根据以往的经验，很多人在学习数据分析的过程中会遇到下面这样的疑问：
–我是文科生出身，可以学习数据分析吗？
–我没有编程基础而且对编程无感，可以成为高级数据分析师吗？
–如何快速入门数据分析？
我是文科生出身，可以学习数据分析吗？
当然可以，数据分析的应用几乎是无行业和人群限制的。DT时代拼的是人才和创新价值的能力，拼的是你的数据能够给社会创造多少价值，用数据挣钱才是未来真正所在，运用数据的能力越来越成为基础的职业技能。因此任何有兴趣和需求的人士都可以进入这个领域，这也正是数据分析的魅力所在。
我没有编程基础而且对编程无感，可以成为高级数据分析师吗？
我们都知道，数据分析最重要的是商业的理解、分析的思路、分析的流程及结果的解读。编程则是实现这些分析思路的手段之一。然而，编程的训练不是短时间可以培养出来。因此，是否有可能在不编程的情况下，就能直接进入分析最重要的思路领域呢？是我今天想要和大家探讨的话题。当然这里并不是在比较各个软件的好坏，只是从知识和应用的角度来探讨非纯编程语言入门数据分析的路径：
第一阶段：Sql数据库语言
作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。
DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。
在招聘条件中，越来越多的产品和运营岗位，将会SQL作为优先的加分项。SQL是数据分析的核心技能之一，从Excel到SQL是数据处理效率的一大进步。
主要了解数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。
学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习。这里推荐MYSQL。
推荐数据：《MYSQL必知必会》
第二阶段：数据可视化
这几乎是你正式进行数据分析的第一步，通过SQL拿到数据之后，我们需要使用可视化方法探索和发现数据中的模式规律。
数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。
除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。
可视化的工具有很多，这里我推荐微软的power bi或者tableau。这两款都不要编程功底，实现起来简单，功能强大。下图是tableau工作的示例：（某产品销售额与利润分布-地图）
推荐书籍：《用图表说话》-麦肯锡
第三阶段：数理统计学
统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。
统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。
这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
推荐书籍：
《从零进阶 数据分析的统计基础》-曹正凤
《统计学》-贾俊平
第四阶段：数据分析与软件应用
如果你想快速入门而又不想学习编程，我推荐使用SPSS。
SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。
学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。
推荐书籍：
《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚
《胸有成竹 数据分析的SPSS／SAS EG进阶》-常国珍
《SPSS统计分析基础教程+高级教程》-张文彤
第五阶段：数据挖掘与软件应用
数据挖掘，英文是DataMining 也叫作数据勘探，类似于采矿，但是数据是贫矿。我们需要结合行业课题，利用数据挖掘工具，建置数据挖掘模型，发掘规律和商业价值。另外数据挖掘是交叉学科，涉及统计学、计算机、机器学习、运筹学等多门学科，是一个运用广泛和富有前景的学科领域。
学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。
工具上，对于非编程路径，我建议使用SPSS Modeler+Weka，这两套软件都不需要编程且各有其独特的优点能达到互补的效果。IBM SPSS Moderler提供了可视化的流程控制接口，其分析思路在这个接口上一览无遗。而Weka则提供了进阶数据挖掘的模型建置功能(例如深度学习)，可强化IBM SPSSModerler在进阶数据挖掘上的不足。同时，Weka也是数据挖掘世界大赛中，经常被使用的软件，其进阶分析的能力极强。两者交互应用，各取所长，可以大幅提升分析的效率及准确度。
推荐书籍：《clementine数据挖掘方法及应用》
第六阶段：数据分析行业应用和数据分析思维
对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。
推荐书籍：
《增长黑客》
《精益数据分析》
以上就是数据分析师-非编程路线的进阶路线，如果你沿着此路线学习，相信你在数据分析道路上有所收获。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
