一般来看，做好数据分析，需要哪些能力？
基本的理论知识：数理统计、模型原理、市场研究等。 常规分析工具的使用。常用办公软件（Excel、PPT、思维导图）、数据库、统计分析工具、数据挖掘等。 一定的业务理解能力，能理解业务背后的商业逻辑。只有理解问题，才能转换成数据分析的问题，才知道如何设定分析目标进行分析。 数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。
...
一、数据分析理论知识
知识都是从书中来，想要拥有强悍的数据分析能力，得先从基础做好。
书单里有我的启蒙书，有读了N遍的经典，还有最近正在膜拜的好书，也有朋友推荐的我的To read list。
1、入门/科普：
初入门，需要先理解数据分析的思维，并在分析问题时逐渐转变，然后慢慢掌握数据分析的思路、方法和流程。
a.《谁说菜鸟不会数据分析》
经典入门书，涵盖了一到两年的数据分析人员的大部分工作，包括excel技巧、可视化入门、数据分析方法、数据分析方法论、数据处理入门等。隔段时间翻一翻，温故而知新，理解会更深刻。
...
b.《左手数据，右手图表》
这本书主要是excel的进阶技巧，主要围绕业务，学习制作动态图表，对excel技能提升有很大帮助。书中大篇幅都是案例，会涉及可视化的知识，如何选用图表，模仿着做一遍会有很大提升。
这两本书看一本就行。主要掌握数据分析的思维，会用Excel做简单的分析。
...
c.《深入浅出》数据系列
入门级别，比较简单，但基本的内容涉及全面，讲解得比较清晰。到这个层面一般要看SQL、数理统计类的专业知识。
2、进阶类：
以上偏向技能类。数据分析和挖掘除了对数据分析有一定系统性的认知，更重要的是业务的理解，你需要积累一些实践经验，然后根据业务疏通这些知识/经验，做出严谨有价值的分析报告。
a.《精益数据分析》
主要讲了不同的公司怎么样用数据搭建分析框架，能够将不同的指标运用到现实，对于道德问题提供解决方案。
d.《用数据讲故事》
通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。如何充分理解上下文，如何选择合适的图表，如何消除杂乱，如何聚焦受众的视线，如何像设计师一样思考，以及如何用数据讲故事。
f.《数据分析，企业的贤内助》
类似“洗脑式”的书籍（无贬义），以场景和案例入手，站在企业角度、业务角度来叙述数据分析的重要性，挺有道理的，能让你更加坚定数据分析这条路。详细描述了数据分析的整个流程，从方案确定、数据采集、处理、分析、呈现有全面展示。
3、高级篇：
当进入高级的时候，这个时候看书已经比之前有了很大的变化了，个人建议如下：并不是看单本书，而是学会快速的看书，因为每本书中可能只有几个模型或者几个点对你有借鉴，那么只精读那几处，速读其他部分；
要有自己的理论框架，也就是学会业务建模；要看业务书，并且能够把业务书的知识，固化成可以量化、可以监控的数据模型，和流程模型（这个是高级别很重要的一点，因为要能够快速的切入一个领域，并且能够用数据找到可以优化的办法）。
下面按主题来推荐一些书籍：
a. 用户和整体框架：
《增长黑客》:创业公司的用户与收入增长秘籍。
这本书偏互联网行业，但是顺着同样的思路，去分析每个阶段的用户，并进行运营。
b.数据化运营
《数据化管理》：洞悉零售及电子商务运营。
如果你的数据分析站到了一定高度，尤其是管理，强烈推荐看。能够把数据化管理推行下去，能够帮助提升公司整个的管理水平，也是数据部门对公司的贡献之一。
二、数据分析技能
看完书之后，可以进行一个系统的技能学习，这也是开始步入正轨了。
统计分析：大数定律、抽样推测规律、秩和检验、回归、预测； 可视化辅助工具：excel、BI工具、python 大数据处理框架：Hadoop、storm、spark 数据库：SQL、MySql、DB 数据仓库：SSIS、SSAS 数据挖掘工具：R语言、python 人工智能：机器学习 挖掘算法：数据结构、一致性 编程语言：python
...
三、数据分析工具
现实中，做数据分析，取数或报表+EXCEL+PPT似乎还是主流形式。
但是随着大数据的发展，这些好像都已经有点落后的意思，不过对于工具，不要学太多，真实的能用到的并不多。
掌握以下3个，妥妥的够用了。
1、excel
别以为EXCEL只会处理表格，你可以把它当成数据库，也可以把它当成IDE，甚至可以把它当成数据可视化工具来使用。它可以创建专业的数据透视表和基本的统计图表，但由于默认设置了颜色、线条和风格，使其难以创建用于看上去“高大上”视觉效果。尽管如此，我仍然推荐你使用Excel。
2、BI工具
近几年冒出来的BI之秀，如TB、FineBI都强调无代码、敏捷，强调可视化，一改传统BI工具SAP BO、IBM家的cognos（不过近几年貌似都在研发云BI）。
成熟的BI工具如FineBI（国内）和 Tableau（国外），都很推荐。
这是FineBI做出来的可视化：
...
关于FineBI这个数据分析工具，比较常见的就是FineBI、Tableau等：
3、python
学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等，这些可视化库都有自己的特点，在实际应用中也广为大家使用。
如果你不知道数据分析该学什么工具，就直接学python吧，万能语言学了不亏。
四、数据分析思维
很多人掌握了很多数据分析工具和技能，依然做不好数据分析。面对具体的业务问题，我们还是容易两眼一抹黑，单单会工具和技能是不够的，还必须拥有数据分析思维。
这里参考我的上篇文章——数据分析常用的7大思维方法详解
