老李最近在后台看到很多想进入数据分析领域的朋友私信我，让我帮忙解答一些职业问题。在跟他们的交流中，我发现他们之中70%都是一无所知或刚入门的数据小白，但是都特别积极主动，是真心想学习数据分析。
他们中大部分人都不是为了转行才想学，而是觉得多学一点数据分析的技能在身上，对自己的业务是有帮助的。
问的人很多，我也没时间去一一回答，索性今天就针对数据分析中的应会工具来个盘点。
从基础到进阶，跟着老李一步步学习，哪个阶段学哪个工具，怎么学，需要学到哪种程度，让你一目了然。
入门阶段（适合数据小白）
- 1、Excel
Excel不用说了，数据分析领域入门级的工具，也是日常工作时最常用的工具。
掌握程度：
函数和公式：常用函数（逻辑、统计、查找、引用、文本、日期、数学函数等）
数据透视表：分类汇总、取平均、最值、自动筛选、会分析占比、同比、环比、定比。
*VBA程序开发：加分项，有能力的可以先学，如果时间精力不够可以到进阶阶段再学
学习书籍/网站：
《你早该这样玩Excel》、Excelhome论坛
Excelhome论坛
建议：
先跟着教程过一遍基础，知道每个函数怎么用，了解数据透视表大概怎么做，然后再去网上找几个案例跟着做，在练习中边学边练，这样效率最高。
- 2、SQL
做数据分析，SQL也是必会的工具，因为我们要利用SQL语句来取数、清洗数据。
掌握程度：
了解常用的数据库类型，学会基础的增删改查（会用 select 语句加字段，找数据；alter语句减字段；update更新数据等）；熟悉掌握主键的用法；理解SQL中各种join的异同
学习书籍/网站：
《SQL必知必会》/自学SQL网（强烈推荐，不爱看书的同学可以直接在网站边学边练）
建议：
两点建议。
1、选定1-2本书和网站教程后就不要再在网上找学习资料了，这些教材足够你用，不要浪费时间在这上面
2、学完一遍后，要学会自己总结，制作自己的思维导图（像上图），加深记忆，不要用别人的总结去复习，这样学习效果不好。
- 3、Python
一般来说，有关数据分析的编程语言有Python和R语言，其中R语言倾向于统计分析、绘图，而Python偏向数据处理，实用性更高一点，所以对于新手来说，入门学Python是比较好的选择。
掌握程度：
了解学习Python基本概念
掌握并熟练使用三个库 Numpy、Pandas、Matplotlib
学习书籍/网站：
《深入浅出Python编程》、B站教程视频（全免费）
建议：
这几年Python大热，导致全网都是卖课的广告，但其实网络上有很多Python资源都够你学，不用去花那冤枉钱。按照我给你建议的学习书籍/网站去学Python完全足够。
进阶阶段（适合有一定数据基础）
- 1、BI工具
数据最终是要呈现给业务/管理层查看的，因此到进阶阶段，BI工具也是必须要掌握的一个技能。
掌握程度：
懂得如何利用BI工具去连接数据库；了解仪表盘 Dashboard 的概念，知道绝大多数图表适用的场景；明白维度和指标的区分以及一些数据的清洗。
学习工具/网站：
FineBI：FineBI帮助文档、帆软社区
PowerBI：《Power BI 权威指南》
Tableau：《人人都是数据分析师：Tableau应用实战》`
建议：
现在市面上BI工具很多，国内企业一般是用FineBI，外国企业大多数是用PowerBI和Tableau两款元老级软件，但由于是国外产品，所以对于我们国人来说有两个不方便的地方：1、帮助文档是英文的，汉化过后的意思不准备，理解和学习成本高 ； 2、无法实现国内企业复杂式报表的需求，本地化服务不佳。但不可否认，Tableau的可视化和power bi的数据处理和建模，还是很牛的。
- 2、R语言
在前文提过，R语言是倾向于统计分析、绘图，到了进阶阶段，能掌握R语言是必须的，并且这几年求职大厂时会R语言已经成了一项基本技能，需要数据分析师熟练掌握。
掌握程度：
了解R的基本使用，掌握基本数据结构，数据导入导出，简单的数据可视化。
学习书籍/网站：
《Learning R》：牢牢掌握第一章到第五章的数据基本入门，这是R最基本的东西，反复熟读都不为过。别觉得自己看懂就行了，只有自己敲出来运行正确才行。至于第六章环境和函数这一章建议先直接跳过，比较抽象，等回头R学差不多了，再回头看学习效果比较好。
建议：
R和Python都比较容易学习，但在很多地方它们非常相似，如果你同时学习两者，就会很容易混淆，所以建议不要同时学习它们。等其中一个掌握到一定的程度，再着手学习另外一个会比较好。
总结
工欲善其事必先利其器，工具的确是数据分析师的利器，但刚入门的小白很容易陷入一种误区，即我学会了这些工具，我就能成为数据分析师，这显然是理解有误。在实际工作中，想要成为一名优秀的数据分析师，光学会这些工具是远远不够的。
让自己数据分析后的结论能够落地，实际推动业务增长才是成为一名优秀数据分析师的关键。