数据分析，顾名思义，和数据打交道。简单的来讲，利用以往的数据的一些趋势或规律，对未来做出一些精准的预测。

先有数据，再有分析。

1.围绕业务，提出问题，确定需求，收集和整理数据。

2.利用整理好的数据来进行建模分析，挖掘出有价值的信息，最后可视化展示。

围绕着上述的数据分析的过程，作为一个入门小白，应该提前学习到哪些知识才能更好踏入这个行业呢。

对于前面的收集和整理部分，我们可以用到的实操工具有excel、mysql。

excel：作为一名数据分析师，对office的版本要求比较高，需要office专业增强版2016或以上，这些微软的官网都可以下载到。

下面介绍入门需要掌握的知识点：

  1.   excel基础技巧：

定位条件、选择性粘贴、查找与替换、视图拆分与冻结、辅助列技巧

  2. 如何利用Excel进行数据收集与清洗：

批量输入数据

• 导入其他格式的数据
• 提取数据
• 数据类型转换
• 分列与合并数据
  

3 . excel中的常用函数：  （重点、难点）

条件函数：if

条件求和函数：sumif、sumifs函数

条件计数：COUNTIF、COUNTIFS函数

数据查询：VLOOKUP函数

逆向查询：LOOKUP函数

查询好搭档：INDEX+MATCH函数

查询好搭档：INDEX+MATCH函数

计算年龄：DATEDIF函数

Mysql: 企业数据分析工作中通常需要使用数据库进行数据的存储、管理、提取和清洗

下面介绍入门需要掌握的知识点：

• 数据库的创建、使用和删除
• 数据表的创建、修改和删除
• 常用数据类型
• 数据的插入、更新和删除
• 单表查询，条件查询，空值查询，模糊查询，分组查询，连接查询  （重点）
• 比较运算符，逻辑操作符
• ER关系图的创建
• 子查询
  

介绍完excel和mysql的知识点之后，需要学习的就是数据分析的部分了。根据行业环境和机器语言的使用度来讲，python更多地被应用于数据分析行业。

下面介绍的就是python语言学习的知识点：

python基础：

1 基础数据类型

2 编码和标识符

3 基础数据结构：字符串、列表、字典、元组、集合    （重点）

4  控制语句：条件、循环

5  函数

6 python的IO模块

用python来数据分析常用第三方库：（重点）

1  numpy的创建，索引和切片，常用函数与方法，广播

2 pandas的创建，索引和切片，合并和连接，分组和聚合

数据分析是个跨专业的行业，不仅仅需要学习计算机的机器语言，还需要有数学的功底。数学的高数应该大多数人都学过，如果没有或者没学好也不要灰心，这里用到的数学没有考研的那么难，只需要把最基本的数学知识掌握，最后转化为机器语言呈现就行。

那么接下来就需要介绍数学该学哪些必备知识点啦：

1 微积分：

函数、微分、定积分、级数、

2 线性代数：

向量、行列式、矩阵、线性方程

3 统计：(难点、重点)

抽样分布、方差、假设检验、列联分析、相关分析、回归分析

如果掌握了以上所述的知识点的内容，等于说一只脚踏入了数据分析行业。但是以上的知识点内容难度参差不齐。

相对于excel来说，函数的使用会让操作更加简单，但是也是比较难懂的部分，这里介绍一本excel的书籍：《excel数据处理与分析实战技巧精粹》会更好的帮助理解

mysql的内容有很多，但对于数据分析人员来讲，里面的增删改查是重点，一本 ：《mysql必知必会》 能很好帮助到入门的朋友们

python做为一种计算机语言，他和mysql一样有很多很强大的功能，像现在使用的google浏览器就是用python语言覆写的。但是再不同的地方所使用的内容也有所差别，针对于数据分析小白来说，《python数据科学手册》能更好的适用。

数学可能是大部分小伙伴比较头疼的问题，尤其里面的统计学部分可能是最为困难的部分，入门级别中，可以多多翻几遍大学中使用到的统计学教程，：《统计学--第六版》 --贾俊平  。看完2遍这本书，对于统计学也有个大致的了解和掌握了。