基础篇(适用于初级数据分析师)
1）excel
关键知识点：excel基本函数(sumif,countif,left,rand等)、lookup(vlookup/hlookup)，数据透视表
学习资源：《Excel高效办公：数据处理与分析》
2） sql
关键知识点：增删改查，特别是条件查询(where, group by, order by等)
学习资源：《SQL基础教程》
3）python
关键知识点：numpy，pandas，matplotib，seaborn包的熟练使用
注意，python可以干的事儿太多了，从web开发到算法模型，瞄准你的目标-数据分析，专注学这几个包就可以了
学习资源：《利用python进行数据分析》，主讲numpy和pandas用法，浏览一遍，用作工具书
4）数据可视化
商业数据可视化软件：比较好用的有PowerBI、FineBI、Tableau等
Python数据可视化：matplotlib数据可视化、saeborn数据可视化、pyecharts数据可视化
学习资源：《人人都是数据分析师》，主要介绍了Tableau的核心功能；
5）统计学
关键知识点：概率论、假设检验、分布(泊松、二项、正态等)、统计抽样等
学习资源：《深入浅出统计学》比较适合小白入门，书很厚，别怕，都是图
6）分析思维是数据分析师最最核心的竞争力，上面所学习的python、sql、机器学习知识等都是在工具层面，要想使用好他们，还需要分析思维的驾驭。对于分析思维的学习，我建议新人也是从读书开始，比较推荐的书：
数据分析类
《谁说菜鸟不会数据分析》、《精益数据分析》、《增长黑客》、《数据挖掘与数据化运营实战 思路、方法、技巧与应用》
产品思维类
如果是想要从事互联网行业的数据分析师的话，产品思维也是必须要具备的，面试考察点之一，推荐《从点子到产品：产品经理的价值观与方法论》、《俞军产品方法论》、《产品思维》
逻辑思维类
在面试中逻辑清晰的回答面试官的问题，会为你大大的加分，推荐《金字塔原理》、《学会提问》、《麦肯锡思维》
进阶篇（适用于中高级数据分析师、数据挖掘工程师）
1）数学知识
关键知识点：线性代数：线性代数：矩阵运算，矩阵特征(秩、迹、特征值特征矩阵、相似矩阵、正定矩阵、逆矩阵、非奇异、行列式)、线性相关，向量空间，向量范数，矩阵范数，最小二乘法，最大似然估计
微分：极限，导数，偏导数，泰勒展开，梯度下降法，牛顿法
凸优化：基本概念(凸集合，凸函数，上境图，凸组合，凸包)，凸优化(拉格朗日对偶性，对偶问题，KKT条件，拉格朗日乘数法)
2）数据挖掘算法
关键知识点：分类、回归、聚类、关联规则挖掘、降维等
学习资源：
《统计学习方法》经典，主讲分类算法，偏理论推导
《机器学习实战》过瘾，对着《统计学习方法》来一套，保证你对理论明明白白
《机器学习》周志华老师的，也是经典
3）网络爬虫、SPSS、SAS、R语言等
学习资源：《SPSS统计分析基础教程》、《问卷数据分析-破解SPSS的六类分析思路》、《R语言实战》
4）网络爬虫、SPSS、SAS、R语言等
行业学习书籍篇
1.零售/电商类：《数据化管理：洞悉零售及电子商务运营》
2.游戏类：《游戏数据分析实战》
3.网站/广告优化：《网站分析实战》
4.咨询类：《活用数据：驱动业务的数据分析实战》
5.人力资源：《人力资源与大数据分析》
6.数据产品：《数据产品经理修炼手册》
7.金融：《消费金融真经》
8.增长黑客：《首席增长官》、《硅谷增长黑客：实战笔记》
9.管理类：《第五项修炼：学习型组织的艺术与实践》、《高效能人士的七个习惯》
