数据分析和数据挖掘机器学习不是一个意思，其实不是数据分析与商业分析的区别
而是数据分析与数据挖掘的区别
没有统计学的数据分析思维，会编程工具根本没什么用，
就像空有一把刀，但是连刀法（统计学分析方法）都不会根本只是乱挥，
会了刀法，你换个工具一样制敌。（Excel、SAS、R都行）
所以要先会数据分析，再去追求编程工具上的进阶。
建议的入门学习路径：
1、数据分析：统计学理论知识（线性回归预测）+Excel
2、数据查询与展现：SQL+Tableau或PowerBI之类的专业商业数据可视化工具
-----------------------------------------------------------------------------------------------------------------------
最直接的分类为数据分析与商业分析，
简单的区别是数据分析是技术职位，对编程（Python等）有要求；
商业分析不是技术职位，不需要编程。如果完全没有基础，也不确定自己是否喜欢编程，
建议先学习商业分析要求的工具与语言（Excel/Tableau/SQL/统计）。
对于一个大三，专业与数据分析一点边不沾的女生来说，
直接学习Python、Stata、Eviews、SAS、R等专业语言都不是最好的选择。
建议考Oracle认证更是误人子弟，答不对题。
建议的学习路径是：
- 先学Excel，特别是Excel的常用函数、数据透视表、可视化。学会Excel，走遍社会都不怕。这对于你毕业找工作，有百利而无一害。
- 再学Tableau或PowerBI之类的专业商业数据可视化工具。这类工具的优点是上手快，容易出成果，求职面试是很好的加分项。另外，它们对于你建立数据感觉（数据软技能）非常重要！
- 然后学习SQL或Tableau Prep或Alterxy之类的数据处理工具。数据分析师80%的时间都在处理数据，这是残酷的事实。要想成为合格的数据分析师，数据清洗的能力一定要强！
- 最后，学习Python或R。将Python和R放在最后是因为精通Python的人不一定懂Python在数据分析中的用途，但精通数据分析的人一定懂Python的用途。当你先成为懂数据分析的人之后再学Python，定会事半功倍！反之，则极有可能事倍功半。
最后，在技能学习过程中还要掌握数据分析软技能的培养，比如商业敏感性、商业分析模型、数据分析指标体系等。
公众号【DataSchool】有分享此类的学习文章和学习课程。
作者：DataSchool
链接：https://www.zhihu.com/question/300254387/answer/537730561
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
主要的工具也是Excel，但是在这里的话对于数据分析的要求就相对比较严格，一些特定的报表开发，一些Excel函数的组合使用，亦或者一些建模分析。
分析的方法主要用到的就是一些相关性分析，聚类分析，线性回归等，这些的话主要就需要去啃一下统计学的书。
从事数据分析首先最基本就是学会Excel 和SQL语言，这两个基本可以满足初级数据分析师的工具需求，
至于理论方法的话建议多看看统计学的知识以及一些统计分析的网站上的分析报告。
并且在学习的过程中培养自己的结构化思维，业务思维以及逻辑思维。
至于后期数据量起来了的话可能就会用到高阶的一些数据分析工具 Python、R、tableau、SPSS、SAS等等，
具体使用的工具就看个人对职业的发展规划以及从事行业的流行程度而定再具体去学习新的工具以及挖掘方法！
作者：Thomas
链接：https://www.zhihu.com/question/300254387/answer/546783273
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。