如何培养数据分析的能力？

首先
自己不去百度的独立思考，什么是数据，什么是数据，什么是数据？先有了这个问题的答案后，再去思考分析的事情。
什么是数据这个问题，看似很简单，但是可能很多人回答不了，当然，自己思考过后的答案，也没有对错之分。
我理解的数据是：数据是信息的载体。
所以，我们做数据分析是为了获得数据后面的信息。而不是为了数据而数据，或为了分析而分析。
接着，我们从数据获得的信息，这些信息支持或协助我们做些什么事情。
做些什么事情呢？如果这个你不知道，那也不必展开数据分析了，所以数据分析应该是件目的性很强的事情。
目的是什么？（如果有人看似毫无目的的泡在数据里瞎折腾，那大部分情况他是在“找数据间的相关性”，这是他的目的）决定了你要去数据里获取哪些信息。
常见目的分几大类，说的笼统点，如下
往后看的，原因是什么？
现在看的，现在情况如何？
往前看的，未来会怎样？
例如
我现在接手了一件工作：公司想了解一下新积分政策的影响。
WTF？好笼统的问题（如果是很明确的问题，那一般也就是自己手动实现计算了，也没啥意思）
OK，我们先思考下怎么应对这个问题，一般来讲，笼统的问题能做的很大，也能做的很小。我们先把解决方案控制在：计算老版积分，计算新版积分，比较新版积分相对于老版积分的变化。
但问题又来了，积分是啥？老政策是啥？新政策是啥？
这时候你要干嘛？去和公司其他的人沟通交流！先了解啥事积分！
做数据分析难道不要和人好好沟通吗？理解业务吗？沟通时，要能把握重点，提出正确的问题！业务理解也要有常识和积累。
所以，看似不相关，其实很重要。
原来积分是按会员顾客购买金额算的分数，可以用来换礼品。
OK，老版积分的计算呢？直接根据购物金额乘以系数。而且，有现成计算好的，太棒了。
SO，新版积分的计算呢？根据单次购物金额划分不同的系数区间，而且客户累计消费金额划分不同的系数区间。
问题来了，你会算吗？
公司也很人性，甩给了你20G的历史数据，共计60多个CSV文件。然后还给了你一个数据库的访问权限。
然后呢？然后就没然后了，因为不会处理啊。
好吧，这时候得会几句数据库查询语句吧。所以数据库方面的书得看看，或百度些常用查询语句，或自己装个数据库练练。
然后发现csv文件用execl打不开，因为文件太大。而且有60多个，一个个处理也要死人。好吧，至少学个能处理问题的编程语言。推荐python。
ok，数据库、python。这些工具先学一下。
假设，这两样入门了，搞定了新积分的计算（具体问题中可能会有各种小坑要爬）
然后开始对比呗。
历史的很好对比。老的新的减一减。
未来的呢？
哦，no!我不想把问题弄太复杂，对比下积分变化分布，按月平均的预估下下个月的积分情况，告诉领导，下个月积分可能会增加20%，而且主要是因为个人消费积累的金额区间系数变化导致的！毕竟只有自己一个人，光是写计算新版积分的程序已经死掉大部分脑细胞了！
交差，领导拍拍肩膀，说，嗯，不错不错！毕竟，他可能自己都不知道自己想要什么。
可能晚上睡觉时，你会想了，新积分计算方式的变化，会不会改变客户的购买行为呢？毕竟买的多系数会增加？会不会增加忠诚度呢？毕竟买的多积分会增加？积分变化导致的礼品成本增加在量有多少呢？
可能在你睡觉的时候，因为这些问题，你的潜意识也在提高业务的理解。数据又反补你对业务的理解。
到这，你满意了么？至少给出了59分的答案了。或许在很有意思的预测建模上，咱们没发力呢？搞些机器学习模型不？新政策推出后，跟踪前后购买行为的变化不？反正有一堆问题没弄明白。