一，什么是数据分析？
这里我可以把数据分析分成三个重要的组成部分。
1. 数据采集。
2. 数据挖掘。它可以说是最“高大上”的部分，也是整个商业价值所在。之所以要进行数据分析，就是要找到其中的规律，来指导我们的业务。因此数据挖掘的核心是挖掘数据的商业价值，也就是我们所谈的商业智能 BI。
3. 数据可视化。
数据采集
在数据采集部分中，你通常会和数据源打交道，然后使用工具进行采集。
在专栏里，我会告诉你都有哪些常用的数据源，以及如何获取它们。另外在工具使用中，你也将掌握“八爪鱼”这个自动抓取的神器，它可以帮你抓取 99% 的页面源。当然我也会教你如何编写 Python 爬虫。掌握 Python 爬虫的乐趣是无穷的。它不仅能让你获取微博上的热点评论，自动下载例如“王祖贤”的海报，还能自动给微博加粉丝，让你掌握自动化的快感。
数据挖掘
第二个部分是数据挖掘，它可以说是知识型的工程，相当于整个专栏中的“算法”部分。首先你要知道它的基本流程、十大算法、以及背后的数学基础。
这一部分我们会接触到一些概念，比如关联分析，Adaboost 算法等等，你可能对这些概念还是一知半解，没有关系，我会详细为你介绍这些“朋友”。
每讲完一个算法原理，我都会带你做一个项目的实战，我精选了一些典型的、有趣的项目，比如对泰坦尼克号乘客进行生存预测、对文档进行自动分类、以及导演是如何选择演员的等等。
掌握了数据挖掘，就好比手握水晶球一样，它会通过历史数据，告诉你未来会发生什么。当然它也会告诉你这件事发生的置信度是怎样的，置信度这个词你先记住就可以了，后面我们来学习它具体代表什么。
数据可视化
第三个就是数据可视化。数据往往是隐性的，尤其是当数据量大的时候很难感知，可视化可以帮我们很好地理解这些数据的结构，以及分析结果的呈现。
如何进行数据可视化呢？有两种方法。
第一种就是使用 Python。在 Python 对数据进行清洗、挖掘的过程中，我们可以使用 Matplotlib、Seaborn 等第三方库进行呈现。
第二种就是使用第三方工具。如果你已经生成了 csv 格式文件，想要采用所见即所得的方式进行呈现，可以采用微图、DataV、Data GIF Maker 等第三方工具，它们可以很方便地对数据进行处理，还可以帮你制作呈现的效果。
数据采集和数据可视化的原理简单，容易理解。这两个部分注重的是工具的掌握，所以我会把重点放在讲解工具以及应用实战上。
我认为学习数据分析最好的方法是：在工具中灵活运用，在项目中加深理解。
修炼指南
人与人最大的差别在于“认知”，所谓成长就是认知的升级。
我们只有把知识转化为自己的语言，它才真正变成了我们自己的东西。这个转换的过程，就是认知的过程。
那么如何提升自己的学习吸收能力呢？简单地说，就是要“知行合一”。
如果说认知是大脑，那么工具就好比我们的双手，数据工程师和算法科学家每天打交道最多的就是工具。
如果你开始做数据分析的项目，你脑海中已经思考好了数据挖掘的算法模型，请牢记下面这两点原则。
1. 不重复造轮子
一个模型是否有相关的类库可以使用——这几乎是每个程序员入行被告知的第一条准则。
2. 工具决定效率
工程师会选择使用者最多的工具。因为：Bug 少、文档全、案例多。
比如 Python 在处理数据挖掘上就有很多第三方库，这些库都有大量的用户和帮助文档可以帮助你来上手。
在后面的课程里，我会给你介绍最常用的工具，这些工具会让你的数据挖掘事半功倍。
选择好工具之后，你要做的就是积累 “资产”了。我们很难记住大段的知识点，也背不下来工具的指令，但是我们通常能记住故事、做过的项目、做过的题目。这些题目和项目是你最先行的“资产”。
如何快速积累这些“资产”呢？这里我送你三个字：熟练度。
把题目完成只是第一步，关键在于训练我们工具使用的“熟练度”。
总结
认知三步曲，从认知到工具，再到实战，是我最想给你分享的学习建议。
他们很听老师的理论，但是这些理论最后又都还给了老师。所以我希望你在后面的 15 周学习里可以做到以下几点。
* 记录下你每天的认知。尤其是每次课程后，对知识点的自我理解。
* 这些认知对应工具的哪些操作。用工具来表达你对知识点的掌握，并用自己的语言记录下这些操作笔记。
* 做更多练习来巩固你的认知。你需要的就是更多的练习。
最后我想问你个问题，就当做个小调查吧，你平时是怎么学习的呢？会做学习笔记吗？期待在留言区看到你的答案。也欢迎你把今天的内容分享给身边的朋友，和他一起学习。
写留言
精选留言
Alex王伟健
5
推荐幕布，可以直接生成思维导图哈，数据分析也可以用导图，分享也挺方便，多叉树穷举各种可能的业务情况：https://mubu.com/doc/85OdlVv3W0
2018-12-18
作者回复
很不错的分享！大家做笔记的时候 也可以试试
2018-12-18
草莓味冰糕
1
我主要的学习方式是依靠学习圈子，网易云课堂视频，还有各种专栏。平时也会做一些笔记，印象笔记软件也用了有一年多了，主要靠markdown语法做详细记录，xmind做导图整理框架，看了这一讲，感觉自己的学习方向大概还是对的，我最开始是学的Python基础，Python爬虫，《利用Python进行数据分析》。现在的状态是狂补统计学等数学基础，下一步准备进行商业思维训练相关学习，并准备打下机器学习基础。但是我的问题存在于两方面，第一是分享这一块我做的很差，为了弥补，最近也在学着开自己的知乎专栏和公众号，目的是为了把我这一年以来学的杂七杂八的东西串联整理起来。第二就是实战经验，我总想着学习完工具和思维再进行实战，但是这个月突然意识到实战是串联、应用与复习知识点的最佳途径。同时我也觉得这门可能对整理我所学有很大帮助。期望自己能在下一个半年成为一个合格的初级数据分析师。
2018-12-18
作者回复
总结的很好，你没问题的！
知行合一，并不是个先后的顺序过程，就像你刚才说的：实战其实就是很好的学习，能让你理解工具使用和知识点。刚才有个同学分享了：自己写Demo是个非常好的体验，一起共勉
2018-12-19
勉勉同学
1
想转行互联网感觉需要编程，无意中接触Python，报了Python视频课程，又从课程中了解数据分析这个职业，觉得自己的个人兴趣适合做这个，不想做纯粹的码农。根据知乎的大咖介绍学习路径，各个击破，从统计，Excel，SQL都在努力学，重点内容记笔记，方便后续时间复习巩固，笔记能让自己回忆之前的内容帮助自己滤清思路。现在缺的就是实战经验和业务思维，希望这门课程给我帮助。
2018-12-18
作者回复
对的，你对数据的重视是明智的。学习上，我会从不同维度让你和数据建立连接。包括：认知、工具和实战。这也会加强你对数据分析的认知
2018-12-18
A-M-Benchmarking
1
学了 可以把这个世界看的更清
2018-12-18
作者回复
对 可以做slogan了
2018-12-18
jiemoon
1
我们现在的工作是不是也是在做作业，只是更复杂多变
2018-12-18
作者回复
对！你的观点很不错。作业相当于平时的训练集，工作就是正式版的测试集
2018-12-18
AaronYu
1
我的学习方法是学纸质书时用笔记笔记，学习网络资源和付费课程我倾向于用 Markdown 记录，记录的过程我会强迫自己重新默写出来，最后，我会写公众号完整地梳理自己所学的知识。
2018-12-18
作者回复
这种很赞啦！看、做、讲 三个维度都有了，大V加油
2018-12-18
JC
1
学习的过程中会记笔记，但是目前还在摸索如何高效笔记以及整合的问题。因为学习随时随地都在发生，如何管理零散想法和系统的知识笔记还没有很好的处理方式，所以经常有“烂尾”以及记下就“忘记”的情况。
2018-12-18
作者回复
你说的这种情况，应该很多人都有！教你个小技巧：和别人约定个分享的时间，比如明天下午2点，给同事/同学做个主题分享，10分钟即可。这样就会把零散的知识变得系统，并且督促你不要“烂尾”
Iris
1
通过视频，博客，书籍进行学习，会做一些关键步骤的笔记，有时候觉得很浪费时间，但是，忘了的时候，重新翻出来看，就比重头找资料快
2018-12-18
作者回复
对的 就像做数据表的时候不要忘记做索引，其实这个笔记工作才是最有效率的，因为这些知识不是一次性的，以后还要用到！
2018-12-18
circleyuan
1
老师你好，让我困惑的是数据分析这一行，如果要学得好，是不是需要不断去了解应用各种各种的语言、软件。我看很多数据分析岗位要求都不仅仅只是了解python这门语言，还要求r语言、sql等语言，工具的话还要求spss、sas等，可视化的还要熟悉tableau之类的软件，是不是在学习过程中都得广泛了解的呢？
2018-12-18
作者回复
这些工具都是想通的，如果你会了python数据分析，也一定可以掌握R语言。数据分析是个广泛的领域，建议你逐块击破，在掌握了专栏内讲的工具之后，再拓展到其他的工具。
