一位德国留学生如何从零开始学数据分析

我是一名在读研究生，学习商科，主要方向是供应链与物流，学校在德国很普通。现在对将来毕业后的工作前景一片迷茫，所以想要趁着正式步入职场前能在各方面更完善自己，更何况将来不论在哪个领域工作，我认为数据分析都无疑是一项重中之重的技能，不仅是技术层面，更包括思维层面。

对数据科学领域的崇拜已经不是一天两天了，之前总觉得它属于另一个自己摸不到的世界。

两个月前，我感兴趣并且也是这学期刚刚开始读的运营方向课程中出现了一些最优化和图论等内容，跟我本科学习的知识存在严重脱节，再加上德语授课的缘故，听得更是云里雾里，只得课余时间在互联网上寻找相关的中英文资料弥补知识漏洞。正是在找资料的过程中，发现了这部分内容与数据结构和算法等数据科学领域的课程有关，所以就产生了想要更多地去了解相关知识的想法。

之所以把数据分析作为切入点，一方面是因为它与我的专业最相辅相成，用切切实实的数据为改进运营效率做支撑；另一方面是想借此机会进一步提升自己的逻辑思维及数据处理与展示方面的能力。而且我本身就对语言学习很感兴趣，编程也是一门语言呀，在促进专业学习和提升自身能力的同时再多掌握一门计算机语言，何乐而不为呢。

除此之外，也希望自己将来有能力在业余时间做些小项目养活自己，活得更独立更洒脱，爸妈也不用再担心我没男盆友了。

在听了《零基础入门大数据分析的方法论》后，这让我觉得只要肯坚持，按照规划的学习路径，我也可以在大数据方面取得点儿小成绩。

因为这段时间对数据科学方面关注较多，看到不少前辈都提到了数学的重要性，所以首当其冲地就是把扔掉了多年的数学捡起来，现在正每天利用课余时间看推荐的那本《深入浅出统计学》。

为了接下来的每一步和大数据思维社群里志同道合的小伙伴一起进步，2017年我将按照以下的实践计划，踏踏实实的过好这一年。

我的知识基础

我算是实打实的零基础，没学过一丁点儿编程，数学方面也比较吃亏，因为之前读本科的时候不了解数学在现实中的应用，总觉得数学就是数学，缺乏学习的动力，因此学得浅忘得快。

所以，这份计划以及接下来记录的点滴也正好可以给那些像我一样零基础的童鞋们一个参考。

我的实践计划

主要学习任务：

1. 从零学会大数据核心：数据分析 系列课程 

2. Udacity-Data Analyst相关课程

3. Excel知识

4. 统计学知识
   

跟着每个月的课程走，和社群里的小伙伴们一起进步，是计划的主线。我个人认为，入门一个新领域时，有一个前辈帮你及时纠正错误方向，还有一群互相鼓励的小伙伴们是很有必要的。

我根据Udacity的Data Analyst课程描述，给自己列示出了并不包含在这个系列中但可以作为夯实基础用的入门课程，如果实践效果好的话，后期也打算完成这个系列的其他课程，因为每门课程结束后都会有一个项目需要你独立完成来检验学习效果。

至于EXCEL，很惭愧，我到现在都只会一些最基本的功能，然而它却是一个很强大的工具，在数据分析领域用途也很多，所以想要花时间一点一点把它学好。

最近看了很多前辈对于数学在数据分析学习过程中重要性的回答，一句话概括就是：如果真想做好这方面，数学上是一定要下功夫的。再加上我接下来的专业课学习对数学也有较高的要求，所以一举两得吧。也想在这里奉劝大家，不管你觉得自己正在学习的数学有多无用，都踏踏实实地学，学好数学绝对是你今后的加分项。

由于只能用课余时间学习数据分析的相关内容，计划的制定不得不考虑学校的课程和考试安排，因此某些月份安排的学习内容会少一些。

2016.12

《R语言实战》 第1、2章
《深入浅出统计学》C1 - C9
《从零学会大数据核心：数据分析》第2讲 & 实践报告
阅读官方教材，通过学校的EXCEL考试
Udacity-Intro to Statistics（2unit/week, L1 - L4)

2017.01

《R语言实战》 第3、4章

《深入浅出统计学》C10 - 15
《从零学会大数据核心：数据分析》第3讲 & 实践报告
Udacity-Intro to Statistics（2L/w, L5 - L6 & Final)
Udacity-Intro to Computer Science（2u/w）

2017.02

《R语言实战》 C5 & C6
《从零学会大数据核心：数据分析》第4讲 & 实践报告

2017.03

《R语言实战》 C7 - C12
《从零学会大数据核心：数据分析》第5讲 & 实践报告
网易云课堂-Excel Power Pivot数据建模分析（基础篇）
Coursera-Mastering Data Analysis in Excel
Udacity-Intro to Descriptive Statistics
Udacity-Programming Foundations with Python

2017.04

《R语言实战》 C13 - C15
《深入浅出SQL》C1 - C6
《从零学会大数据核心：数据分析》第6讲 & 实践报告
网易云课堂-Excel Power Pivot数据建模分析（进阶篇）
Udacity-Intro to Inferential Statistics

2017.05

《深入浅出SQL》C7 - C12
《从零学会大数据核心：数据分析》第7讲 & 实践报告
Udacity-Intro to Data Science
Coursera-Data Visualization with Advanced Excel

2017.06

《数据挖掘导论》C1 - C5
《从零学会大数据核心：数据分析》第8讲 & 实践报告
Udacity-Intro to Data Analysis
Coursera-Problem solving with Excel

2017.07

《数据挖掘导论》C6 - C10
《从零学会大数据核心：数据分析》第9讲 & 跟小伙伴们一起做项目
Udacity-Data Analysis with R

每月月末我会写一份当月学习总结，囊括对知识的掌握和时间安排方面的感悟，并及时对计划做出适当的调整，详细规划下个月学习任务的时间安排。

同时，也会把学习过程中新发现的优质资源分享给大家。至于按时完成任务的奖励，容我再想想哈

这次的计划只写到2017年7月份，主要是因为这对目前的我来说仍是一个陌生的领域，2017年下半年具体需要做哪些努力，还要根据到时候我具备的能力，以及对这个领域更深入的认识再具体制定。

如果大家对我的计划有什么更好的建议欢迎提出，免得我在错误的道路上离目标渐行渐远。

本文内容来自 大数据思维社群 会员 刘菁 (微信号：liujing5003，简书账号：Laecheln)。

刘菁是我见过最认真的实践主义者，是那种想到了就去做，而且做事的态度特别认真。

别看她平日在社群里不怎么说话，但是每次课程后都会把实践笔记写的特别认真。社群里小伙伴遇到的问题，她也会认真帮忙回答。

这样认真有态度的人，我几乎可以看到她的未来有多么辉煌。相信，时间是最好的朋友，见证一个实践主义者是怎么一步一步靠知识走向成功。