随着大数据时代的到来，“数据分析“越来越火，大到企业决策，小到业务环节，都需要数据分析不断发挥着作用。很多人觉得，数据分析好像离自己遥不可及，操作难度很大，但其实数据分析渗透于生活的方方面面，近在咫尺。
在接触数据分析之前，我可以说是零基础，完全的超级菜鸟一枚，新手小白如何入门数据分析？希望这篇从我自身经历出发的文章可以给出初学者一定的启发。
数学基础
想要学好数据分析，首先就是建立一定的数学基础，尤其是统计学部分。学习理工科的同学，基本大一都会学习概率论与数理统计，从数据分析的角度考虑，其实已经足够了。但真正从零开始或者知识还不熟悉的，除了可以参考大学教材，也可以学习《深入浅出数据分析》这本书。
在学习数学基础部分，这本书真的可以算是起到thoughtinitiation的作用，适合任何没有基础的小白。它基础到甚至有人说，这本书简直太简单了。但恰恰数据分析就用到了这些最基础的知识。总结下来，归纳为以下几个方面：
1、数据分析基本步骤：确定问题——分解数据——评估（基本方式：比较）——决策。
2、具体方法：实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理。
3、数据处理：关系数据库（RDBMS）、怎样用Excel整理收集到的凌乱数据。
编程语言
有了一定的数学体系基础后，便是掌握编程语言。数据分析常用的编程语言一般分为Excel和Python两种。
我在学习过程中，其实是跳过了Excel的学习。当然，后续的学习发现Excel在数据分析方面，一定程度上有着不可替代的作用，相对于Python也更为简单、更易操作。
比如在求多组数据的平均数、标准差、计数等多个指标时，Excel中的数据透视表便是很好的分组工具，对于简单数据处理，比大多数编程工具要更为便捷。只需要将要求的数据拖到对应的行和列，就可以得到结果。
学习数据分析之前，自己是更重视Python的学习。一方面是自己是工科出身，之前有接触过基础的编程语言（C语言），对编程更感兴趣；另一方面，Python对于数据分析的学习帮助性更大，可以促使学习者走得更远。
首先，需要安装和设置Python相关环境。可以使用Anaconda进行安装，包括常用数据分析包和JupyterNotebook，具体方法求助度娘。其次，需要跟随系统性的课程学习。
这里，我不建议直接买一本书，抱着啃，这样还没开始就容易放弃；也不要选择+集的课程，15分钟大概就能睡着。我自己是跟着小破站里小甲鱼的零基础入门Python学习的，每天坚持边敲边学，遇到不会的就搜索。
课程学习
建立了数据分析的基础体系后，本人才真正意义上地开始了数据分析的学习。为了防止走弯路，询问了身边学过数据分析的学长学姐，也在平台上发布了相关求助帖，在多方了解下，自己报名了贪心AI的《商业数据分析》。
教学总时长长达十周，拥有哔哩哔哩主站广告优化分析项目、亚马逊电商入驻商用户画像分析项目、哔哩哔哩会员购平台订单报表分析项目、亚马逊电商入驻商数据化运营项目、Kindle电子书多渠道发售商业分析项目、淘宝用户行为的用户价值分析、员工薪水探索性分析、门户网站的广告效果聚类分析、会员体系消费行为分析等九个主要经典实战项目，讲课过程中还穿插有小项目数据帮助理解概念。
贪心AI的商业数据分析课程，从数据分析的初步感知直到对数据分析师的面试指导，不只是简简单单地把握知识、领会要点，更重要的是有针对性地就业实践，真正做到从实际案例出发。下面我简要谈谈我在其中的收获。
1、数据分析基础概念
要想学好数据分析，首先要建立数据分析的基础体系。课程刚开始，没有过多过难的知识点，更多的是对数据分析知识初探与理解。
数据（data），即未经过处理的原始记录，以我的理解来看，就像是一个载体，将身边的事情数字化记录下来。
考虑到不是每个学习者都对数据有过接触，老师通过