首先兴趣是最好的老师，对于数据有感觉，对数据分析有兴趣，才能更好的入门。其次数据分析这个职业确实是大数据时代下，比较有潜力的一个职业，所以到现在我都不后悔当初的转行决定。
数据分析入门之后有两个方向的职业选择：
整体的能力模型，有两个大的方向
其一：数据建模能力（数学相关），本质上数据分析的基础是数学
其二：编程能力
数据分析是常青树型的职业，将来职业转化也非常多，我认为值得入手。
一个真实的数据分析师学习路径
对想学数据分析的人来说，能不能坚持下来是最关键的，有人会问自己适不适合，可以先通过1周时间就能判断自己是不是适合学习数据分析。
我们可以从数据分析的必备技能SQL入手，正好学习时间1周左右。SQL是基础中的基础，而且不像数据模型，统计学等理论性太强，容易看睡着了，SQL是实战技术，不会学睡着。
如果你可以坚持下来，那就继续入行，如果不能也没关系（损失不过1周）。
学习SQL的经历总结为8个关卡，通过8张图来表示，期间也遇到了很多的坑，这里一并总结出来，希望对同行的小伙伴有帮助（按照我总结的学习顺序可以避免掉坑里)。
我基于的学习材料如下：
1，SQL自学网，包含教程，视频，练习，算是一个全套资源了
对小白入门还算友好把。
2，书 《SQL基础教程》，非常详细入门书籍，不过内容有点多。
3，书《SQL必知必会》，讲解简单易懂，非常不错。
看电子版也比较方便。
学习SQL同样适用 20/80原则，学会20%的语法就能解决80%的问题，第一步学会基础的查询语句，足够运用在实际工作中了。
学习时间：2天。
简单入手，可以提振自信心。一练就有效果sai~。
手册网址：点击打开手册网址
这个法则教你怎么一步步写一个查询SQL，可以当做一种写SQL的思维吧，我觉得非常好用。
简言之，写任何一个查询语句，都分解成3步：
第一步：思考FROM后面的（也即是表）
第二步：思考WHERE条件（查手册就可以）
第三步：完善SELECT后面的（也就是老板要显示的数据）。
可能跟大部分普通的思路不太一样，不过适用于初学，训练。
简单SELECT查询的入门学习时间，安排50%都不过分，这部分突破之后，后面很顺。这块我是反反复复折腾几次，大家吸取我的教训sai~。
统计都是写在SELECT后面，也就是对结果统计，可以用WHERE筛选数据后统计。
排序都是最后执行，也就是所有计算做完，才做排序. 也就是最终结果排序。
学习时间：1天
坑1: 第一次对GROUP BY分组不好理解，这时候你可以用COUNT计数做实验，比如按某一个列分组，你可以自己看一下表里的数据，自己分分组，再和SQL计算出来的比对一下。
坑2：SELECT count(*) = 100 不要出现类似的这种语法错误，SELECT后面不能做条件
坑3：多列排序问题，DESC是默认排序，所以
坑4：LIMIT 语法问题，LIMIT a,b 第一个a表示起始位置，第二个b表示个数
单表查询掌握之后，有些问题一张表数据不够，需要同时从多张表查数据，就用到联表语句了。
join联表，其实就是丰富FROM后面的内容，原始是FROM table一张表
现在是FROM table1 join table2 两张表合成一张表看待！（这个思维很重要，其实联表完了看成新表就可以）
学习时间：0.5天
坑1：内联，左连，右连 傻傻搞不清，这几乎是每一个人都会出现的问题。我到底用哪个联表方法。关键就是记住一点，你要留下哪些数据
table1 联 table2
简单查询会了之后，有一种情况是查询条件用到的数据正好是第二张表里的数据，这时候就需要用到子查询了，也就是查询嵌套着查询。
学习时间：0.5天
坑1: 子查询一开始不好理解，其实可以这么理解，比如：
select * from table where a = (select col from table2 where col1 = xx)
可以把这个sql拆成2步，先理解 (select col from table2 where col1 = xx)，我们手动的去执行这个查询，假设得到的结果是100
那么：
select * from table where a = 100 是不是就是我们要的条件？
其实思考清楚这个问题，你对子查询就完全理解了。
上面三句，在现在这个时刻效果是一样的，都能查出要的数据。
但是第三句的子查询有一个好处，就是当table2的col数据变更的时候（数据总是不断更新的），这种情况下第3句任然可以查出正确的结果，但是1，2句就不行了。
有时候需要自己去新增数据库的数据，所有要学习一下 增，删，改的语法。也就是INSERT，
UPDATE 和 DELETE
学习时间：0.5天
坑1：UPDATE 和 DELETE有一定的危险性，一定要注意先SELECT出来看一下是不是你要更新的数据。特别是对公司的数据库做操作的时候
坑2：INSERT新增一定要注意ID重复问题，大多数表的ID都是不可以重复的，你重复写入相同的ID不会成功
有时候会用到新建数据库和表的操作。库-表的关系是库大于表，不同名字的库下面可以建立相同的表。
这是允许的，可以用 db1.table1， db2.table1 这样来表示
学习时间：0.5天
坑1:DROP 操作极其危险，也就是平时我们听到的删库跑路操作，一般情况不要用。
在SQL运用的高级阶段，往往用到各种函数，查询条件里可以用函数，数据结果的计算也可以用函数。
你可以把函数理解为数据库提供给我们的一些算法，这样我们就可以在SQL里直接计算了。这些算法组合到一起就能发挥给常大的能力。
学习时间：1天
坑1：substr字符串截图函数，substr(a,b) 老是有人纠结这个a和b的含义，其实真的记不住，实际用的时候去调一下a，b大小就可以了
坑2：like模糊匹配，简单点理解就是用一个字符串 表示一个系列的字符串。把%符号理解成一张万能牌。
坑3：case 语法无法理解。这个是真的不好理解。你可以把case 心里想成if，如果的意思。
作用就是把1堆数据按规则分类。
这一关复习一下，其实我发现SQL就是跟各种符号打交道，出错也大部分因为这些符号，所以做了一个整理汇总，尽量把这些符号搞清楚吧。
学习时间：0.5天
SQL的语法，说多也不多，说少也不少，想要灵活运用，千万不能死记硬背。我还是忍不住把这个公式贴出来：
这个SQL法则告诉我们SELECT才是最重要的语法，INSERT ，UPDATE等变更数据平时不怎么用，你记它干啥，需要的时候翻书就可以找到。
第二点，写查询语句其实就是三板斧，先思考FROM这一段，再思考 WHERE这一段，最后再优化SELECT后面的。
要是你每一个SQL都能这么思考，我保证你可以学的贼快
你的SQL出过错吗？其实一开始我看到SQL出错是很烦的，谁不烦，谁不想一次性写对。 无数次教训加上大牛的指导，我才明白SQL不是一次性写出来，真的是一步步调出来的（很多次看着大牛调试我的SQL）。遇到出错了，可以简化一下，换一换条件，甚至一个字一个字比对，一点点的调试+分析，要真有这个耐心。
不知道你学习过程是不是也觉得SQL要一次性写出来，是的话真的可以换一个思维了。
看100遍，不如练习1遍（谁练谁知道）。
1，数据获取 2，数据清洗 3，数据建模 4，数据分析 5，数据报告
这是数据分析的5大步骤，SQL用于1，2两步，获取和清洗数据；
进一步的学习可以考虑 统计学，数据模型，Python编程几个方面，这些方面解决
3，4，5几个步骤。
可以先了解一下，数据分析的职业规划问题：
首先兴趣是最好的老师，对于数据有感觉，对数据分析有兴趣，才能更好的入门。其次数据分析这个职业确实是大数据时代下，比较有潜力的一个职业，所以到现在我都不后悔当初的转行决定。
数据分析入门之后有两个方向的职业选择：
整体的能力模型，有两个大的方向
其一：数据建模能力（数学相关），本质上数据分析的基础是数学
其二：编程能力
统计学是数据分析的理论基础，你可能跟我一样，一说起理论就头疼。 这里推荐一个日本作家写的《极简统计学》，这本书从身边的故事出发，深入浅出的说明很多统计学的原理，是比较好读的一本统计学入门书籍。 说到统计学知识，最基础的是描述性统计以及里面各类图表，深入一点需要了解线性回归，贝叶斯，假设检验等。 很多理论学习的时候可能会过了就忘，我这里推荐一个方法，就是用python编程语言将统计学知识编写一遍，这样既训练了python又牢记了统计学，是一个非常妙的方法。
参考资料：《极简统计学》 视频：B站可汗统计学
统计学大概原理理解即可，时间不够没必要非常深入。
很多人不懂数据模型是怎么回事，其实给你举个例子：
比如我提一个问题：下个月公司的海外用户数大概会达到多少？
能回答这个问题，自然就是数据分析师了。你会发现在这个具体问题里，道不是最重要的，术也不是最重要的，最重要的是，选择适合的模型，适合的技术去分析这个问题。
单说道和术，只要你有学习能力，其实都不是难事，能否迅速成为数据分析师，关键是能否具备选择的能力。
这里提供两个最主要的数据分析思维武器。
1，对比思维
既然是用户数据，那有没有其他公司也有海外业务的，找到跟我们类似的业务，找到成功公司在这个问题上的指标，去理解指标。想一想是不是适用于我们公司。
在你还在初级数据分析的阶段，这个思维思路，是100%有效，并且很迅速的解决问题。
2，分类思维
海外的用户，从国家的角度，海外有 东南亚，亚非拉，欧洲，美洲
从业务的角度，我们可能有 广告客户，app客户，电商客户
等等
一个初级分析师，不知道从哪入手，那就从分类入手，分的越细，问题就越小，就越容易解决。
我们不可能自己创造算法，所以学习前人的经验算法，看看适用在哪些场合，是最重要的
----附录：常见的一些数据分析模型
可以收藏使用
橙子先生up：数据分析师养成（7）：数据分析常见的12种产品数据分析模型
Python语言
Python是目前最主要的数据分析编程语言，学习Python有几个好处，1，相对java，c语言，Python更简单易懂，适合小白入门。2，python是数据处理，数据分析的天生语言。3，python在人工智能，数据抓取，办公自动化等领域都是主要语言。先说说Python的自学：
自学教程：http://xuepython.cn/ 自学视频：https://www.bilibili.com/video/av68633416 书籍：《Python数据科学手册》 pdf：《Python for Data Analysis, 2nd Edition》
python数据分析，用来做数据分析的主要是Numpy和Pandas两个包。Pandas运算速度也非常快，也能处理大量数据。Pandas提供了所有的数据统计，数据处理的函数，如：mean, groupby等。Python也一结合SQL来做数据获取，Python用于数据可视化的包也非常多，常用的有：matplotlib，seaborn等。
pdf（pandas手册）
Python的可扩展性很强，也是一个无底洞的东西，建议长期持有
那很可能将来能做到首席数据科学家，这也是这个职业最高的一个职位了
