寫這個(gè)系列铲掐，是希望在當(dāng)初知乎某一個(gè)回答的基礎(chǔ)上窍箍，單獨(dú)完善出針對(duì)互聯(lián)網(wǎng)產(chǎn)品和運(yùn)營(yíng)們的教程豪硅。不論對(duì)數(shù)據(jù)分析或數(shù)據(jù)運(yùn)營(yíng)哩照，我都希望它是一篇足夠好的教材。
得承認(rèn)我有標(biāo)題黨之嫌懒浮，更準(zhǔn)確說飘弧，這是一份七周的互聯(lián)網(wǎng)數(shù)據(jù)分析能力養(yǎng)成提綱识藤。
我會(huì)按照提綱針對(duì)性的增加互聯(lián)網(wǎng)側(cè)的內(nèi)容，比如網(wǎng)站分析次伶，用戶行為序列等痴昧。我也不想留于表面，而是系統(tǒng)性講述冠王。比如什么是產(chǎn)品埋點(diǎn)赶撰？在獲得埋點(diǎn)數(shù)據(jù)后，怎么利用Python / Pandas的shift ( )函數(shù)將其清洗為用戶行為session柱彻，進(jìn)而計(jì)算出用戶在各頁(yè)面的停留時(shí)間豪娜，后續(xù)如何轉(zhuǎn)換成統(tǒng)計(jì)寬表，如何以此建立用戶標(biāo)簽等哟楷。
這是一份入門到熟練的指南瘤载，并不包含數(shù)據(jù)挖掘等高階內(nèi)容÷羯茫可也足夠讓產(chǎn)品和運(yùn)營(yíng)們獲得進(jìn)步鸣奔。
還有一點(diǎn)要（悲傷地）注明，這是七周的學(xué)習(xí)時(shí)間惩阶，不是我用七周就能寫完溃蔫。具體時(shí)間我也不知道，幸好我從沒公布微信號(hào)琳猫，你們追殺不到我 (伟叛。?`ω′?)
————————
第一周：****Excel學(xué)習(xí)掌握
如果Excel玩的順溜，你可以略過這一周脐嫂。不過介于我入行時(shí)也不會(huì)vlookup统刮，所以有必要講下。
重點(diǎn)是了解各種函數(shù)账千，包括但不限于sum侥蒙，count，sumif匀奏，countif鞭衩，find，if娃善，left/right论衍，時(shí)間轉(zhuǎn)換等。
Excel函數(shù)不需要學(xué)全聚磺，重要的是學(xué)會(huì)搜索坯台。即如何將遇到的問題在搜索引擎上描述清楚。
我認(rèn)為掌握vlookup和數(shù)據(jù)透視表足夠瘫寝，是最具性價(jià)比的兩個(gè)技巧蜒蕾。
學(xué)會(huì)vlookup稠炬，SQL中的join，Python中的merge很容易理解咪啡。
學(xué)會(huì)數(shù)據(jù)透視表首启，SQL中的group，Python中的pivot_table也是同理撤摸。
這兩個(gè)搞定毅桃，基本10萬條以內(nèi)的數(shù)據(jù)統(tǒng)計(jì)沒啥難度，80%的辦公室白領(lǐng)都能秒殺愁溜。
Excel是熟能生巧疾嗅，多找練習(xí)題。還有需要養(yǎng)成好習(xí)慣冕象，不要合并單元格代承，不要過于花哨。表格按照原始數(shù)據(jù)（sheet1）渐扮、加工數(shù)據(jù)（sheet2）论悴，圖表（sheet3）的類型管理。
下面是為了以后更好的基礎(chǔ)而附加的學(xué)習(xí)任務(wù)墓律。
了解單元格格式膀估，后期的數(shù)據(jù)類型包括各類timestamp，date耻讽，string察纯，int，bigint针肥，char饼记，factor，float等慰枕。
了解數(shù)組具则，以及怎么用（excel的數(shù)組挺難用），Python和R也會(huì)涉及到 list具帮。
了解函數(shù)和參數(shù)博肋，當(dāng)進(jìn)階為編程型的數(shù)據(jù)分析師時(shí)，會(huì)讓你更快的掌握蜂厅。
了解中文編碼匪凡，UTF8和ASCII，包括CSV的delimiter等葛峻，以后你會(huì)回來感謝我的锹雏。
這一周的內(nèi)容我會(huì)拆分成兩部分：函數(shù)篇和技巧篇。
這是一道練習(xí)題术奖，我給你1000個(gè)身份證號(hào)碼礁遵，告訴我里面有多少男女，各省市人口的分布采记，這些人的年齡和星座佣耐。如果能完成上述過程，那么這一周就直接略過吧唧龄。（身份證號(hào)碼規(guī)律可以網(wǎng)上搜索）
第二周：****數(shù)據(jù)可視化
數(shù)據(jù)分析界有一句經(jīng)典名言兼砖，字不如表，表不如圖既棺。數(shù)據(jù)可視化是數(shù)據(jù)分析的主要方向之一讽挟。除掉數(shù)據(jù)挖掘這類高級(jí)分析，不少數(shù)據(jù)分析就是監(jiān)控?cái)?shù)據(jù)觀察數(shù)據(jù)丸冕。
數(shù)據(jù)分析的最終都是要兜售自己的觀點(diǎn)和結(jié)論的耽梅。兜售的最好方式就是做出觀點(diǎn)清晰數(shù)據(jù)詳實(shí)的PPT給老板看。如果沒人認(rèn)同分析結(jié)果胖烛，那么分析也不會(huì)被改進(jìn)和優(yōu)化眼姐，不落地的數(shù)據(jù)分析價(jià)值又在哪里？
首先要了解常用的圖表：
Excel的圖表可以100%完成上面的圖形要求佩番，但這只是基礎(chǔ)众旗。后續(xù)的進(jìn)階可視化，勢(shì)必要用到編程繪制趟畏。為什么贡歧？比如常見的多元分析，你能用Excel很輕松的完成赋秀？但是在IPython只需要一行代碼利朵。
其次掌握BI，下圖是微軟的BI沃琅。
BI（商業(yè)智能）和圖表的區(qū)別在于BI擅長(zhǎng)交互和報(bào)表哗咆，更擅長(zhǎng)解釋已經(jīng)發(fā)生和正在發(fā)生的數(shù)據(jù)。將要發(fā)生的數(shù)據(jù)是數(shù)據(jù)挖掘的方向益眉。
BI的好處在于很大程度解放數(shù)據(jù)分析師的工作晌柬，推動(dòng)全部門的數(shù)據(jù)意識(shí)，另外降低其他部門的數(shù)據(jù)需求（萬惡的導(dǎo)數(shù)據(jù)）郭脂。
BI市面上的產(chǎn)品很多年碘，基本都是建立儀表盤Dashboard，通過維度的聯(lián)動(dòng)和鉆取展鸡，獲得可視化的分析屿衅。
最后需要學(xué)習(xí)可視化和信息圖的制作。
這是安（裝）身（逼）立（加）命（薪）之本莹弊。這和數(shù)據(jù)本事沒有多大關(guān)系涤久，更看重審美涡尘、解讀、PPT响迂、信息化的能力考抄。但值得花一點(diǎn)時(shí)間去學(xué)習(xí)。
數(shù)據(jù)可視化的學(xué)習(xí)就是三個(gè)過程蔗彤，了解數(shù)據(jù)（圖表）川梅，整合數(shù)據(jù)（BI），展示數(shù)據(jù)（信息化）然遏。
第三周：分析思維的訓(xùn)練
這周輕松一下贫途，學(xué)學(xué)理論知識(shí)。
好的數(shù)據(jù)分析首先要有結(jié)構(gòu)化的思維待侵，也就是我們俗稱的金字塔思維丢早。思維導(dǎo)圖是必備的工具。
之后再了解SMART诫给、5W2H香拉、SWOT、4P理論中狂、六頂思考帽等框架凫碌。這些框架都是大巧不工的經(jīng)典。
分析也是有框架和方法論的胃榕，我會(huì)主要圍繞三個(gè)要點(diǎn)展開：
一個(gè)業(yè)務(wù)沒有指標(biāo)盛险，則不能增長(zhǎng)和分析；
好的指標(biāo)應(yīng)該是比率或比例勋又；
好的分析應(yīng)該對(duì)比或關(guān)聯(lián)苦掘。
舉一個(gè)例子：我告訴你一家超市今天有1000人的客流量，你會(huì)怎么分析楔壤？
這1000人的數(shù)量鹤啡，和附近其他超市比是多是少？（對(duì)比）
這1000人的數(shù)量比昨天多還是少蹲嚣？（對(duì)比）
1000人有多少產(chǎn)生了實(shí)際購(gòu)買递瑰？（轉(zhuǎn)化比例）
路過超市，超市外的人流是多少隙畜？（轉(zhuǎn)化比例）
這是一個(gè)快速搭建分析框架的方法抖部。如果只看1000人，是看不出分析不出任何結(jié)果议惰。
優(yōu)秀的數(shù)據(jù)分析師會(huì)拷問別人的數(shù)據(jù)慎颗，而他本身的分析也是經(jīng)得起拷問，這就是分析思維能力。需要確切明白的是俯萎，一周時(shí)間鍛煉不出數(shù)據(jù)思維傲宜，只能做到了解。數(shù)據(jù)思維是不斷練習(xí)的結(jié)果讯屈，我只是盡量縮短這個(gè)過程蛋哭。
第四周：****數(shù)據(jù)庫(kù)學(xué)習(xí)
Excel對(duì)十萬條以內(nèi)的數(shù)據(jù)處理起來沒有問題县习，但是互聯(lián)網(wǎng)行業(yè)就是不缺數(shù)據(jù)涮母。但凡產(chǎn)品有一點(diǎn)規(guī)模，數(shù)據(jù)都是百萬起躁愿。這時(shí)候就需要學(xué)習(xí)數(shù)據(jù)庫(kù)叛本。
越來越多的產(chǎn)品和運(yùn)營(yíng)崗位，會(huì)在招聘條件中彤钟，將會(huì)SQL作為優(yōu)先的加分項(xiàng)来候。
SQL是數(shù)據(jù)分析的核心技能之一，從Excel到SQL絕對(duì)是數(shù)據(jù)處理效率的一大進(jìn)步逸雹。
學(xué)習(xí)圍繞Select展開营搅。增刪改、約束梆砸、索引转质、數(shù)據(jù)庫(kù)范式均可以跳過。
主要了解where帖世，group by休蟹，order by，having日矫，like赂弓，count，sum哪轿，min盈魁，max，distinct窃诉，if杨耙，join，left join褐奴，limit按脚，and和or的邏輯，時(shí)間轉(zhuǎn)換函數(shù)等敦冬。
如果想要跟進(jìn)一步辅搬，可以學(xué)習(xí)row_number，substr，convert堪遂，contact等介蛉。另外不同數(shù)據(jù)平臺(tái)的函數(shù)會(huì)有差異，例如Presto和phpMyAdmin溶褪。
再有點(diǎn)追求币旧，就去了解Explain優(yōu)化，了解SQL的工作原理猿妈，了解數(shù)據(jù)類型吹菱，了解IO。以后就可以和技術(shù)研發(fā)們談笑風(fēng)生彭则，畢竟將“這里有bug”的說話鳍刷，換成“這塊的數(shù)據(jù)死鎖了”，逼格大大的不同俯抖。
SQL的學(xué)習(xí)主要是多練输瓜，網(wǎng)上尋找相關(guān)的練習(xí)題，刷一遍就差不多了芬萍。
第五周：****統(tǒng)計(jì)知識(shí)學(xué)習(xí)
很遺憾尤揣，統(tǒng)計(jì)知識(shí)也是我薄弱的地方，可這是數(shù)據(jù)分析的基礎(chǔ)柬祠。
我看過很多產(chǎn)品和運(yùn)營(yíng)相關(guān)的數(shù)據(jù)分析文章北戏，沒有多少提及統(tǒng)計(jì)知識(shí)。這是不嚴(yán)謹(jǐn)?shù)摹?/p>
比如產(chǎn)品的AB測(cè)試瓶盛，如果產(chǎn)品經(jīng)理并不清楚置信度的含義和概念最欠，那么好的效果并不意味著真正的好。尤其是5%這種非顯著的提高惩猫。
比如運(yùn)營(yíng)一次活動(dòng)芝硬，運(yùn)營(yíng)若不了解檢驗(yàn)相關(guān)的概念，那么如何去判別活動(dòng)在數(shù)據(jù)上是有效果還是沒有效果轧房？別說平均數(shù)拌阴。
再討論一下經(jīng)典的概率問題，如果一個(gè)人獲流感奶镶，實(shí)驗(yàn)結(jié)果為陽性的概率為90%迟赃；如果沒有獲流感，實(shí)驗(yàn)結(jié)果為陽性的概率為9%〕д颍現(xiàn)在這個(gè)人檢驗(yàn)結(jié)果為陽性纤壁，他有多少幾率是得了流感？
如果你覺得幾率有50%捺信、60%酌媒、70%等等，那么都犯了直覺性的錯(cuò)誤。它還和得病的基礎(chǔ)概率有關(guān)秒咨。
統(tǒng)計(jì)知識(shí)會(huì)教我們以另一個(gè)角度看待數(shù)據(jù)喇辽。如果大家了解過《統(tǒng)計(jì)數(shù)據(jù)會(huì)撒謊》，那么就知道很多數(shù)據(jù)分析的決策并不牢靠雨席。
我們需要花一周的時(shí)間掌握描述性統(tǒng)計(jì)菩咨，包括均值、中位數(shù)陡厘、標(biāo)準(zhǔn)差抽米、方差、概率雏亚、假設(shè)檢驗(yàn)缨硝、顯著性、總體和抽樣等概念罢低。
不需要學(xué)習(xí)更高階的統(tǒng)計(jì)知識(shí)，誰讓我們是速成呢胖笛。只要做到不會(huì)被數(shù)據(jù)欺騙网持，不犯錯(cuò)誤就好。
以Excel的分析工具庫(kù)舉例（圖片網(wǎng)上找來）长踊。在初級(jí)的統(tǒng)計(jì)學(xué)習(xí)中功舀，需要了解列1的各名詞含義，而不是停留在平均數(shù)這個(gè)基礎(chǔ)上身弊。
第六周：****業(yè)務(wù)知識(shí)（用戶行為辟汰、產(chǎn)品、運(yùn)營(yíng)）
這一周需要了解業(yè)務(wù)阱佛。對(duì)于數(shù)據(jù)分析師來說帖汞，業(yè)務(wù)的了解比數(shù)據(jù)方法論更重要。當(dāng)然很遺憾凑术，業(yè)務(wù)學(xué)習(xí)沒有捷徑翩蘸。
我舉一個(gè)數(shù)據(jù)沙龍上的例子，一家O2O配送公司發(fā)現(xiàn)在重慶地區(qū)淮逊，外賣員的送貨效率低于其他城市催首，導(dǎo)致用戶的好評(píng)率降低⌒古簦總部的數(shù)據(jù)分析師建立了各個(gè)指標(biāo)去分析原因郎任，都沒有找出來問題。后來在訪談中發(fā)覺备籽，因?yàn)橹貞c是山城舶治，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導(dǎo)致送貨效率慢。
這個(gè)案例中歼疮，我們只知道送貨員的送貨水平距離杂抽，即POI數(shù)據(jù)，根本不可能知道垂直距離的數(shù)據(jù)韩脏。這就是數(shù)據(jù)的局限缩麸，也是只會(huì)看數(shù)據(jù)的分析師和接地氣分析師的最大差異。
對(duì)業(yè)務(wù)市場(chǎng)的了解是數(shù)據(jù)分析在工作經(jīng)驗(yàn)上最大的優(yōu)勢(shì)之一赡矢。不同行業(yè)領(lǐng)域的業(yè)務(wù)知識(shí)都不一樣杭朱，我就不獻(xiàn)丑了。在互聯(lián)網(wǎng)行業(yè)吹散，有幾個(gè)寬泛的業(yè)務(wù)數(shù)據(jù)需要了解弧械。
產(chǎn)品數(shù)據(jù)分析，以經(jīng)典的AAARR框架學(xué)習(xí)空民，了解活躍留存的指標(biāo)和概念（這些內(nèi)容刃唐，我的歷史文章已經(jīng)涉及了部分）。
并且數(shù)據(jù)分析師需要知道如何用SQL計(jì)算界轩。因?yàn)樵趯?shí)際的分析過程中画饥，留存只是一個(gè)指標(biāo)，通過userId 關(guān)聯(lián)和拆分才是常見的分析策略浊猾。
網(wǎng)站數(shù)據(jù)分析抖甘，可以抽象吃一個(gè)哲學(xué)問題：
用戶從哪里來（SEO／SEM），用戶到哪里去（訪問路徑）葫慎，用戶是誰（用戶畫像／用戶行為路徑）衔彻。
雖然網(wǎng)站已經(jīng)不是互聯(lián)網(wǎng)的主流，但現(xiàn)在有很多APP+Web的復(fù)合框架偷办，朋友圈的傳播活動(dòng)肯定需要用到網(wǎng)頁(yè)的指標(biāo)去分析艰额。
用戶數(shù)據(jù)分析，這是數(shù)據(jù)化運(yùn)營(yíng)的一種應(yīng)用爽篷。
在產(chǎn)品早期悴晰，可以通過埋點(diǎn)計(jì)算轉(zhuǎn)化率，利用AB測(cè)試達(dá)到快速迭代的目的逐工，在積累到用戶量的后期铡溪，利用埋點(diǎn)去分析用戶行為，并且以此建立用戶分層用戶畫像等泪喊。
例如用貝葉斯算法計(jì)算用戶的性別概率棕硫，用K聚類算法劃分用戶的群體，用行為數(shù)據(jù)作為特征建立響應(yīng)模型等袒啼。不過快速入門不需要掌握這些哈扮，只需要有一個(gè)大概的框架概念纬纪。
除了業(yè)務(wù)知識(shí)，業(yè)務(wù)層面的溝通也很重要滑肉。在業(yè)務(wù)線足夠長(zhǎng)的時(shí)候包各，我不止一次遇到產(chǎn)品和運(yùn)營(yíng)沒有掌握所有的業(yè)務(wù)要點(diǎn)，尤其涉及跨部門的分析靶庙。良好的業(yè)務(wù)溝通能力是數(shù)據(jù)分析的基礎(chǔ)能力问畅。
第七周：****Python/R 學(xué)習(xí)
終于到第七周，也是最痛苦的一周六荒。這時(shí)應(yīng)該學(xué)習(xí)編程技巧护姆。
是否具備編程能力，是初級(jí)數(shù)據(jù)分析和高級(jí)數(shù)據(jù)分析的風(fēng)水嶺掏击。數(shù)據(jù)挖掘卵皂，爬蟲，可視化報(bào)表都需要用到編程能力（例如上文的多元散點(diǎn)圖）砚亭。掌握一門優(yōu)秀的編程語言灯变，可以讓數(shù)據(jù)分析師事半功倍，升職加薪钠惩，迎娶白富美柒凉。
以時(shí)下最熱門的R語言和Python為學(xué)習(xí)支線，速成只要學(xué)習(xí)一條篓跛。
我剛好兩類都學(xué)過。R的優(yōu)點(diǎn)是統(tǒng)計(jì)學(xué)家編寫的坦刀，缺點(diǎn)也是統(tǒng)計(jì)學(xué)家編寫愧沟。如果是各類統(tǒng)計(jì)函數(shù)的調(diào)用，繪圖鲤遥，分析的前驗(yàn)性論證沐寺，R無疑有優(yōu)勢(shì)。但是大數(shù)據(jù)量的處理力有不逮盖奈，學(xué)習(xí)曲線比較陡峭混坞。Python則是萬能的膠水語言，適用性強(qiáng)钢坦，可以將各類分析的過程腳本化究孕。Pandas，SKLearn等各包也已經(jīng)追平R爹凹。
學(xué)習(xí)R厨诸，需要了解數(shù)據(jù)結(jié)構(gòu)（matrix，array禾酱，data.frame微酬，list等）绘趋、數(shù)據(jù)讀取，圖形繪制( ggplot2)颗管、數(shù)據(jù)操作陷遮、統(tǒng)計(jì)函數(shù)(mean,median,sd,var,scale等)。高階的統(tǒng)計(jì)暫時(shí)不用去涉及垦江，這是后續(xù)的學(xué)習(xí)任務(wù)帽馋。
R語言的開發(fā)環(huán)境建議用RStudio。
學(xué)習(xí)Python有很多分支疫粥，我們專注數(shù)據(jù)分析這塊茬斧。需要了解調(diào)用包、函數(shù)梗逮、數(shù)據(jù)類型(list,tuple,dict)项秉，條件判斷，迭代等慷彤。高階的Numpy和Pandas在有精力的情況下涉及娄蔼。
Python的開發(fā)環(huán)境建議Anaconda，可以規(guī)避掉環(huán)境變量底哗、包安裝等大部分新手問題岁诉。Mac自帶Python2.7，但現(xiàn)在Python 3已經(jīng)比幾年前成熟跋选，沒有編碼問題涕癣，就不要抱成守舊了。
對(duì)于沒有技術(shù)基礎(chǔ)的運(yùn)營(yíng)和產(chǎn)品前标，第七周最吃力坠韩，雖然SQL＋Excel足夠應(yīng)付入門級(jí)數(shù)據(jù)分析，但是涉及到循環(huán)迭代炼列、多元圖表的分析部分只搁，復(fù)雜度就呈幾何上升。更遑論數(shù)據(jù)挖掘這種高階玩法俭尖。
我也相信氢惋，未來了解數(shù)據(jù)挖掘的產(chǎn)品和運(yùn)營(yíng)會(huì)有極強(qiáng)的競(jìng)爭(zhēng)力。
————
到這里稽犁，剛剛好是七周焰望。如果還需要第八周+，則是把上面的鞏固和融會(huì)貫通缭付，畢竟這只是目的性極強(qiáng)的速成柿估，是開始，而不是數(shù)據(jù)分析的畢業(yè)典禮陷猫。
最后還需要補(bǔ)充秫舌，如果希望數(shù)據(jù)分析能力更近一步的妖，或者成為優(yōu)秀的數(shù)據(jù)分析師，每一周的內(nèi)容都能繼續(xù)學(xué)習(xí)至精通足陨。實(shí)際上嫂粟，業(yè)務(wù)知識(shí)、統(tǒng)計(jì)知識(shí)僅靠?jī)芍苁欠浅２焕喂痰摹?/p>
再往后的學(xué)習(xí)墨缘，會(huì)有許多分支星虹。比如偏策劃的數(shù)據(jù)產(chǎn)品經(jīng)理，比如偏統(tǒng)計(jì)的機(jī)器學(xué)習(xí)镊讼，比如偏商業(yè)的市場(chǎng)分析師宽涌，比如偏工程的大數(shù)據(jù)工程師。
來源：簡(jiǎn)書沐秋mi
