之前最近可能以后都有学弟学妹问我这么一个问题：“如何快速成为数据分析师？” 因为我平时苦于磕盐（被动 - -！），时间比较紧，就想着干脆写下来，也是对自己的一种重温。

有几句话先说在前头：1、这个贴只是入门，谈不上高深。 如果你真的只学了三个月，那可能真的只是学了一点入门的知识，可是如果你用一年甚至两年的时间去仔细的咀嚼这几本书的知识，那么你远远不止入门这么简单。还是那句话，你可以秒杀一大半人。 我们都知道知识的累积和消化是需要时间和不断的重复的。从我个人经验来讲，下面的很多书我都已经看了两三遍了，还只能懂个50%这个样子。也就是说其实下面这些书是有一定难度和深度的，要不然怎么能说它们是经典书籍呢？ 好的书籍都是经得起时间的推敲以及人类思想的咀嚼的，因此你如果真的想学好下面这十本书，1年的时间还是需要的~（先打预防针哈）

但是这个题目是关于如何快速成为数据分析师的，因此我给出的方案是在最短的时间内掌握下面书籍的一些核心知识，并不要求掌握一些细枝末节，还望大家见谅。我和很多人一样，不太喜欢快速这个词，急于求成的结果是得不偿失。换句话说，我更喜欢将题主的“快速”理解为如何在最短的时间内高效率的成为数据分析师。 

首先，成为任何一个技术型工作的从业者最需要的就是掌握相关的专业技能，因此也可以这么理解题主的话：如何在最短的时间内高效率的掌握数据分析知识从而达到找一份相关工作的资格！注意，我说的是资格！

看清楚哦，我说的是入门。入门基本上就是懂得了常规的数据分析知识并且据此找到一份简单的工作！

知乎里面有很多关于学习数据分析的帖子，写的都很好。但是它们和快速没有任何关系，你要完成那些大神们的书单贴，至少需要3、5年才行。因为那是一个perfect 的数据分析师，而不是入门级别的！

我简单的将学习数据分析的同学分为三种：

1.学过计算机但不会统计学（新手）

2.学过统计学但不会计算机（小白）

3.统计学和计算机都不会（菜鸟）

他们的排名是： 菜鸟 < 小白 <= 新手。 无需置疑，菜鸟是最弱的级别，学习起来也是困难重重。小白和新手算是有一定的基础，学习起来会比较轻松一点。 从我个人角度来看，我觉得计算机技术要重于统计学知识，因此我认为学计算机的同学更容易入门。

了一个初级数据分析师应该掌握的技能：

统计学基础；常用模型理论；R和PYTHON；网页分析；数据库技术；实战应用。

简单的描述下：

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

统计学无需置疑是一个数据分析师的核心功底，你只有学好了统计学才能谈得上数据分析。

但是统计学又常常是不够用的，我们还需要一些高级的模型来解决我们实际业务中的问题，比如：银行需要判断是否给某个客户发放信用卡 这就需要一个高级的二分类模型。这里我们的数据挖掘理论就派上用场了。

有了理论知识，我们需要用工具去实现我们的理论并加以应用。这个年代，已经没有人会去手工计算某个问题了，R和PYTHON就是最负盛名的数据分析工具。 关于R和PYTHON的地位，各有千秋。 至于如何学习，请看上面的书单！

如果致力于在互联网领域发展，那么网页分析是你必看的一本书籍。这本是是大名鼎鼎的GA创始人著作，看一遍，做一遍会有一个不错的收获。

数据分析师是跟数据打交道的，我们的数据都是存储在数据库里面的，因此掌握必备的数据库技术是肯定要的！

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

以上就是对入门级别的数据分析师做的一个简单的描述！ 

那么，在对书籍有了一定的了解之后，具体的该怎么学习呢？

我将三个月分为三个学习阶段，每个阶段请务必保持每天3个小时以上的学习时间。这个时间要求不过分，不管是对学生党还是上班族，三个小时总是抽的出来的。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

第一阶段：初识数据分析

这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。

第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。

第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～

第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。

第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～

第二阶段：升级你的技能

第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）

这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。

第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！

第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！

第三个星期：为什么感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。

第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？

第三阶段：准备一个小小的毕业吧

前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！

在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。

本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn

对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

最后，希望大家坚持~ 以后有时间我也会慢慢写更多的技术帖~