最近在后台看到很多想进入数据分析领域的朋友私信我，让我帮忙解答一些职业问题。在跟他们的交流中，我发现他们之中70%都是一无所知或刚入门的数据小白，但是都特别积极主动，是真心想学习数据分析。

他们中大部分人都不是为了转行才想学，而是觉得多学一点数据分析的技能在身上，对自己的业务是有帮助的。

今天就来盘点一下数据分析中的必备的工具。

从基础到进阶，一步步学习，哪个阶段学哪个工具，怎么学，需要学到哪种程度，让你一目了然。

入门阶段（适合数据小白）

1、Excel

Excel不用说了，数据分析领域入门级的工具，也是日常工作时最常用的工具。

掌握程度：

• 函数和公式：常用函数（逻辑、统计、查找、引用、文本、日期、数学函数等）

• 数据透视表：分类汇总、取平均、最值、自动筛选、会分析占比、同比、环比、定比。

• *VBA程序开发：加分项，有能力的可以先学，如果时间精力不够可以到进阶阶段再学

建议：

先跟着教程过一遍基础，知道每个函数怎么用，了解数据透视表大概怎么做，然后再去网上找几个案例跟着做，在练习中边学边练，这样效率最高。

2、SQL

做数据分析，SQL也是必会的工具，因为我们要利用SQL语句来取数、清洗数据。

掌握程度：

了解常用的数据库类型，学会基础的增删改查（会用 select 语句加字段，找数据；alter语句减字段；update更新数据等）；熟悉掌握主键的用法；理解SQL中各种join的异同。

两点建议：

• 选定1-2本书和网站教程后就不要再在网上找学习资料了，这些教材足够你用，不要浪费时间在这上面。

• 学完一遍后，要学会自己总结，制作自己的思维导图（像上图），加深记忆，不要用别人的总结去复习，这样学习效果不好。

3、Python

一般来说，有关数据分析的编程语言有Python和R语言，其中R语言倾向于统计分析、绘图，而Python偏向数据处理，实用性更高一点，所以对于新手来说，入门学Python是比较好的选择。

掌握程度：

• 了解学习Python基本概念

• 掌握并熟练使用三个库 Numpy、Pandas、Matplotlib

进阶阶段（适合有一定数据基础）

1、BI工具

数据最终是要呈现给业务/管理层查看的，因此到进阶阶段，BI工具也是必须要掌握的一个技能。

掌握程度：

• 懂得如何利用BI工具去连接数据库；

• 了解仪表盘 Dashboard 的概念，知道绝大多数图表适用的场景；

• 明白维度和指标的区分以及一些数据的清洗。

建议：

现在市面上BI工具很多，主流的就是Tableau、FineBI和PowerBI，本土企业很多用FineBI，外企大多数是用PowerBI和Tableau。作为老牌的国外BI工具，Tableau的可视化和power bi的数据处理和建模，还是很牛的，不过个人认为对于我们国人来说有两个不方便的地方：1、个人用的话，帮助文档是英文的，汉化过后的看起来也很奇怪，理解和学习成本高 ；2、企业用的话无法实现国内企业复杂式报表的需求，本地化服务不佳。

2、R语言

在前文提过，R语言是倾向于统计分析、绘图，到了进阶阶段，能掌握R语言是非常加分的项，并且这几年求职大厂时会R语言已经成了一项基本技能，需要数据分析师熟练掌握。

掌握程度：

了解R的基本使用，掌握基本数据结构，数据导入导出，简单的数据可视化。

建议：

R和Python都比较容易学习，但在很多地方它们非常相似，如果你同时学习两者，就会很容易混淆，所以建议不要同时学习它们。等其中一个掌握到一定的程度，再着手学习另外一个会比较好。

总结

工欲善其事必先利其器，工具的确是数据分析师的利器，但刚入门的小白很容易陷入一种误区，即我学会了这些工具，我就能成为数据分析师，这显然是理解有误。在实际工作中，想要成为一名优秀的数据分析师，光学会这些工具是远远不够的。

好的分析思路、让自己数据分析后的结论能够落地，实际推动业务增长才是成为一名优秀数据分析师的关键。