现在，你已经知道了数据分析在现代社会中的重要地位。掌握数据，就是掌握规律。当你了解了市场数据，对它进行分析，就可以得到市场规律。当你掌握了产品自身的数据，对它进行分析，就可以了解产品的用户来源、用户画像等等。所以说数据是个全新的视角。 数据分析如此重要，它不仅是新时代的“数据结构 + 算法”，也更是企业争夺人才的高地。
当我们谈论数据分析的时候，都在讲些什么呢？
-
数据采集。它是我们的原材料，也是最“接地气”的部分，因为任何分析都要有数据源。
-
数据挖掘。它可以说是最“高大上”的部分，也是整个商业价值所在。之所以要进行数据分析，就是要找到其中的规律，来指导我们的业务。因此数据挖掘的核心是挖掘数据的商业价值，也就是我们所谈的商业智能BI。
-
数据可视化。它可以说是数据领域中万金油的技能，可以让我们直观地了解到数据分析的结果。
修炼指南
学习数据分析就是从“思维”到“工具”再到“实践”的一个过程。今天我会从更多的角度来和你分享我的学习经验，我们可以把这部分的内容叫作“修炼指南”。
人与人最大的差别在于“认知”，所谓成长就是认知的升级。
很多人存在对“认知“的误解，认为认知不就是概念么？那么你有没有想过，针对同一个概念，为什么不同的人掌握的程度是不一样的呢？
我们只有把知识转化为自己的语言，它才真正变成了我们自己的东西。这个转换的过程， 就是认知的过程。
那么如何提升自己的学习吸收能力呢？简单地说，就是要“知行合一”。
如果说认知是大脑，那么工具就好比我们的双手，数据工程师和算法科学家每天打交道最 多的就是工具。
如果你开始做数据分析的项目，你脑海中已经思考好了数据挖掘的算法模型，请牢记下面
这两点原则。
1. 不重复造轮子
举个数据采集的例子，我见过很多公司，都有数据采集的需求，他们认为某些工具不能满足他们个性化的需求，因此决定招人专门做这项工作。而结果怎样呢？做了 1 年多的实践，工资投入几十万，结果发现 Bug 一大堆，最后还是选择了第三方工具。耗时耗力没什么成效。
一个模型是否有相关的类库可以使用——这几乎是每个程序员入行被告知的第一条准则。我也会对新人反复灌输这个概念。大部分情况下你都能找到类库来完成你的想法。
2. 工具决定效率
“不要重复造轮子”意味着首先需要找到一个可以用的轮子，也就是工具。我们该如何选择呢？
这取决于你要做的工作，工具没有好坏之分，只有适合与否。除去研究型的工作，大部分
情况下，工程师会选择使用者最多的工具。因为：Bug 少、文档全、案例多。
比如 Python 在处理数据挖掘上就有很多第三方库，这些库都有大量的用户和帮助文档可
以帮助你来上手。
选择好工具之后，你要做的就是积累 “资产”了。我们很难记住大段的知识点，也背不下来工具的指令，但是我们通常能记住故事、做过的项目、做过的题目。这些题目和项目是 你最先行的“资产”。
如何快速积累这些“资产”呢？这里我送你三个字：熟练度。
把题目完成只是第一步，关键在于训练我们工具使用的“熟练度”。
总结
认知三步曲，从认知到工具，再到实战，是我最想给你分享的学习建议。我看到过很多同
学上课的模式，以及很多人工作中的思考模式，我特别认同“人与人最大的区别是在认
知”这个观点。
记录下你每天的认知。尤其是每次课程后，对知识点的自我理解。
这些认知对应工具的哪些操作。用工具来表达你对知识点的掌握，并用自己的语言记录
下这些操作笔记。
做更多练习来巩固你的认知。我们学习的内容对于大部分外人来说，就像“开车”一
样，很酷。我们学习的内容，对于要掌握的人来说，也像“开车”一样，其实并不难，