对于刚刚入门数据分析的人来说，经常会听到网上那些天花乱坠的学习方法和教程，但是却感觉像是无头苍蝇一样，东一榔头西一棒槌，不知道到底先学数据分析的工具，还是要先掌握数据分析思维和方法，甚至纠结不清，选错了路，以后追悔莫及。
首先，我们需要认清一个观念，那就是数据分析是一种能力，而不是一种岗位。
现实情况下，一般叫数据分析的基础性岗位，它需要的能力多半是数据处理能力，既然都是数据处理能力了，你必然要先学工具，不然根本连面试都过不了。
但是如果你是需要数据分析能力的其他岗位，比如数据产品经理，比如产品运营或产品经理，那就是要先学分析方法，你需要通过分析思路去解决具体的业务问题或者产品问题，而一般数据处理可以提需求给数据分析师或者数据RD。
那么，对于想要第一次要入门数据分析的人来说，工具重要还是方法更重要呢？
数据分析的日常流程
在回答这个问题前，我们先体验下数据分析师日常的工作流程：
比如你公司有一款APP，平时“日活”稳定在9W-10W之间，但是10月26日忽然跌到了8.8W，到10月27日掉到了8.5W，这时候产品负责人急了，想要你配合排查下日活下跌的原因。
FineBI
接到这个任务时，你脑子里开始有一个分析框架的雏形：
- “日活”指标下跌了多少？是正常范围内的下跌？还是突发式的下跌？（What）
- 是整体用户下跌，还是部分用户？（Who）
- 下跌具体是从什么时候开始的？（When）
- 什么原因会导致下跌？是某个渠道推广到期？还是产品更新导致登录有问题？（Why）
接下来，你会把近期数据从数据库中提取出来，数据提取这步用到了SQL。数据整理清洗和分析用到了Excel。
数据提取后，你会做具体的分析，到了分析这步你就会用到统计学知识和数据分析方法论。
比如，本周和上周对比环比下跌了多少？这里涉及到了统计学中环比的概念，还有对比分析方法。再比如，你会从用户、地域等不同的维度去拆分问题。最终你发现导致日活下跌的原因是A渠道推广费用到期了，这一步你就用到了多维分析法。
找到了原因后，你会提出解决办法，推动产品部门落地执行。在沟通和展示的过程中，你可能会用PPT。
先学工具还是先学方法？
根据以上工作场景，我们再回到问题：转行数据分析，是先学方法还是工具？
我的回答是：同时，但方法要优于工具。
如果你学会了工具，但在实际工作场景中不会应用或者没有分析思路，这是很致命的。就好比你买了一堆食材，但不会做。
如果学了分析方法，但是不知道怎么提取数据分析数据，就好比你手里有一个食谱，但是菜在冰箱里拿不出来。
因为数据分析师的工作最终都不会脱离业务存在，每一步的执行和思考都需要工具的使用和数据分析方法论的应用，所以二者缺一不可。
从以上场景中，我们能够看出一个优秀的数据分析师起码要具备4种能力，分别是：
1.基础工具的使用
2.数据分析方法论
3.统计学知识
4.结构化思维
一、工具的使用
对数据分析而言，熟练掌握Excel+SQL+PPT+FineBI/python这4个工具可以应对大部分工作了。
有的小伙伴会问，那R语言呢？除非特殊要求，一般情况下R和Python掌握一个就可以。工具就好比我们去打仗的兵器，你不能赤手空拳上战场。
在工具学习这部分，建议先熟练掌握Excel+SQL，这2个工具是数据分析的基础和核心。
- Excel是日常工作中用到的最多的工具，常用的函数及数据透视表都要学。Excel推荐书籍《Excel高效办公：数据处理与分析》
- SQL是数据分析的核心工具，主要学习Select、聚合函数以及条件查询等内容。SQL推荐数据《SQL基础教程》
- Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。有SQL基础之后再学Python会相对轻松些，所以不建议0基础转行的小伙伴上来就学Python。Python推荐书籍《对比Excel，轻松学习Python数据分析》
- BI在数据处理，数据分析，数据展示上的功能远远强于excel，例如FineBI这款BI工具，其可以整合企业中所有不同业务系统中的数据，这是excel无法实现的，另外还可以对数据按照不同的维度进行分析，系统会以数据的特点来适配图表展示，这些也都是excel做不到的。
二、数据分析方法论
这部分需要掌握常见的分析方法如多维分析法、对比分析法、漏斗分析法、假设检验、回归分析等。推荐书籍《谁说菜鸟不会数据分析》
三、统计学知识
统计学这部分需要学习环比、同比、参数、变量、统计量、贝叶斯、二项分布、正态分布等基础概念。推荐书籍《赤裸裸的统计学》
四、结构化思维
结构化思维是优秀分析师必备技能，这部分内容推荐书籍《金字塔原理》。它能教会你思考、表达和解决问题的逻辑。
同时推荐一个好用的工具Xmind，在建立指标体系的时候会让你的分析非常有条理。
总结
零基础入门数据分析，建议你多去看一些商业数据模型和数据分析案例，从案例中汲取知识，最终形成自己的分析思路。因为分析思路对数据分析师来说真的很重要。
同时，你要给自己一个明确的岗位目标，在学习期间充分调研目标领域的行业知识。
理论和工具的学习，最终目的都是为了通过数据驱动业务增长，所以让你的工具技能和理论知识能够落地实战才是最重要的！