数据分析 | 零基础学习路径分享

—从找实习到秋招，经历了50+场面试

—学习路径的前后顺序，是根据面试的被考察到的可能性，大致排序的

—适用于偏向业务型的数据分析师

SQL

• 学习教程

b站未明学院的mysql教程（p）+“LittonLei”的窗口函数

听课做笔记+牛客网-在线编程SQL篇-前三篇来找当天学习内容的题目，进行巩固

• 学习目标

掌握窗口函数、表联接、日期函数等重点题型；

• 建议

视频看完后，每天留段时间刷题—牛客网的"SQL大厂面试真题"；刚开始刷综合题目错很多很正常，稳住，多看牛客评论分享的简便思路，有些常考题目如留存率等有对应解题思路，这个我也有自己总结过。

统计学

• 学习教程

学过概率论、数理统计课程的同学，找教材书/相关书籍读一遍（比如贾俊平的统计学等），捋清楚知识的关联性，重点总结就好；没太接触过的同学搜下统计学视频，找个别太长的每天看几p就好，比如可汗学院

• 学习目标

掌握数据描述（中位数之类）、概率分布、参数估计、假设检验、大数定理即可

• 建议

个人觉得被考得比较少，但是统计学是整个数据分析的基础，所以自己做好知识整理归纳更重要，总体来说这部分有基础的同学耗时不用太长

业务产品思维

• 学习教程

猴子书-数据分析思维

人人都是产品经理

牛客或小红书面经

• 学习建议

-看书一遍，了解常用的数据指标，人货场、漏斗等业务思维模型；

-总结常见的业务题型，包括异常归因、指标体系、费米估计、ab实验等题型，可以借助人人都是产品经理这个网站或者小红书的一些分享，这种经典题型日常实习特别喜欢考察

-刷面经，先看有答案的那种，可以看怎么复用第一步学的思维方法，接着广泛刷面经，摸索出答题感觉，我自己也是后期就总结出了一些不太典型但又比较爱考的业务场景，比如评估效果、策略下探等

PYTHON基础操作和数据处理

• 学习教程

视频-鱼C-小甲鱼的python基础课程

书籍-PYTHON数据处理

• 学习目的

基本数分考察的话，重点掌握numpy和pandas的重要操作语句就好，可视化那个库我基本没被考过

• 学习建议

学过R语言，或者其它编程语言的话，python还是比较好上手的，笔试经常出，面试我很少被考到

机器学习

• 学习路径

（原理）

经典机器学习算法，先去b站搜索个半小时内的讲解，大致明白原理，再百度算法+面试常考题

我之前本科和读研都有接触过，这个算是应试重新捡起来，但我觉得小白这么入门好像也可以，优点就是很快，基本一上午一个算法原理就能明白了

（实操）

可以通过b站视频或知乎搜索该算法，找相关数据集和代码来学习

• 学习目标

掌握经典算法如svm、逻辑回归、树模型（决策树、随机森林）等

• 学习建议

这偏向于数分的准备，因此没写得太深。简历上如果想突出，最好准备个相关的项目或者实习细节，比如我面稍微技术些的岗，就会放上我的比赛项目。

• Excel和Tableau

-如果找实习，是不太重要的技术栈，excel面试前可以准备下vlookup函数等；

-如果是春招、秋招，可以趁有空，再精进下，我觉得实际工作还蛮有用的，也可以加进简历中，比如某个项目的可视化是用tableau来完成的气泡图等，这两个我也是做实习的时候为了工作再自己深入学的，真正面试基本没被问过。