如何在業餘時間學習數據分析？
對一個準備入門數據分析行業的小白來說，這是最直接而首要的問題，每一部分學完能做什麼，如何應用，是一個很大的問題。這樣的學習，很容易未入門就放棄，所以並不建議從啃一本書開始。
有的從實際問題場景入手。這確實是不錯的方式，模擬了一個數據分析問題解決的流程。但對於沒有數據分析經驗的人，特別是不怎麼了解業務的人來說，又會陷入另一種困境：如何提出高質量的問題、找到清晰的分析思路。數據分析的思維是在有經驗之後才能夠養成的，而這種方式要求一開始就具備這種分析的思維，如果不懂業務問題，其實很難有針對性地去分析一個問題。
我們就從數據分析技術和數據分析思維的養成，來談談如何在業餘時間高效學習數據分析。
1、開始用數據玩起來
你可能會疑惑：我什麼都不會，你就讓我玩起來？
不急，我們慢慢來解答。
先找一個數據集，如果工作中有一些現成的數據（用戶數據、銷售數據、產品數據等），是最好的，因爲這些數據跟你的認知高度相關，能讓學習更加有針對性。如果沒有這樣的數據資源，也可以找一些網上的公開數據集。
拿到這些數據，就可以進行一些探索性的分析了。最常見的，就是把這些數據用可視化方式描述出來，最常用的就是 Excel，在把數據轉化成圖像的過程中，可以發現一些數據分佈的特點。
比拿到一個產品的銷售數據，把數據按照時間序列繪製出圖形，那就可以看到銷量與時間、季節、特殊節點之間的關係；當分地區來展示，可以看到產品受不同地區用戶的喜愛程度；當把銷售數據和其他因素結合起來（比如推廣行爲），可以發現這些因素對銷售量的影響。
你看，其實冰冷的數據在進行圖形化的展示之後，可以發現很多基本的規律，這個已經可以得出一些很有用的知識了。
如果不怎麼熟悉 Excel 的話，去了解一些基本圖表的用法，經常用到的也基本是條形圖、折線圖（散點圖）、扇形圖。
可視化還可以用編程的方式去實現，比如 python裏面的seaborn、matplotlib，R裏面的ggplot2，都是很好的可視化工具。不要以爲很難，這個階段並不需要系統地去學習python或者R，只需要瞭解這些庫的一些基本函數和用法。
比如下面這些圖，在python裏面就是一行命令的事情。
網上有很多這些可視化工具的教程，跟着做很容易上手，主要是記住具體的函數、方法的使用方式，多聯繫一下就可以了。
當然不是讓你瞎玩，畫幾個圖雖然簡單，但這還遠遠不夠，在畫圖的過程中，需要真正去做一些思考，從這些可視化的圖表中，能夠發現哪些規律，並嘗試輸出一些簡單的結論和報告。
2、好像少了點統計學知識
如果用可視化的形式做了一些探索性的數據分析，那麼你就會發現，得到的知識並不是那麼多。那麼，如何做更加精細化的分析呢？這時候就需要補充一些統計學的知識了。
因爲網上很少有系統的統計學的學習資料，這裏更加推薦去看一些統計學方面的書籍。推薦書：《深入淺出統計學》
通過基本的統計量，可以進行更多元化的可視化，以實現更加精細化的數據分析。這時候也需要去了解更多的Excel函數，來實現基本的計算，或者python、R裏面一些對應的可視化方法。
有了總體和樣本的概念，你就知道在面對大規模數據的時候，怎樣去進行抽樣分析。
也可以應用假設檢驗的方法，對一些感性的假設做出更加精確地檢驗。
利用迴歸分析的方法，可以對未來的一些數據、缺失的數據做基本的預測。
瞭解統計學的原理之後，不一定能夠通過工具實現，那麼需要去對應的找網上找相關的實現方法。
3、數據不乾淨怎麼辦
很多時候我們拿到的數據是不乾淨的，有重複、缺失、異常值等問題。這時候就需要進行數據的清洗，把這些影響分析的數據處理好，才能獲得更加精確地分析結果。
比如空氣質量的數據，其中有很多天的數據由於設備的原因是沒有監測到的，有一些數據是記錄重複的，還有一些數據是設備故障時監測無效的，這時候就需要進行數據預處理。
不同情況要用不同的方法處理，比如殘缺數據，我們是直接去掉這條數據，還是用臨近的值去補全？這都是需要考慮的問題。
對於數據預處理，學會 pandas 的用法，應對一般的數據清洗就完全沒問題了。
網上有很多pandas的教程，主要是一些函數的應用，也都非常簡單，如果遇到問題，可以參看pandas操作的官方文檔。
4、Python大法流弊！
通過pandas，你可能已經意識到，python真是一個神奇的東西。
除了pandas，python還有其他優秀的數據分析、數據挖掘的庫，比如numpy、scipy、scikit-learn，可以去找一些教程來看看，如何通過這些庫實現數據分析。搞清楚最常用的方法，結合實際的數據集進行練習。並不常用的方法，可以在遇到具體問題時，再去查閱相關的文檔。
比如利用numpy進行數組的計算，利用scipy實現不同的假設檢驗，利用scikit-learn實現完整的數據分析建模……網上有很多教程，也可以去看書，推薦一本：《利用Python進行數據分析》
前期並不建議追求各種高深的技巧，你更需要去熟悉最基本的用法，畢竟基本的纔是最常用到的，常用的方法已經可以解決絕大部分初級階段的數據分析問題。
比如利用迴歸分析（線性迴歸、邏輯迴歸），就可以實現很多的預測型的數據分析，對未來的數據進行預測。
當然，如果是小白，還需要去了解一些python的基礎知識，比如變量、基本元素等。如果對python無感，那麼R語言也完全可以幫助你解決數據分析問題。
5、SQL打開新世界的大門
在應對萬以內的數據的時候，Excel對於一般的分析沒有問題。一旦數據量大，就會力不從心，打開文件都會是個問題。數據庫能夠很好地解決這個問題，而且大多數的企業，都會以SQL的形式來存儲數據。如果你是一個分析師，也需要懂得SQL的操作，能夠查詢、提取數據。
SQL作爲最經典的數據庫工具，爲海量數據的存儲與管理提供可能，並且使數據的提取的效率大大提升。當然如果面對的是不那麼大的數據，pandas等工具已經夠你用了，那也可以暫時不瞭解SQL這一塊相對獨立的知識。
6、數據分析的思維
如果對業務本身有一定了解，那麼你可能在數據思維的養成方面會更加有優勢，知道哪些因素、數據是相對重要的。可以在分析中更加容易地找出重要的問題，也能夠更清楚應該從哪些方面入手，這就是問題定義的過程。這是數據分析第一個步驟，往往要經過很多的實戰訓練才能養成。
開始的時候，可能考慮的問題不是很周全，但隨着經驗的積累，慢慢就會找到分析的方向，有哪些一般分析的維度。比如top榜單、平均水平、區域分佈、年齡分佈、相關性分析、未來趨勢預測等。隨着經驗的增加，會有一些自己對於數據的感覺，這就是我們通常說的數據思維了。
如果想去獲取互聯網的一些數據，也可以學學爬蟲的一些技能，基於互聯網的數據，可以做很多的市場調研和輿情分析。
7、通向更高的維度
如果並不滿足做基礎的數據分析，甚至想做一些數據挖掘、機器學習的事情，那麼還需要學習更多的知識。瞭解更高級的數據挖掘算法，比如決策樹、隨機森林、神經網絡等等。光了解算法還不夠，還需要知道如何進行模型的優化，如何通過特徵工程、模型融合提升預測的精確度。
這就有點數據挖掘和機器學習的味道了。可以根據職業發展來選擇具體的方向，如果在編程、算法上面比較有興趣，那麼可以向更深入的機器學習方向發展；如果更想往業務方向靠攏，以數據分析來支撐商業決策，那麼可以深化這方面的能力，甚至去考慮做一些自動化分析的事情。
總的來說，學習的動力源於反饋。在碎片化學習的時候，尤其注意，每個學習過程都應該是有具體的目的導向的。也需要考慮，學習這個知識點，最終想輸出的東西是什麼？每個階段只學習最需要的那部分知識，這樣可以很大程度上地提升學習效率。
