零基础怎么学数据分析?我踩过的坑和实用路线
后台经常有人问我:完全没接触过数据分析,该从哪下手?我2020年转行做数据分析师,之前干的是电商运营,Excel只会求和,SQL听都没听过。三年过去,现在在一家中型互联网公司带两个新人。回头看,入门阶段最大的问题不是学不会,是不知道该学什么、按什么顺序学。
网上那些教程动不动就让你先啃《统计学习方法》,或者花两个月学Python。说实话,这条路我走过一半,差点放弃。真正让我上手的是另一套思路:先解决工作里的具体问题,再补理论。

先搞清楚你要做哪种数据分析
数据分析不是一个岗位,是好几类活。方向选错,学的东西全白费。

- 业务分析:看GMV、留存、转化率,主要用Excel和SQL,对统计学要求不高,但得懂业务逻辑
- 数据运营:做用户分层、活动复盘,SQL+Excel+一点Python,门槛相对低
- 商业分析/策略分析:写报告、做测算,SQL熟练+Excel精通+PPT能打
- 数据挖掘/算法:建模、预测,Python+机器学习+统计,门槛最高

我建议零基础先从业务分析切进去。原因很简单:这类岗位最多,面试时问的都是实际业务问题,不会上来就考你贝叶斯公式。
我的学习顺序,供参考
Excel先练到能透视表的水平。别小看这个,我见过工作三年的分析师还在手动拉vlookup。数据透视表、vlookup、if嵌套、简单的图表,这些够你应付80%的日常需求。B站找个两小时的教程跟练一遍就行,不用买课。
然后是SQL,这是硬通货。我当时花了三周,每天两小时,把《SQL必知必会》过了一遍,然后在牛客网刷了大概80道题。重点掌握这几块:select/where/group by/having、join的几种类型、窗口函数。窗口函数是分水岭,会用row_number和rank,很多面试题就稳了。
统计知识别急着系统学。先把均值、中位数、分位数、标准差、正态分布搞明白,够用了。A/B测试相关的假设检验、p值,等真遇到项目再补。我当初硬啃概率论,啃完发现工作中根本用不上,忘得比学得快。
Python放到最后。如果你的岗位不需要建模,pandas会读表、清洗、groupby就够了,一周能上手。真要往数据挖掘走,再系统学numpy、sklearn那一套。
别只看教程,找个真数据练手
光看视频是学不会的。我当时的做法是,从公司后台导出一份三个月的订单数据,自己琢磨:哪些品类的复购率高?哪个渠道的客单价在往下掉?做出来的结论发给主管看,错了也没关系,至少知道自己的思路哪里有问题。
没有工作数据的话,Kaggle上有现成的数据集,比如电商销售数据、用户行为日志。挑一个你感兴趣的,从头做一遍:清洗、算指标、画图、写三条结论。做完这一轮,比看十个小时教程管用。
还有个细节:养成写分析报告的习惯。哪怕只有一页,也要写清楚背景、数据来源、发现、建议。我面试过的人里,能拿出一份完整分析报告的,基本都过了。
几个常见的坑
工具学太多太杂。有人Excel还没熟就去学Tableau,SQL没写明白又去搞R,最后哪个都是半吊子。先把一个工具用透。
只学技术不看业务。数据分析的价值在于给出能落地的结论,不是跑出一堆数字。多问自己:这个数字变了,业务上意味着什么?
时间预期不现实。从零到能独立完成一个分析项目,我的经验是三到六个月,每天投入两小时左右。想两周速成的,基本都是被培训班忽悠了。
入门这事没什么捷径,但方向对了能省很多力气。先把Excel和SQL练熟,找一个真实数据集完整走一遍流程,再根据工作需要补统计和Python。按这个节奏走,半年内找到一份数据分析相关的工作,是可以做到的。