经常有网友会对数据分析方面有一些困惑，并且咨询我该怎么办？并且经常是同样的问题，所以觉得有必要对一些经典共性的问题进行整理，与大家分享，这里并非标准答案，仅作参考！
欢迎提出自己对数据方面的疑问，将在此篇将持续更新，敬请关注。
 
----------------------------------------我不是完美的分割线--------------------------------------- 
Q1：我现在的工作有一点数据分析的模块，自从上微薄后了解到还有专门从事数据分析工作，我现在想做这一行，但是经验、能力都还是菜鸟中的菜鸟，请问成为一名数据分析师还有需要哪些准备？
A：很简单，我们可以看一下国内知名互联网数据分析师的招聘要求，进行自我对照，即可知道需要做哪些准备。
数据分析师职位要求 ：
1、计算机、统计学、数学等相关专业本科及以上学历；
2、具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；
3、三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；
4、对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；
5、具备良好的逻辑分析能力、组织沟通能力和团队精神；
6、富有创新精神，充满激情，乐于接受挑战。
 
另外可以再看下：
数据分析师的基本素质：blog.sina/s/blog_49f78a4b0102dt95.html
菜鸟与数据分析师的区别：blog.sina/s/blog_49f78a4b0102droj.html
 
《数据分析技能提升十大建议》
网页版：t/hg5VTH
PPT下载版：weibo/1240959563/l4EWKdaxB
数据分析学习网址大全（强烈推荐） t/SPGMeA
 
 
Q2：对数据分析有浓厚兴趣，希望从事数据分析、市场研究相关工作，但听说对学历要求较高，请问我是否要读研，读研的话应该读哪个方向？
A：读研要看自身情况，但可明确：专业不是问题，本科学历就够。关键是兴趣与能力，以及自身的努力，兴趣是学习成长最好的老师！
当然如果是在校生考上研究生的话那是最好，如果考不上可以先工作，等你工作有经验了，你就知道哪方面的知识是自己需要，要考哪方面的研究生，也就更有方向性。
 
Q3：那么如何培养对数据分析的兴趣呢？
A：建议如下：
1、先了解数据分析是神马？
2、了解数据分析有何用？可解决什么问题？
3、可以看看啤酒与尿布等成功数据分析案例；
4、关注数据分析牛人微博，听牛人谈数据分析（参考Q1的三个链接）；
5、多思考，亲自动手分析实践，体验查、解决问题的成就感；
6、用好搜索引擎等工具，有问题就搜索，你会有惊喜发现；
7、可以看看@李开复 老师写的《培养兴趣：开拓视野，立定志向》；怎么做数据分析
 
有网友说：让数据分析变的有趣的方法是，把自己想象成福尔摩斯，数据背后一定是真相！
 
 
Q4：我有点迷茫，是练好技能再工作，还是一个数据分析助理之类的要求不是特别高的工作，在工作中提升？
A：建议在工作中进行学习实践，这才是最好的提升。看那么多书，没有实践都是虚的。
 
Q5：我是做电商的，对于数据分析这块，您有什么好的软件工具类推荐吗？
A：做数据分析首先是熟悉业务及行业知识，其次是分析思路清晰，再次才是方法与工具，切勿为了方法而方法，为工具而工具！不论是EXCEL、SPSS还是SAS，只要能解决问题的工具就是好工具。
问题的高效解决开始于将待解决问题的结构化，然后进行系统的假设和验证。分析框架可以帮助我们：1、以完整的逻辑形式结构化问题；2、把问题分解成相关联的部分并显示它们之间的关系；3、理顺思路、系统描述情形/业务；4、然后洞察什么是造成我们正在解决的问题的原因。
 
Q6：请问现在国内做数据分析行业需要精通SPSS、SAS之类的统计软件吗？
A：不同公司不同职位要求都不一样，虽然大部分公司的招聘要求有提到要求会SPSS、SA
S之类的统计软件，但是实际工作中还是以EXCEL居多，只有少数公司在工作中才常用到SPSS、SAS。
 
另外分享一网友@AC不米兰微博感想：
其实对绝大多数财务人员和管理人员而言，excel用到透视表已经可以解决95%的问题了吧，宏什么的属于炫技式用法。重要的是数据设置时的逻辑关系。还有一个重要的是分析结果的展示方法。
地址：weibo/1846816572/y4ThvFjHo
 
Q7：可不可以推荐些数据分析方面的网站呢?
A：数据分析学习网址大全（强烈推荐） t/SPGMeA
 
Q8：如果我想系统的学习数据分析，有哪些途径？或者课程呢？可以给我们一些建议吗？
A：可看小黄书《谁说菜鸟不会数据分析》，其目录基本上就是数据分析体系，按这个思路学习，先了解数据分析是神马？了解数据分析有何用？可解决什么问题？然后再根据实际所需进行学习。
可通过此网址检测自己是否真正了解数据分析 blog.sina/s/blog_49f78a4b0102dwzp.html
 
Q9：看完小黄书、小蓝书后要看哪本书？有何推荐没有？
A：如果看完小黄书后，能对数据分析有个清晰的认识，知道数据分析是做什么用的，并且书中每个方法都理解，都能用简单的语言描述出来，能活学活用，那就说明你真正掌握了。到时你自然而然的知道你需要再补充哪方面的知识。
有些读者看了小黄书、小蓝书后，觉得书中的知识浅了。提醒大家：1、不要小看基础知识
喔！那才是最核心的，正所谓万变不离其宗，只有掌握基本原理，并灵活运用才是王道！2、数据分析的深不深，不在于技术高不高级，而在于对于业务的解读。
如果是想往统计技术方面发展，可以看@文彤老师 这本SPSS统计分析基础教程（第二版）。
 
Q10：我想知道想要从事数据分析这方面的工作，我现在应该什么类型的公司和实习岗位来积累经验呢？
A：建议是互联网、移动互联网、游戏、通信类的企业，因为这些类型的公司是数据都较为庞大，并且也较为重视数据分析工作的公司。
不过先想清楚自己以后所要从事的行业，然后在有针对性的实习，这样可以累积行业经验，加深对行业及业务的理解，应为毕竟数据分析的前提是要熟悉行业及业务。如果你熟悉了业务，你看到的不在是简简单单的数据，而是看到数据后面所隐含的信息。
举个案例：某公司面试官发了这么一条微博：问他擅长什么，答数据分析，于是给他一堆数据，5分钟后问他，答约，可以分析出标准差，离散度……再追问，分析这些的意义是什么，答曰：可以知道样本数据的标准差，离散程度……
地址：weibo/1590680882/y4YGB8nIH
这就是技术与业务脱节，为了分析而分析，谨记！
 
Q11：如何写成一份好的数据分析报告？
A：一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容；图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。--小黄书《谁说菜鸟不会数据分析》
 
Q12：该如何学习数据分析呢？
A：数据分析三字经：
①学习：先了解，后深入；先记录，后记忆；先理论，后实践；先模仿，后创新；
②方法：先思路，后方法；先框架，后细化；先方法，后工具；先思考，后动手；
③分析：先业务，后数据；先假设，后验证；先总体，后局部；先总结，后建议；
 
 
Q13：统计专业毕业可什么工作呢？
A：详见 blog.sina/s/blog_49f78a4b0102dwoz.html ；
 
Q14：数据分析师发展路径是怎样呢？
A：详见
blog.sina/s/blog_49f78a4b0102dys4.html
blog.sina/s/blog_49f78a4b0102dwob.html
 
Q15：怎么知道自己是否适合做数据分析？
A：详见 blog.sina/s/blog_49f78a4b0102dx5a.html
 
Q16：我看到有人说数据分析可以分为数据分析师和数据挖掘师，是这样吗？数据分析做到深入的话必须要懂数据挖掘吗？数据挖掘要掌握一些算法吧，那不成了计算机专业的了吗？
A：首先要了解数据挖掘与数据分析之间的关系。
《谁说菜鸟不会数据分析》中有如下介绍：数据挖掘其实是一种高级的数据分析方法。数据挖掘就是从大量的数据中挖掘出有用的信息，它是根据用户的特定要求，从浩如烟海的数据中出所需的信息，以满足用户的特定需求。数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。一般来说，数据挖掘主要侧重解决四类数据分析问题：分类、聚类、关联和预测，重点在寻模式与规律。
数据分析与数据挖掘的本质都是一样的，都是从数据里面发现关于业务的知识。 
另外从事数据挖掘工作需要各种专业的人才一起参与，如计算机、统计学、数学等，数据挖掘工作包括算法研究开发、ETL、业务建模、系统开发等等，所以要看你的工作偏向哪方面，如果是业务建模分析，那就要熟悉业务，并对各种常用算法原理、优缺点比较熟悉，至于具体如何实现，统统交给数据挖掘软件和计算机去处理吧！如果是算法开发，那就要非常熟悉各种算法，并精通一门编程语言，才能开发出适合业务分析的算法。
可以说数据分析师更偏向业务研究，主要负责报告撰写，而数据挖掘师（其实应该是数据挖掘工程师），则更偏向技术，负责相关算法的开发与实现。大家可以根据自身的特点选择发展方向。
 
Q17：数据分析师会遇到哪些困难呢？
A：可以参考下最伤数据分析师的几句话：
1、你这个数据不对吧；
2、数据换个口径重新跑一遍；
3、你们做的一大堆数据，有啥用呢？无法落地；
4、怎么数据还没跑出来；
5、报告一点逻辑都没有；
6、报告一点业务深度都没有；
7、报告看不懂；
8、报告看懂了但没用；
9、报告再改改；
10、全是基础数据堆彻，没有重点，没有分析和结论！