• 數據分析基礎（一定的數據思維、統計學基礎和sql能力）——能做最基本的取數工作
• 數據分析能力（使用各種分析工具、套用數據模型、做可視化報表等）——能做簡單的分析工作
• 業務分析經驗（熟悉各種業務邏輯和指標體系）——能做複雜的業務拆解

因此對新人來說，強烈建議按照下面的學習路徑進行學習：

1、數據分析常用的思維

判斷一個人做數據分析的水平，不是看他學習了幾種工具，最核心的差距在於思考問題的思維能，這是數據分析的本質，也是最容易被人忽視的點

常用的思維有很多種，下面簡單舉幾個例子：

（1）細分思維：

比如某次考試小明的名次很低，如果他的父母不懂細分，一定會不由分說地訓斥小明，根本找不到小明成績差的真實原因。

而如果他們懂得細分分析，應該怎麼做呢？應該將名次的維度轉化為科目，然後分析每個科目的成績，也許會發現小明只有某個科目沒有考好，再針對這個短板採取相應的策略，這就是細分分析的思想。

（2）趨勢思維

你可以簡單地把趨勢分析定義為對比分析的一種，一般來說是按照時間的維度，對某一數據或者不同數據變化趨勢進行差異化研究，以及對數據的下一步變化進行預測。

趨勢分析一般而言，適用於產品核心指標的長期跟蹤，比如點擊率，GMV，活躍用戶數等。做出簡單的數據趨勢圖，並不算是趨勢分析，趨勢分析更多的是需要明確數據的變化，以及對變化原因進行分析。

（3）目標思維

我們在接到業務的需求之後，需要先想一下這個需求的真正核心目的是什麼？

如果知道了業務目標，那麼就可以把這樣一個取數需求變成一個分析類需求，最終的交付形式就成了一份PPT，這樣，就能避免成為取數機器。

（4）結構化思維

在面對這麼一個問題時，結構化思維方法首先做的並不是立刻著手清洗數據。而是根據對業務的理解，先為數據分析畫一個思維導圖，它的作用相當於你來到一個陌生的城市拿出百度地圖查詢乘坐交通工具到入住的酒店的路線圖。

事實上，結構化思維就是由麥肯錫提出的著名的「金字塔思維」，如下圖就是典型的結構化：

（5）演繹思維、歸納思維

很顯然，歸納是從個體屬性出發，尋找因子之間的共性，總結出一個一般的特性；而演繹則相反，是從一般整體出發，尋找事物之間的邏輯，從而得到某個個體的特性。

2、統計學相關的理論與基礎

（1）描述型統計

描述統計是我們做數據分析的主要基礎，比如說銷售人員說今年我們的銷售情況很好，比去年要好很多。這不叫做描述統計，因為「比去年好」這個特點不是定量的數據

描述性統計里大概有三個分類：集中趨勢、離散趨勢、分布。集中趨勢包含平均數、中位數、眾數、分位數等，離散趨勢包含極差、平均差、方差、標準差、分位差等，分布主要包含峰態分布和偏態分布

（2）推理型統計

也叫作推理性統計，他的目的是研究如何利用樣本數據去推斷總體數據的方法。他跟描述統計不一樣，描述統計是用整體的數據來描述整體特徵，推理統計是用部分數據來推理整體特徵。我們經常說的假設檢驗、採樣與過採樣、回歸預測模型、貝葉斯模型都是推理型統計。

二項分布：如拋硬幣n次，不同正面朝上的次數對應的概率；

幾何分布：如拋硬幣n次，到第k次才取得第一次成功的概率服從的分布

泊松分布：在一定時間範圍內發生概率相同，給定其發生的平均發生的次數μ，則事件在該事件範圍內發生k次的概率服從泊松分布

（3）假設檢驗

假設檢驗就是通過抽取樣本數據，通過小概率反證法去驗證整體假設

（4）回歸

回歸分析的任務就是，通過研究X和Y的相關關係，嘗試去解釋Y的形成機制，進而達到通過X去預測Y的目的。

（5）聚類

聚類是根據數據本身的特性研究分類方法，並遵循這個分類方法對數據進行合理的分類，最終將相似數據分位一組，也就是”同類相同、異類相異」

3、快速套用的分析模型

（1）帕累托模型：

帕累托分析依據的原理是20/80定律，80%的效益常常來自於20%的投入，而其他80%的投入卻只產生了20%的效益，這說明，同樣的投入在不同的地方會產生不同的效益。

（2）波士頓模型

這個模型雖然是市場模型，但是其背後的邏輯卻是數據分析，也就是矩陣模型。矩陣模型是雙維度模型，你可以從兩個維度出發對不同的指標進行定位，比如波士頓矩陣，即從兩個維度對產品或者業務進行定位，也就是產品本身和銷售的維度

（3）購物籃分析

購物籃模型的本質是關聯，關聯大家應該都很好理解，就是反映某個事物與其他事物之間相互依存關係的，在商品關聯分析的定義是，通過對顧客的購買記錄資料庫進行某種規則的挖掘，最終發現顧客群體的購買習慣的內在共性

（4）用戶流失模型

主要應用在兩個方面：流失用戶召回、現有活躍用戶防流失，最常見的就是AARRR模型、漏斗模型等等。

（5）用戶價值模型

業務分析，很多情況下都是要在資源有限情況下，去最大化的撬動效益，如何挖掘能創造最大價值的客戶就是用戶價值模型的工作。最常見的就是RFM模型、CLV模型、顧客社交價值模型。

（6）5W2H模型

所謂的5w2h其實就是針對5個W以及2個H提出的7個關鍵詞進行數據指標的選取，根據選取的數據進行分析

（7）SWOT模型

分析法也叫態勢分析法，S是優勢、W是劣勢，O是機會、T是威脅或風險。

5、常見業務場景

（1）經營類數據分析

對收入、銷量等與企業經營活動相關分析，監控企業的運行情況，是為了發現企業運營中的問題，關注點是銷量/銷售額總體的時序變化、地區分布、變化原因

（2）用戶數據分析

對購買額、購買頻次、購買偏好等相關分析，目標是深入理解客戶，關注點是用戶畫像分層、RFM模型衡量用戶價值分層

（3）銷售數據分析

定義是指銷售收入、銷售額、單價等與銷售情況直接相關的分析，目標是完成銷售任務，監控銷售銷量低的原因，提出解決方法，關注點是時序進度、落後原因、銷售單產情況

（4）營銷/市場分析

對企業營銷/市場活動的投放、反饋、效果相關分析，目標是了解活動結果、優化活動計劃、提升活動效率關注點主要集中在ROI相關指標