悉下相关行业的函数，用到时，自然而然能想到；
帮助：按下F1，这里是Excel的百科全书，输入关键词，就能找到相关的主题帮忙；
04 能用透视表的，我绝不用函数
透视表，也是我最喜欢使用的功能之一，能用透视表搞定的统计分析，我绝不用函数。
只要用过透视表，就能体会到，Excel中统计分析的高效了：简简单单几个操作，只需拖动下鼠标，便能搞定日常工作中80%的统计分析，不信，你就试试，绝对超乎你的想象！
很多情况下，透视表只需3个操作就能完成：
插入透视表；
调整布局；
设置统计方式；
这里给大家举一个简单例子：
别怀疑，靠着这招，我已经横行办公室多年了。。。
自从用上透视表，各种维度的统计分析，各种数据的分分合合，都是鼠标几个点击间的事儿！
05 PowerQuery
PQ官方的介绍“Power Query 是一种数据连接技术，可用于发现、连接、合并和优化数据源以满足分析需要。Power Query 是 Excel 中可用的三大数据分析工具之一！”
好吧，PQ就是大数据分析工具，Excel2016中自带集成。
复杂的数据来源，文件、数据库、网站等各种来源的数据，交给PQ，妥妥的！
这，绝对是你处理复杂数据来源的大器，提高统计分析效率最好的依仗！
做个小结
Excel看起来很简单，实际上水很深！
功能是死的，但，思路是活得。
不管是做统计分析，还是处理业务数据，最重要的思路，谋定而后动！
先想好目标（最终的展示）和实施步骤（用什么功能来实现比较简单）再动手，就能事半功倍，效率才能杠杠的！
好了，这个问题，我就分享到这，欢迎评论区留言讨论！
我是Excel大全，码字不易，点个赞鼓励下呗，谢谢！
初级数据分析需要哪些技能？
对于初级数据分析师，需要掌握的核心技能有以下5点：
业务是核心，围绕着业务周围的是需要掌握的5项技能。
Excel
Excel简单易用，功能强大，熟练使用Excel是数据分析必备的技能。
对于初级数据分析来说，可能很多时间会去做报表，所以Excel更加重要。
Excel分三块：Excel公式、数据透视表和Excel图表。
1、常用Excel公式
2、数据透视表
3、Excel数据图表
SQL
对于数据分析师来说，跟数据打交道，有时候可能需要些SQL，所以掌握一些常用的SQL命令也是必须的。
统计学
统计学是一个数据分析师的核心功底，掌握一些统计学知识是必要的。
SPSS
对于有些统计分析方法，例如多元线性回归、聚类分析、主成分分析等，Excel无法实现，通过SPSS可以轻松搞定。
Tableau
Tableau作为商业智能和分析利器，受到很多公司的欢迎，学点Tableau能够让工作更加高效。
回答完毕！
有哪些可以快速掌握却可以大幅提高工作效率的Excel技巧？
史上最全的EXCEL技巧大全，都是小技巧，可以快速掌握、快速上手。
001 基础技能
1、快速选中全部工作表
右键单击工作窗口下面的工作表标签，在弹出的菜单中选择“选定全部工作表”命令即可。
2、快速移动/复制单元格
先选定单元格，然后移动鼠标指针到单元格边框上，按下鼠标左键并拖动到新位置，然后释放按键即可移动。若要复制单元格，则在释放鼠标之前按下Ctrl即可。
3、快速移动行或列
选中行或列，将鼠标移动到到单元格边框上，按住Shift键并按鼠标左键，即可拖动整行或者整列进行移动。
4、鼠标各种状态和功能
如图是不同的鼠标状态和动作对应的功能，掌握这个表，你在操作Excel的时候会得心应手很多。
5、快速切换工作表
要对多个窗口下的多个工作簿进行切换，鼠标右击工作表左下角的两个箭头，即可查看所有的工作表列表，在这个列表中，可以快速选择任意一个工作表。
6、彻底清除单元格内容
先选定单元格，然后按Delete键，这时仅删除了单元格内容，它的格式和批注还保留着。想要设置清楚单元格中所有内容和格式，需要这样操作：
7、如何选定超链接文本
Excel单元格中出现超链接的时候，直接用鼠标去点击，则会跳转到超链接，而无法选中，将鼠标悬置在单元格上，然后单击并按住即可选定单元格。
8、熟记Excel快捷键
通过Excel快捷键速查表，熟练掌握快捷键，
9、一键关闭所有打开的工作簿
按住Shift键然后再用鼠标点击工作簿右上角的差号，即可关闭所有已经打开的工作簿。
10、快速选定不连续单元格
Shift+F8可以激活“添加选定”模式，此时工作簿下方的状态栏中会显示出“添加到所选内容”字样，以后分别单击不连续的单元格或单元格区域即可选定。
002、单元格输入和编辑技巧
1、在一个单元格内输入多个值
在单元格中输入值后，每次输入一个值后按回车键，活动单元格均默认下移一个单元格，非常不便。
可以固定选中的单元格，方法如下：
①单击鼠标选定单元格
②然后按住Ctrl键再次单击鼠标选定此单元格
此时，单元格周围将出现实线框，证明单元格已经被锁定，再输入数据，敲回车键就不会移动了。
如图所示为单元格被锁定的状态。
2、一键完成重复工作：F4键
作为“重复”键，F4键可以重复前一次操作，对于大量重复的工作，善于利用F4键可以极大提高工作效率。
3、批量输入不连续区域的内容
选择不连续的区域后，输入内容，不要直接按回车键，而是按Ctrl+回车键，即可批量输入内容。
4、单元格内强制换行
在选定单元格输入第一行内容后，在换行处按“Alt+回车键”，即可输入第二行内容，这个组合键是强制换行键。
003、图表技巧
1、如何选择正确的图表
这两张表能够清晰地告诉你如何选择合适的图表，再也不怕用错图表了。
2、如何快速美化图表
3、如何向图表中添加新的数据
4、如何制作异形图表
……
本内容会持续更新，建议大家收藏。
想要文本中可视化图表原图、快捷键原图的，可以私信我“图表”获取。
「精进Excel」系头条签约作者，关注我，如果任意点开三篇文章，没有你想要的知识，算我耍流氓！
如何学习数据分析？
优秀的数据分析师并不能速成，但是零经验也有零经验的捷径。
市面上有《七周七数据库》，《七周七编程语言》。今天我们就《七周七学习成为数据分析师》，没错，七周。
第一周：Excel学习掌握
如果Excel玩的顺溜，可以略过这一周。但很多人并不会vlookup，所以有必要讲下。
了解sum，count，sumif，countif，find，if，left/right，时间转换等。excel的各类函数很多，完全不需要学全。重要的是学会搜索。我学函数是即用即查，将遇到的问题在网上搜索得到所需函数。
重中之重是学会vlookup和数据透视表。这两个对后续的数据转换有帮助。
学会vlookup，SQL中的join，Python中的merge能很快掌握。
学会数据透视表，SQL中的group，Python中的groupby也是同理。
这两个搞定，基本10万条以内的数据统计没啥难度，也就速度慢了点。80%的办公室白领都能秒杀。
网上多找些习题做，Excel是熟能生巧。
养成一个好习惯，不要合并单元格，不要过于花哨。表格按照原始数据、加工数据，图表的类型管理。
附加学习：
1、了解中文编码utf-8，ascii的含义和区别
2、了解单元格格式，帮助你了解后期的timestamp，date，string，int，bigint，char，factor等各类格式。
3、如果时间还有剩余，可以看《大数据时代》，培养职业兴趣。
第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。别说平常人，数据分析师自己看数据也头大。这时就得靠数据可视化的神奇魔力了。
以上就是所谓的可视化。排除掉数据挖掘这类高级分析，不少数据分析师的平常工作之一就是监控数据观察数据。
另外数据分析师是需要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果，那么分析也不会被改进和优化，分析师的价值在哪里？工资也就涨不了对吧。
抽空花一段时间学习可视化的基础,如《数据之美》
另外你还需要了解BI的概念。知名的BI产品有Tableau，Power BI，还有国产的FineBI等。都有体验版和免费版能下载，网上找一点数据就能体验可视化的魅力。比Excel的图表高级多了。
BI需要了解仪表盘Dashboard的概念，知道维度的联动和钻取，知道绝大多数图表适用的场景和怎么绘制。比如以下FineBI制作的dashboard。
第三周：分析思维的训练
这周我们轻松一下，学学理论知识。
分析思维首推大名鼎鼎的《金字塔原理》，帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶，那么就可以学思维导图，下载一个XMind中文网站，或者在线用百度脑图。
再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师，思考方式也得跟着改变。网上搜咨询公司的面试题，搜Case Book。
题目用新学的思维导图做，先套那些经典框架，做一遍，然后去看答案对比。因为要锻炼数据分析能力。所以得结合数据导向的思维。
这里送三条金句：
一个业务没有指标，则不能增长和分析
好的指标应该是比率或比例
好的分析应该对比或关联。
举一个例子：我告诉你一家超市今天有1000人的客流量，你会怎么分析？
这1000人的数量，和附件其他超市比是多是少？（对比）
这1000人的数量比昨天多还是少？（对比）
1000人有多少产生了实际购买？（转化比例）
路过超市，超市外的人流是多少？（转化比例）
这是一个快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何结果。
第四周：数据库学习
Excel对十万条以内的数据处理起来一点不虚，但是资深的数据分析师还是笑摸狗头，Too Young Too Sample，爷搞得都是百万数据。要百万数据，就得上数据库。
SQL是数据分析师的核心技能之一。有些公司并不给数据库权限，需要分析师写邮件提需求，这非常不好。数据分析师经常有各类假设需要验证，很多时候写十几行SQL就能得到的答案，还得麻烦其他部门导出数据。
SQL学习不需要买书，W3C学习就行了，SQL 教程。大多数互联网公司都是MySQL，我也建议学，性价比最高。
作为数据分析师，只要懂Select相关，增删改、约束、索引、数据库范式全部略过。你的公司心得多大才会给你写权限。
了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等即可。
你看，和Excel的函数都差不多。如果时间充裕，则学习row_number，substr，convert，contact等。和Excel一样，学会搜索解决问题。不同引擎的函数也会有差异，例如Presto和phpMyAdmin。
期间你不需要考虑优化和写法丑陋，查询几秒和几分钟对数据分析师没区别，跑数据时喝杯咖啡呗，以后你跑个SVM都能去吃饭了。
网上搜索SQL相关的练习题，刷一遍就行。也能自己下载数据库管理工具，找些数据练习。我用的是Sequel Pro。
第五周：统计知识学习
统计学是数据分析的基础之一。
统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。
这一周努力掌握描述性统计，包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看，谁让我们是速成呢，只要看到数据，知道不能怎么样，而是应该这样分析即可。
Excel中有一个分析工具库，简单强大。对列1的各名词做到了解。如果是多变量多样本，学会各种检验。
《统计数字会撒谎》休闲读物，有趣的案例可以让我们避免很多数据陷阱。
深入浅出统计学 (豆瓣)还是经典的HeadFirst系列，适应它一贯的啰嗦吧。
多说一句，老板和非分析师不会有兴趣知道背后的统计学原理，通常要的是分析后的是与否，二元答案。不要告诉他们P值什么的，告诉他们活动有效果，或者没效果。
第六周：业务学习（用户行为、产品、运营）
这一周需要了解业务。对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。
我举一个数据沙龙上的例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。
这个案例中，我们只知道送货员的送货水平距离，数据上根本不可能知道垂直距离这个指标。这就是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。
对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试，公司肯定也知道刚入门分析师不会有太多业务经验，不会以这个卡人。所以简单花一周了解行业的各指标。
《增长黑客》
数据驱动业务的典型，里面包含产品运营最经典的AAARR框架，部分非数据的营销案例，
《网站分析实战》
如果应聘的公司涉及Web产品，可以了解流量的概念。书中案例以Google Analytics为主。其实现在是APP+Web的复合框架，比如朋友圈的传播活动肯定需要用到网页的指标去分析。
《精益数据分析》
互联网数据分析的入门书籍，归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。
还有一个小建议，现在有不少第三方的数据应用，囊括了不少产品领域的数据分析和统计。自学党们即使没有生产环境的数据，也可以看一下应用Demo，有好处的。
除了业务知识，业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。
第七周：Python/R学习
终于到第七周，也是最痛苦的一周。这时应该学习编程技巧。是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘，爬虫，可视化报表都需要用到编程能力。掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，迎娶白富美。
这里有两条支线，学习R语言或Python。速成只要学习一条，以后再补上另外一门。
R的优点是统计学家编写的，缺点也是统计学家编写。如果是各类统计函数的调用，绘图，分析的前验性论证，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。Python则是万能的胶水语言，适用性强，可以将各类分析的过程脚本化。Pandas，sklearn等各包也已经追平R。
如果学习R，建议看《R语言实战》，照着书本打一遍代码，一星期绰绰有余。另外还有一本《统计学》，偏知识理论，可以复习前面的统计学知识。
R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。如果时间有余。可以再去学习ggplot2。
Python拥有很多分支，我们专注数据分析这块，入门可以学习《深入浅出Python》。
需要学会条件判断，字典，切片，循环，迭代，自定义函数等。知道数据领域最经典的包Pandas+Numpy。
在速成后的很长一段时间，我们都要做调包侠。
这两门语言最好安装IDE，R语言我建议用RStudio，Python我建议用 Anaconda。都是数据分析的利器。
Mac自带Python2.7，但现在Python 3已经比几年前成熟，而且没有编码问题。各类教程也足够多，不要抱成守旧了。Win的电脑，安装Python会有环境变量的问题，是个大坑（R的中文编码也是天坑）。
到这里，刚刚好是七周。如果还需要第八周+，则是把上面的巩固和融会贯通，毕竟速成是以转岗或拿offer为目的。有机会，我会专门写文章讲解每一周的具体知识，并且用爬虫爬一些数据做练习和案例。
如何才能快速成为一名数据分析师？
如何快速成为数据分析师？不建议急于求成，所谓快速仅仅是入门而已，想要真正成为数据分析师恐怕需要到实际工作中去历练。下面给出一些建议。
数据分析师需要的技能大致有这些：Excel、SQL、统计学及SPSS、Python/R等。
建议从Excel开始，因为Excel是使用最多，也是最强大的数据分析工具，入门简单，因为大部分人都接触过Excel。
Excel
Excel分为四块：公式+技巧+数据透视表+图表。
先从Excel公式开始，通过公式感受Excel的强大与神奇。Excel常用公式分为5类，如下图所示。
接下来需要学习一些常用的快捷键和技巧，这样可以提高学习效率，对于以后的工作也大有益处。
Excel数据透视表可以让我们不用写任何公式就可以轻松实现对数据的分类统计、汇总等。
古人云，一图胜万言，通过图表来展示数据会更形象，也更高效。
关于Excel的教程可以看下我的专栏：Excel数据分析108讲
MySQL
数据分析师跟数据打交道，而数据存储在数据库中，所以懂点SQL知识也是必须的，用得最多的数据库是MySQL数据库，作为数据分析师需要掌握的SQL知识如下图所示。
统计学
统计学是数据分析师的理论基础，只有具备扎实的理论基础，才能在数据分析这条路上走得更远。
SPSS
SPSS是一个很常用的数据分析工具，提供了非常友好的图形操作界面，当然，学习SPSS需要建立在统计学的基础上。
说明：后面的部分跟统计学几乎一样，因为SPSS是一个去实现统计学理论的工具。
如今这个时代，少儿都开始学编程了，作为数据分析师，懂点编程也是必须的，因为解决数据挖掘问题需要用机器学习算法。数据分析中主流的编程语言有两种：Python和R。先说说Python。
Python
对于Python，需要掌握的知识有这些：Python基础、Numpy、pandas、matplotlib、Python机器学习等。
1、Python基础
2、Python三大件：Numpy、pandas和matplotlib
3、Python机器学习
R语言
对于R，需要掌握的知识有这些：R语言基础、R数据可视化、数据预处理包、R统计分析、R机器学习等。
回答完毕，欢迎关注【数据科学吧】，分享数据科学相关的知识。
点赞并转发，可以免费领取以上思维导图哦！领取方式：点赞并转发后，私信我。