說來我正式接觸數據分析也快一年，對速成還是有一些心得。優秀的數據分析師是不能速成的，但是零經驗也有零經驗的捷徑。
分享之前我還是要推薦下我自己創建的大數據學習資料分享羣 710219868 代號風火，這是全國最大的大數據學習交流的地方，2000人聚集，不管你是小白還是大牛，小編我都挺歡迎，今天的已經資訊上傳到羣文件，不定期分享乾貨，包括我自己整理的一份最新的適合2018年學習的大數據教程，歡迎初學和進階中的小夥伴。
以上的前提針對入門，目的是達到數據分析師的門檻，順利拿到一份offer，不涉及數據挖掘等高級技巧。我的方法傾向互聯網領域，不論是分析師這個職位，還是運營、產品的能力發展都是適用的。其他領域就仁者見仁了。
市面上有《七週七數據庫》，《七週七編程語言》。今天我們就《七週七學習成爲數據分析師》。
沒錯，七週。
第一週：Excel學習掌握
如果Excel玩的順溜，你可以略過這一週。不過介於我入行時也不會vlookup，所以有必要講下。
重點是瞭解各種函數，包括但不限於sum，count，sumif，countif，find，if，left/right，時間轉換等。
Excel函數不需要學全，重要的是學會搜索。即如何將遇到的問題在搜索引擎上描述清楚。
我認爲掌握vlookup和數據透視表足夠，是最具性價比的兩個技巧。學會vlookup，SQL中的join，Python中的merge很容易理解。學會數據透視表，SQL中的group，Python中的pivot_table也是同理。
這兩個搞定，基本10萬條以內的數據統計沒啥難度，80%的辦公室白領都能秒殺。
Excel是熟能生巧，多找練習題。還有需要養成好習慣，不要合併單元格，不要過於花哨。表格按照原始數據（sheet1）、加工數據（sheet2），圖表（sheet3）的類型管理。
專欄上寫了三篇Excel的文章，比較簡單，大體介紹了Excel應用，可以作爲職場新人的指南。
第一篇數據分析—函數篇。主要簡單講解常用的函數，以及與之對應的SQL/Python函數。
第二篇數據分析—技巧篇。主要簡單講解我認爲很有新價比的功能，提高工作效率。
第三篇數據分析—實戰篇。主要將前兩篇的內容以實戰方式進行，簡單地進行了一次數據分析。數據源採用了真實的爬蟲數據，是5000行數據分析師崗位數據。
下面是爲了以後更好的基礎而附加的學習任務。
瞭解單元格格式，後期的數據類型包括各類timestamp，date，string，int，bigint，char，factor，float等。
瞭解數組，以及怎麼用（excel的數組挺難用），Python和R也會涉及到 list。
瞭解函數和參數，當進階爲編程型的數據分析師時，會讓你更快的掌握。
瞭解中文編碼，UTF8和ASCII，包括CSV的delimiter等，以後你會回來感謝我的。
養成一個好習慣，不要合併單元格，不要過於花哨。表格按照原始數據、加工數據，圖表的類型管理
第二週：數據可視化
數據分析界有一句經典名言，字不如表，表不如圖。數據可視化是數據分析的主要方向之一。除掉數據挖掘這類高級分析，不少數據分析就是監控數據觀察數據。
數據分析的最終都是要兜售自己的觀點和結論的。兜售的最好方式就是做出觀點清晰數據詳實的PPT給老闆看。如果沒人認同分析結果，那麼分析也不會被改進和優化，不落地的數據分析價值又在哪裏？
首先要了解常用的圖表：
各類圖表的詳細介紹可以查看第四篇文章：數據可視化：你想知道的經典圖表全在這
瞭解圖表後，還應該學會報表製作，這裏準備了第五篇：數據可視化：打造高端的數據報表。將教會大家Excel的高級圖表用法。
如果還不過癮，我們得掌握信息圖和BI
BI（商業智能）和圖表的區別在於BI擅長交互和報表，更擅長解釋已經發生和正在發生的數據。將要發生的數據是數據挖掘的方向。
BI的好處在於很大程度解放數據分析師的工作，推動全部門的數據意識，另外降低其他部門的數據需求（萬惡的導數據）。
BI市面上的產品很多，基本都是建立儀表盤Dashboard，通過維度的聯動和鑽取，獲得可視化的分析。第六篇：數據可視化：深入淺出BI 將以第一週的實戰數據學習BI，上圖的就是學習後的成果。
數據可視化的學習就是三個過程，瞭解數據（圖表），整合數據（BI），展示數據（信息化）。
可視化也和審美息息相關，很多直男代表並不擅長做圖，沒關係，抽空可以看書：數據之美 (豆瓣)
PPT也別落下，Excel作圖多練習，不會有壞處的
